改进的人工蜂群算法及其在城市土地利用预测中的应用
发布时间：2020-11-18 23:50
群体智能优化算法属于随机优化算法的一种,在复杂优化问题中有着良好的性能,因此受到众多专家学者的关注。人工蜂群算法(Artificial Bee Colony algorithm,ABC算法)是一种新兴的群体智能优化算法,算法主要模拟自然界中蜂群觅食的行为机制来获取问题的最优解,但是人工蜂群算法也存在一定的问题,例如过早收敛、收敛速度慢、局部搜索能力差、精度低、算法的优化效果对算法参数有一定的依赖性和理论分析深度不足等问题。为提高ABC算法在处理函数优化问题的效率和精度,本文提出了一种提高搜索广度的人工蜂群算法MHABC(Hybrid Artificial Bee Colony algorithm based on Mutation of inferior solutions),该算法引入了劣解突变和二项交叉操作两种改进策略。经过多个标准测试函数的仿真实验表明,改进算法具有更好的领域搜索能力,有效地提高了收敛速度和解的精度,并且在稳定性方面也取得了不错的效果。土地利用变化问题是关系到城市土地利用规划,生态环境保护和可持续发展的重要问题。土地利用变化直接反映着人类社会经济的发展,是我国环境变化和可持续发展的重要研究方向。土地利用变化预测不仅对土地利用格局有着重要的影响,还会对生态环境变化和社会经济发展产生深远影响。因此,本文基于改进的人工蜂群算法,并利用基于元胞自动机的数据区间模型,构造了一种基于改进人工蜂群算法的优化预测算法,用来进行土地利用变化的预测实验,并以河南省邓州市三期遥感数据为实验数据进行了实例论证,验证了算法的有效性。综上所述,本文引入了劣解突变和二项交叉操作两种改进策略对基本人工蜂群算法进行了改进,并结合实现了基于改进人工蜂群算法的优化预测算法,实验论证部分选取了城市路网数据为训练对象,用于研究对城市土地利用类型变化的预测。在实例验证部分,获取了河南省邓州市2005年、2010年和2015年的3期遥感数据,进行了邓州市城市动态扩张的模拟实验,实验的结果很好地证明了算法的有效性。
【学位单位】：兰州交通大学
【学位级别】：硕士
【学位年份】：2018
【中图分类】：TP18
【文章目录】：
摘要
Abstract
1 绪论
1.1 研究的背景和意义
1.2 国内外研究现状
1.2.1 人工蜂群算法研究
1.2.2 土地利用问题研究
1.3 本文的主要工作和关键问题
1.3.1 研究目标
1.3.2 主要研究内容
1.3.3 关键问题
1.4 文章结构
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 人工蜂群算法的特点
2.5 改进的全局人工蜂群算法
2.6 本章小结
3 基于劣值突变策略的混合人工蜂群算法（MHABC算法）
3.1 劣值突变方法
3.2 二项交叉操作
3.3 基于劣解突变和二项交叉操作的混合人工蜂群算法
3.4 人工蜂群算法改进仿真实验与分析
3.4.1 标准测试函数
3.4.2 实验数据与分析
3.4.3 收敛性分析
3.5 与遗传算法（GA）、粒子群算法（PSO）的结果比较
3.6 本章小结
4 基于改进人工蜂群算法的优化预测算法的设计与实现
4.1 ABC算法搜索策略分析
4.2 ABC算法的参数设置
4.3 MHABC优化预测算法的设计
4.4 MHABC优化预测算法的优化过程
4.4.1 劣值突变策略与二项交叉操作策略的引入
4.4.2 具体优化过程
4.5 MHABC优化预测算法的具体实现步骤
4.6 本章小结
5 实例验证
5.1 实验地区的选择
5.1.1 实例地区的基本情况
5.1.2 邓州市路网数据
5.1.3 邓州市城市土地利用类型图
5.2 实验数据获取和处理
5.3 预测实验过程
5.4 实验结果对比分析
5.4.1 主观对比分析
5.4.2 客观特征分析
5.4.3 与PSO-CA模型的模拟结果对比
5.5 本章小结
6 结论与展望
6.1 主要工作与结论
6.2 存在的不足
6.3 下一步工作展望
参考文献
致谢
攻读学位期间的科研成果
附录
【参考文献】
本文编号：2889386
【学位单位】：兰州交通大学
【学位级别】：硕士
【学位年份】：2018
【中图分类】：TP18
【文章目录】：
摘要
Abstract
1 绪论
1.1 研究的背景和意义
1.2 国内外研究现状
1.2.1 人工蜂群算法研究
1.2.2 土地利用问题研究
1.3 本文的主要工作和关键问题
1.3.1 研究目标
1.3.2 主要研究内容
1.3.3 关键问题
1.4 文章结构
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 人工蜂群算法的特点
2.5 改进的全局人工蜂群算法
2.6 本章小结
3 基于劣值突变策略的混合人工蜂群算法（MHABC算法）
3.1 劣值突变方法
3.2 二项交叉操作
3.3 基于劣解突变和二项交叉操作的混合人工蜂群算法
3.4 人工蜂群算法改进仿真实验与分析
3.4.1 标准测试函数
3.4.2 实验数据与分析
3.4.3 收敛性分析
3.5 与遗传算法（GA）、粒子群算法（PSO）的结果比较
3.6 本章小结
4 基于改进人工蜂群算法的优化预测算法的设计与实现
4.1 ABC算法搜索策略分析
4.2 ABC算法的参数设置
4.3 MHABC优化预测算法的设计
4.4 MHABC优化预测算法的优化过程
4.4.1 劣值突变策略与二项交叉操作策略的引入
4.4.2 具体优化过程
4.5 MHABC优化预测算法的具体实现步骤
4.6 本章小结
5 实例验证
5.1 实验地区的选择
5.1.1 实例地区的基本情况
5.1.2 邓州市路网数据
5.1.3 邓州市城市土地利用类型图
5.2 实验数据获取和处理
5.3 预测实验过程
5.4 实验结果对比分析
5.4.1 主观对比分析
5.4.2 客观特征分析
5.4.3 与PSO-CA模型的模拟结果对比
5.5 本章小结
6 结论与展望
6.1 主要工作与结论
6.2 存在的不足
6.3 下一步工作展望
参考文献
致谢
攻读学位期间的科研成果
附录
【参考文献】
相关期刊论文 前1条
1 胡中功;李静;;群智能算法的研究进展[J];自动化技术与应用;2008年02期
本文编号：2889386
本文链接：https://www.wllwen.com/kejilunwen/sousuoyinqinglunwen/2889386.html
