發(fā)布時間：2020-11-18 23:50

　　 群體智能優(yōu)化算法屬于隨機優(yōu)化算法的一種,在復雜優(yōu)化問題中有著良好的性能,因此受到眾多專家學者的關注。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制來獲取問題的最優(yōu)解,但是人工蜂群算法也存在一定的問題,例如過早收斂、收斂速度慢、局部搜索能力差、精度低、算法的優(yōu)化效果對算法參數(shù)有一定的依賴性和理論分析深度不足等問題。為提高ABC算法在處理函數(shù)優(yōu)化問題的效率和精度,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交叉操作兩種改進策略。經(jīng)過多個標準測試函數(shù)的仿真實驗表明,改進算法具有更好的領域搜索能力,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的效果。土地利用變化問題是關系到城市土地利用規(guī)劃,生態(tài)環(huán)境保護和可持續(xù)發(fā)展的重要問題。土地利用變化直接反映著人類社會經(jīng)濟的發(fā)展,是我國環(huán)境變化和可持續(xù)發(fā)展的重要研究方向。土地利用變化預測不僅對土地利用格局有著重要的影響,還會對生態(tài)環(huán)境變化和社會經(jīng)濟發(fā)展產(chǎn)生深遠影響。因此,本文基于改進的人工蜂群算法,并利用基于元胞自動機的數(shù)據(jù)區(qū)間模型,構造了一種基于改進人工蜂群算法的優(yōu)化預測算法,用來進行土地利用變化的預測實驗,并以河南省鄧州市三期遙感數(shù)據(jù)為實驗數(shù)據(jù)進行了實例論證,驗證了算法的有效性。綜上所述,本文引入了劣解突變和二項交叉操作兩種改進策略對基本人工蜂群算法進行了改進,并結合實現(xiàn)了基于改進人工蜂群算法的優(yōu)化預測算法,實驗論證部分選取了城市路網(wǎng)數(shù)據(jù)為訓練對象,用于研究對城市土地利用類型變化的預測。在實例驗證部分,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),進行了鄧州市城市動態(tài)擴張的模擬實驗,實驗的結果很好地證明了算法的有效性。
【學位單位】：蘭州交通大學
【學位級別】：碩士
【學位年份】：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 土地利用問題研究
    1.3 本文的主要工作和關鍵問題
        1.3.1 研究目標
        1.3.2 主要研究內(nèi)容
        1.3.3 關鍵問題
    1.4 文章結構
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
    2.5 改進的全局人工蜂群算法
    2.6 本章小結
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 二項交叉操作
    3.3 基于劣解突變和二項交叉操作的混合人工蜂群算法
    3.4 人工蜂群算法改進仿真實驗與分析
        3.4.1 標準測試函數(shù)
        3.4.2 實驗數(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）的結果比較
    3.6 本章小結
4 基于改進人工蜂群算法的優(yōu)化預測算法的設計與實現(xiàn)
    4.1 ABC算法搜索策略分析
    4.2 ABC算法的參數(shù)設置
    4.3 MHABC優(yōu)化預測算法的設計
    4.4 MHABC優(yōu)化預測算法的優(yōu)化過程
        4.4.1 劣值突變策略與二項交叉操作策略的引入
        4.4.2 具體優(yōu)化過程
    4.5 MHABC優(yōu)化預測算法的具體實現(xiàn)步驟
    4.6 本章小結
5 實例驗證
    5.1 實驗地區(qū)的選擇
        5.1.1 實例地區(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 實驗數(shù)據(jù)獲取和處理
    5.3 預測實驗過程
    5.4 實驗結果對比分析
        5.4.1 主觀對比分析
        5.4.2 客觀特征分析
        5.4.3 與PSO-CA模型的模擬結果對比
    5.5 本章小結
6 結論與展望
    6.1 主要工作與結論
    6.2 存在的不足
    6.3 下一步工作展望
參考文獻
致謝
攻讀學位期間的科研成果
附錄

【參考文獻】

相關期刊論文 前1條

1 胡中功;李靜;;群智能算法的研究進展[J];自動化技術與應用;2008年02期

本文編號：2889386