基于改进微粒群算法的耕地破碎化热点研究

发布时间：2017-11-03 22:01

  本文关键词：基于改进微粒群算法的耕地破碎化热点研究

  更多相关文章： 微粒群算法 热点 耕地破碎化 GIS技术 百色市

【摘要】：耕地破碎化的存在影响着农民的生产生活,以及农业生产的发展,其热点地区更是存在多种负面影响。为了深入研究耕地破碎化热点的空间分布情况,本文通过对各方面热点研究的相关文献的阅读,总结其理论方法,研究热点分析原理;掌握群体智能算法的运行机理,对微粒群算法的基本理论及各种改进方法仔细研读,挖掘该算法与热点研究的关联性,找到适用于热点研究的改进因子;确定了耕地破碎化的评价方法,选取了适于判断耕地破碎程度的因子进行分析。最终运用改进后的微粒群算法对耕地破碎化进行热点探测。本文研究的主要内容有:(1)本文在研究耕地破碎化热点理论的基础上,利用群体智能算法进行热点探测,研究算法原理和确定模型。(2)确定耕地破碎化评价方法,从景观生态学角度出发,建立耕地破碎化评价因子,选择斑块密度、边界密度、平均面积、面积加权形状指数、面积加权分维数五个因子对耕地破碎化现状进行综合分析。(3)引入微粒群算法进行耕地破碎化热点探寻,在微粒群算法中针对热点问题的特性并结合算法自身的特点,根据算法运行前后所侧重参考对象的不同加入了两个权重因子,动态的改变惯性权重,并引入扰动因子来平衡全局。建立热点研究的目标函数,通过适应度函数值大小的判断来更新算法中粒子的速度和位置,最终通过粒子的聚集程度判断耕地破碎化热点。(4)选取百色市为研究区域,利用GIS技术对所需研究数据进行获取和处理,并对耕地破碎化评价因子进行空间相关分析,构建空间矢量数据库,用改进的微粒群算法分析2001年和2013年百色市耕地破碎化热点,并对热点结果加以分析。(5)对改进的微粒群算法与标准微粒群算法进行精度的对比、性能的分析,发现改进后的算法运行效率更高,结果评定更好,同时也证明了改进后的微粒群算法可以很好的运用到热点研究中。综上,将两个动态惯性权重因子和扰动因子引入到微粒群算法中,建立改进机制,模拟热点探测过程,通过Arc GIS与Matlab技术搭建平台,构建模型,编写算法,最终利用这种智能的群体优化算法实现了耕地破碎化热点的研究。
【学位授予单位】：广西师范学院
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：F323.211

【相似文献】

中国期刊全文数据库 前2条

1 张虹;葛家麒;董继学;;基于微粒群算法的大庆农牧优化配置的研究[J];农机化研究;2007年07期

2 ;[J];;年期

中国重要会议论文全文数据库 前10条

1 乔立岩;杨莘元;赵春晖;;改进的离散二进制微粒群算法[A];2009中国仪器仪表与测控技术大会论文集[C];2009年

2 王元元;曾建潮;谭瑛;;基于环形结构带缓存器模型的并行微粒群算法[A];2006年全国开放式分布与并行计算学术会议论文集（一）[C];2006年

3 张昕;彭宏;郑启伦;;基于微粒群算法的聚类分析[A];2006年全国开放式分布与并行计算学术会议论文集（一）[C];2006年

4 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

5 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

6 王俊年;申群太;沈洪远;周鲜成;;一种改进的小生境微粒群算法[A];第16届中国过程控制学术年会暨第4届全国故障诊断与安全性学术会议论文集[C];2005年

7 易平;蔡保佩;;基于微粒群算法的平面刚架及组合结构的优化[A];中国力学大会——2013论文摘要集[C];2013年

8 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

9 王元元;曾建潮;谭瑛;;基于并行计算模型的并行微粒群算法的性能分析[A];2007年全国开放式分布与并行计算机学术会议论文集(上册)[C];2007年

10 张桐;王亚慧;叶安丽;王健;;基于微粒群算法与最小二乘法的在线辨识策略研究[A];中国电子学会第十五届信息论学术年会暨第一届全国网络编码学术年会论文集（下册）[C];2008年

中国博士学位论文全文数据库 前9条

1 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

2 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

3 郑向伟;求解优化问题的微粒群算法及其应用研究[D];山东师范大学;2008年

4 仇晨晔;多目标微粒群算法研究及其在交通事故分析中的应用[D];北京邮电大学;2013年

5 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

6 李军军;微粒群算法及其在电力系统中的应用研究[D];上海海事大学;2008年

7 莫思敏;基于群体交互自组织种群结构的扩展微粒群算法研究[D];兰州理工大学;2012年

8 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

9 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

中国硕士学位论文全文数据库 前10条

1 褚永芳;信息交互与处理微粒群算法[D];太原科技大学;2009年

2 秦秋燕;基于动物觅食原理的改进微粒群算法研究[D];太原科技大学;2010年

3 吴雨佳;基于微粒群算法的夹具装配序列规划方法研究[D];西安工业大学;2015年

4 钟典;基于变异微粒群算法的城镇土地扩展模拟研究[D];湖南师范大学;2015年

5 王海亭;Pool-based分布式微粒群算法研究[D];太原科技大学;2015年

6 刘玉丁;基于改进微粒群算法的建设项目多目标动态优化研究[D];河北工程大学;2016年

7 檀雪云;动态拓扑两阶段微粒群算法及多态系统可靠性优化[D];燕山大学;2016年

8 韦栩;基于膜系统的微粒群优化算法研究及应用[D];山东师范大学;2016年

9 彭艳华;基于改进微粒群算法的耕地破碎化热点研究[D];广西师范学院;2016年

10 王巍;微粒群算法的研究与应用[D];江南大学;2008年

，

本文编号：1138051