收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于模拟退火机制的微粒群算法在城市土地空间布局中的研究与应用

李雪  
【摘要】: 微粒群优化算法(PSO)是由Kennedy和Eberhart于1995年提出的一种基于迭代的优化算法,系统初始化为一组随机解,通过某种方式迭代寻找全局最优解。该算法与遗传算法(GA)相比,简单容易实现,没有交叉和变异操作,需调整的参数不多,收敛速度快。现已广泛应用于目标函数优化、动态环境优化、神经网络训练等诸多领域,并在IEEE进化计算年会(IEEE Annual Conference Of Evolutionary Computation,CEC)上作为一个独立的研究分枝。 协同进化算法是近十几年来在协同进化论基础上发展起来的一类新的进化算法。协同进化算法与传统进化算法的区别在于:协同进化算法在进化算法的基础上,考虑了种群与种群之间、种群与环境之间在进化过程中的协调。由于协同进化算法具有诸多优越性,越来越多的学者对它进行了研究,协同进化已成为当前进化计算的一个热点问题。 模拟退火算法是1982年由S.Kirkpatrick等人提出的一种模拟金属退火机理而建立的随机优化方法。它是源于对固体退火过程的直接简单模拟而建立的一种通用随机搜索技术,具有较强的局部搜索能力,并能避免陷入局部最优解。正是由于这种优势的存在,人们成功地将该思想引入组合优化理论,近年来该算法引起了大规模优化设计、数值分析、复杂布局等领域广泛的重视。 城市化是当今发展中国家存在的一种普遍现象,它表现为新城镇的形成、旧城市的扩大和农业人口转变为非农业人口等,这样编制城市用地规划方案就成为规划师们经常需要面临的一项重要任务。怎样去产生城市用地规划方案和如何去评价并选择最好方案是他们要解决的具体问题之一。对于某个地区而言,可行的城市规划方案是很多的,我们一一找出这些方案是不可行的,也是不现实的。目前,规划师们常只能根据定性方法选取候选方案,选取的过程被称为是“黑箱”操作,结果是主观的、所得方案的数量是很少的。在实际中,或许存在更好的方案没有被发现,所以寻求有效的系统的方法是十分必要的、迫切的。 城市用地规划,也就是城市土地的空间布局(或空间配置)问题属于资源分配问题,具有组合挑战。目前解决这类问题的方法主要有两类:精确算法(Exact Algorithms)和启发式算法(Heuristic Algorithms)。精确算法包括线性规划、0~1整数规划等;启发式算法有遗传算法(Genetic Algorithm,GA)、模拟退火算法(Simulated Annealing,SA)、禁忌算法(Tabu Search)和人工神经网络(Artificial Neural Networks)等。这些算法大多属于进化算法,所以说,城市用地规划问题发展到今天,进化计算方法已经成为最重要的规划方法之一。 本文致力于研究将微粒群算法和协同进化算法、模拟退火算法相结合,建立一个基于模拟退火机制的多微粒群协同进化模型,并将其应用到城市土地空间布局中。本文的主要工作为: 1.提出了一个基于模拟退火的多微粒群协同进化算法。 传统的PSO算法简单且易于程序实现,具有良好的收敛性能,但也存在易陷入局部极值点,进化后期收敛慢,精度较差等缺点。为了克服这些缺点,本文将模拟退火思想和多微粒群协同进化思想有机地结合起来,提出基于模拟退火机制的多微粒群协同进化算法。仿真实例表明,该算法不仅能增强微粒群算法的全局收敛性,还能加快进化速度。 2.构造了一个城市土地规划的多目标适应度函数。 城市土地利用变迁是一个多变量、多目标、受多种因素影响制约的复杂过程。因此,土地利用优化是一个典型的多目标决策问题,以某一个单一目标作为其优化的方向,显然不合理。本文从土地功能协调性、土地比例协调性、各类城市用地在整体空间分布的协调等多个方面对城市的土地利用状况进行评价,据此分析土地利用结构分配模型,定义其目标函数。 3.求解城市土地利用的优化方案。 利用基于模拟退火的多微粒群协同进化算法对城市土地空间布局的目标函数进行优化,利用VC++.NET 2003在Windows XP平台上实验,生成了合理的布局方案,结果令人满意。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 王亮;卢晓东;程韫琳;张军;戈美净;;基于快速退火和PSO算法的港口交通信号控制方法[J];中国科技信息;2011年18期
2 陈劲;陈水利;;供应商优选与订货量分配的多目标微粒群算法[J];集美大学学报(自然科学版);2011年04期
3 陈晓翔;吴波;孙万彤;杨伟铭;;SeaWinds散射计风场反演中的图谱特征研究[J];热带地理;2011年04期
4 张沙清;陈新度;陈庆新;陈新;;基于优化资源流约束的模具多项目反应调度算法[J];系统工程理论与实践;2011年08期
5 范剑超;韩敏;;微粒群优化动态神经网络模型结构分析[J];控制理论与应用;2011年09期
6 张斌;马国锐;刘国英;秦前清;;一种结合Freeman分解和散射熵的MRF多极化SAR影像分割算法[J];武汉大学学报(信息科学版);2011年09期
7 栗雪娟;欧阳洁;李强;麦宏晏;;高聚物离散松弛时间谱计算的CMPSO方法[J];应用基础与工程科学学报;2011年04期
8 彭勇;唐国磊;薛志春;;基于改进人工鱼群算法的梯级水库群优化调度[J];系统工程理论与实践;2011年06期
9 ;[J];;年期
10 ;[J];;年期
11 ;[J];;年期
12 ;[J];;年期
13 ;[J];;年期
14 ;[J];;年期
15 ;[J];;年期
16 ;[J];;年期
17 ;[J];;年期
18 ;[J];;年期
19 ;[J];;年期
20 ;[J];;年期
中国重要会议论文全文数据库 前10条
1 崔志华;蔡星娟;曾建潮;孙国基;;基于预测速度的改进微粒群算法[A];第二十六届中国控制会议论文集[C];2007年
2 陈德旺;裴丽君;刘静;;基于模拟退火的交通诱导信息发布范围的算法研究[A];第二十九届中国控制会议论文集[C];2010年
3 忻获麟;沈宁;;“麦克斯韦热怪”:模拟退火新方案[A];科技、工程与经济社会协调发展——中国科协第五届青年学术年会论文集[C];2004年
4 裴振奎;刘健;华夏;;求解随机车辆路径规划问题的混合微粒群算法[A];2008通信理论与技术新进展——第十三届全国青年通信学术会议论文集(上)[C];2008年
5 洪兴楠;张潇林;王作鹏;吴丹策;;对模拟退火优化算法的改进[A];1997年全国微波会议论文集(下册)[C];1997年
6 黎建强;薜珏;张国庆;;一种基于模拟退火的仓库布局算法[A];系统工程与可持续发展战略——中国系统工程学会第十届年会论文集[C];1998年
7 蔡星娟;崔志华;曾建潮;谭瑛;;自适应PID控制微粒群算法[A];第二十六届中国控制会议论文集[C];2007年
8 王珩;张景瑞;;基于微粒群算法的航天器大角度姿态快速机动控制器参数优化设计[A];中国力学学会学术大会'2009论文摘要集[C];2009年
9 陈振兴;孙兴平;廖鸿志;;基于Boltzmann机和遗传算法的优化问题研究[A];西部开发与系统工程——中国系统工程学会第12届年会论文集[C];2002年
10 徐红兵;李焱骏;王厚军;;一种基于混沌神经网络的自动测试生成算法[A];第三次全国会员代表大会暨学术会议论文集[C];2002年
中国博士学位论文全文数据库 前10条
1 袁代林;改进的微粒群算法及其在结构拓扑优化中的应用[D];西南交通大学;2009年
2 崔志华;微粒群算法的性能分析与优化[D];西安交通大学;2008年
3 周鲜成;基于微粒群算法的数字图像处理方法研究[D];中南大学;2008年
4 薛明志;进化计算与小波分析若干问题研究[D];西安电子科技大学;2004年
5 李剑;微粒群算法及其在物流系统中的应用研究[D];华中科技大学;2008年
6 刘晓东;高温微粒红外辐射特性测量技术研究[D];哈尔滨工业大学;2008年
7 计明军;若干随机性全局优化算法的研究[D];大连理工大学;2004年
8 王俊年;微粒群算法及其在锌电解整流供电系统优化中的应用研究[D];中南大学;2006年
9 王英民;最优化技术及其在水声信号处理中的应用[D];西北工业大学;2002年
10 李明;智能优化排样技术研究[D];浙江大学;2006年
中国硕士学位论文全文数据库 前10条
1 李雪;基于模拟退火机制的微粒群算法在城市土地空间布局中的研究与应用[D];山东师范大学;2009年
2 张登科;基于微粒群算法的电力系统无功优化研究[D];中南大学;2007年
3 胡鹏;微粒群处理约束优化的研究[D];太原科技大学;2009年
4 吕洪光;基于微粒群算法的装配序列规划方法及其应用研究[D];电子科技大学;2010年
5 朱家静;基于遗传微粒群算法的组卷策略应用研究[D];大连海事大学;2011年
6 姚坤;多微粒群协同进化模型的研究及其在创新概念设计中的应用[D];山东师范大学;2007年
7 江维;微粒群算法理论研究及其在PID参数优化中的应用[D];武汉工程大学;2010年
8 魏欣;基于智能优化技术的创新概念设计研究与应用[D];山东师范大学;2010年
9 王晓敏;基于微粒群算法的关联规则挖掘方法及应用[D];山东师范大学;2010年
10 陈红洲;群体智能若干算法研究[D];哈尔滨工程大学;2004年
中国重要报纸全文数据库 前1条
1 记者 赵宇清;月球探测系统研究取得阶段性成果[N];黑龙江日报;2007年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978