發(fā)布時(shí)間：2020-11-18 23:50

　　 群體智能優(yōu)化算法屬于隨機(jī)優(yōu)化算法的一種,在復(fù)雜優(yōu)化問(wèn)題中有著良好的性能,因此受到眾多專家學(xué)者的關(guān)注。人工蜂群算法(Artificial Bee Colony algorithm,ABC算法)是一種新興的群體智能優(yōu)化算法,算法主要模擬自然界中蜂群覓食的行為機(jī)制來(lái)獲取問(wèn)題的最優(yōu)解,但是人工蜂群算法也存在一定的問(wèn)題,例如過(guò)早收斂、收斂速度慢、局部搜索能力差、精度低、算法的優(yōu)化效果對(duì)算法參數(shù)有一定的依賴性和理論分析深度不足等問(wèn)題。為提高ABC算法在處理函數(shù)優(yōu)化問(wèn)題的效率和精度,本文提出了一種提高搜索廣度的人工蜂群算法MHABC(Hybrid Artificial Bee Colony algorithm based on Mutation of inferior solutions),該算法引入了劣解突變和二項(xiàng)交叉操作兩種改進(jìn)策略。經(jīng)過(guò)多個(gè)標(biāo)準(zhǔn)測(cè)試函數(shù)的仿真實(shí)驗(yàn)表明,改進(jìn)算法具有更好的領(lǐng)域搜索能力,有效地提高了收斂速度和解的精度,并且在穩(wěn)定性方面也取得了不錯(cuò)的效果。土地利用變化問(wèn)題是關(guān)系到城市土地利用規(guī)劃,生態(tài)環(huán)境保護(hù)和可持續(xù)發(fā)展的重要問(wèn)題。土地利用變化直接反映著人類社會(huì)經(jīng)濟(jì)的發(fā)展,是我國(guó)環(huán)境變化和可持續(xù)發(fā)展的重要研究方向。土地利用變化預(yù)測(cè)不僅對(duì)土地利用格局有著重要的影響,還會(huì)對(duì)生態(tài)環(huán)境變化和社會(huì)經(jīng)濟(jì)發(fā)展產(chǎn)生深遠(yuǎn)影響。因此,本文基于改進(jìn)的人工蜂群算法,并利用基于元胞自動(dòng)機(jī)的數(shù)據(jù)區(qū)間模型,構(gòu)造了一種基于改進(jìn)人工蜂群算法的優(yōu)化預(yù)測(cè)算法,用來(lái)進(jìn)行土地利用變化的預(yù)測(cè)實(shí)驗(yàn),并以河南省鄧州市三期遙感數(shù)據(jù)為實(shí)驗(yàn)數(shù)據(jù)進(jìn)行了實(shí)例論證,驗(yàn)證了算法的有效性。綜上所述,本文引入了劣解突變和二項(xiàng)交叉操作兩種改進(jìn)策略對(duì)基本人工蜂群算法進(jìn)行了改進(jìn),并結(jié)合實(shí)現(xiàn)了基于改進(jìn)人工蜂群算法的優(yōu)化預(yù)測(cè)算法,實(shí)驗(yàn)論證部分選取了城市路網(wǎng)數(shù)據(jù)為訓(xùn)練對(duì)象,用于研究對(duì)城市土地利用類型變化的預(yù)測(cè)。在實(shí)例驗(yàn)證部分,獲取了河南省鄧州市2005年、2010年和2015年的3期遙感數(shù)據(jù),進(jìn)行了鄧州市城市動(dòng)態(tài)擴(kuò)張的模擬實(shí)驗(yàn),實(shí)驗(yàn)的結(jié)果很好地證明了算法的有效性。
【學(xué)位單位】：蘭州交通大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2018
【中圖分類】：TP18
【文章目錄】：
摘要
Abstract
1 緒論
    1.1 研究的背景和意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 人工蜂群算法研究
        1.2.2 土地利用問(wèn)題研究
    1.3 本文的主要工作和關(guān)鍵問(wèn)題
        1.3.1 研究目標(biāo)
        1.3.2 主要研究?jī)?nèi)容
        1.3.3 關(guān)鍵問(wèn)題
    1.4 文章結(jié)構(gòu)
2 基本人工蜂群算法
    2.1 人工蜂群算法起源
    2.2 人工蜂群算法基本模型
    2.3 人工蜂群算法基本流程
    2.4 人工蜂群算法的特點(diǎn)
    2.5 改進(jìn)的全局人工蜂群算法
    2.6 本章小結(jié)
3 基于劣值突變策略的混合人工蜂群算法（MHABC算法）
    3.1 劣值突變方法
    3.2 二項(xiàng)交叉操作
    3.3 基于劣解突變和二項(xiàng)交叉操作的混合人工蜂群算法
    3.4 人工蜂群算法改進(jìn)仿真實(shí)驗(yàn)與分析
        3.4.1 標(biāo)準(zhǔn)測(cè)試函數(shù)
        3.4.2 實(shí)驗(yàn)數(shù)據(jù)與分析
        3.4.3 收斂性分析
    3.5 與遺傳算法（GA）、粒子群算法（PSO）的結(jié)果比較
    3.6 本章小結(jié)
4 基于改進(jìn)人工蜂群算法的優(yōu)化預(yù)測(cè)算法的設(shè)計(jì)與實(shí)現(xiàn)
    4.1 ABC算法搜索策略分析
    4.2 ABC算法的參數(shù)設(shè)置
    4.3 MHABC優(yōu)化預(yù)測(cè)算法的設(shè)計(jì)
    4.4 MHABC優(yōu)化預(yù)測(cè)算法的優(yōu)化過(guò)程
        4.4.1 劣值突變策略與二項(xiàng)交叉操作策略的引入
        4.4.2 具體優(yōu)化過(guò)程
    4.5 MHABC優(yōu)化預(yù)測(cè)算法的具體實(shí)現(xiàn)步驟
    4.6 本章小結(jié)
5 實(shí)例驗(yàn)證
    5.1 實(shí)驗(yàn)地區(qū)的選擇
        5.1.1 實(shí)例地區(qū)的基本情況
        5.1.2 鄧州市路網(wǎng)數(shù)據(jù)
        5.1.3 鄧州市城市土地利用類型圖
    5.2 實(shí)驗(yàn)數(shù)據(jù)獲取和處理
    5.3 預(yù)測(cè)實(shí)驗(yàn)過(guò)程
    5.4 實(shí)驗(yàn)結(jié)果對(duì)比分析
        5.4.1 主觀對(duì)比分析
        5.4.2 客觀特征分析
        5.4.3 與PSO-CA模型的模擬結(jié)果對(duì)比
    5.5 本章小結(jié)
6 結(jié)論與展望
    6.1 主要工作與結(jié)論
    6.2 存在的不足
    6.3 下一步工作展望
參考文獻(xiàn)
致謝
攻讀學(xué)位期間的科研成果
附錄

【參考文獻(xiàn)】

相關(guān)期刊論文 前1條

1 胡中功;李靜;;群智能算法的研究進(jìn)展[J];自動(dòng)化技術(shù)與應(yīng)用;2008年02期

本文編號(hào)：2889386