基于蚁群算法的GIS数据拓扑空间关系描述

GIS作为一种描述和分析现实世界的工具,数据的拓扑空间关系是其重要的基础理论问题之一。过去对GIS拓扑空间关系的描述均是基于点集拓扑学的基本理论,描述点、线、面、体间的覆盖、相邻、相交和相离等关系。文章用点集拓扑学研究GIS数据的搜索空间和真值空间的度量空间性质,确认搜索空间与真值空间映射的连续性,用蚁群算法在搜索空间搜索GIS几何数据的真值近似值,以求出点、线、面、体的最优几何解。实验结果证明,基于蚁群算法描述GIS数据拓扑空间的关系克服了传统方法的局限性,更具有灵活性。     

基于TSP的蚁群算法研究

介绍蚁群算法的研究现状并对蚁群算法的逻辑结构进行分析,根据旅行商问题的描述,建立求解TSP的Ant Cycle蚁群算法模型,对该算法的步骤进行描述以及实现,对该算法复杂度进行分析研究,并对该算法的特点作以总结.     

空间规则的可视化解释

随着地理信息系统(GIS)软件的成熟,其空间信息分析、处理和展示能力日趋完善。利用空间数据挖掘等空间信息分析抽取手段进行空间规则发现并对这些规则进行规范化与形式化描述进而利用GIS进行可视化展现已成为一种趋势。本文研完了空间关联规则、分布规则、分类规则的形式化描述,并且给出了这些规则的可视化解释过程。     

蚁群算法硬件实现的研究进展

蚁群算法是优化领域中新出现的一种启发式仿生类智能进化算法,该算法采用分布式并行计算和正反馈机制．首先综述了蚁群算法及其硬件实现的研究进展,并讨论了蚁群算法硬件的主要特点;然后,着重介绍了基于现场可编程门阵列（FPGA）的蚁群算法硬件实现方案,简要阐述了蚁群算法在软硬件划分领域的应用进展;最后,展望了蚁群算法硬件实现领域未来的研究方向和内容．     

蚁群算法求解连续空间优化问题

借鉴蚁群算法的进化思想，提出一种求解连续空问优化问题的蚁群算法。该算法主要包括全局搜索、局部搜索和信息素强度更新规则。在全舄搜索过程中，利用信息素强度和启发式函数确定蚂蚁移动方向。在局部搜索过程中，嵌入了确定性搜索，以改善寻优性能，加快收敛速率。通过一个实例问题的求解表明了该算法的有效性。     

基于GIS的空间聚类算法研究

面对目前的聚类方法的局限性和空间聚类的特殊性,从基于目标函数聚类的概念出发,以GIS的空间数据管理和空间分析为技术支持,探讨了空间样本间直接可达距离、间接可达距离和可达成本的计算方法。随机选择k个样本作为聚类中心点,以空间样本到各聚类中心点的可达距离为样本划分依据,以空间样本到其聚类中心点的可达成本的总和为聚类目标函数,引入遗传算法,提出一种基于GIS的空间聚类算法。最后,通过实例进行了算法测试。     

决策支持系统与地理信息系统的集成化研究

通过村庄布局优化决策支持系统案例,着重讨论Ｔ ＧＩＳ与 ＤＳＳ的系统集成,介绍了实现 ＤＳＳ与 ＧＩＳ集成的技术,即ＧＩＳ采用独立开发的电子地图引擎,采用与ＤＳＳ相一致的数据管理工具,在较低的层面上实现统一的数据结构和规范的数据交互,从而实现地理信息库与数据库和模型库的有机链接,实现在地图上村庄信息的显示和查询,以及村庄合并搬迁后在地图上的动态变化,使用户的决策活动更直观方便。     

基于GIS的交巡警地理信息系统

智能化交通（ITS）是将采集到的各种道路交通及服务信息,经交通管理中心集中处理后,实时、准确、高效地发挥全方位作用,缓解交通拥挤、阻塞状况,从而使路网上的交通流运行于最佳状态,最大限度地提高路网的通行能力,改善整个道路交通系统的机动性和安全性.本文探讨了有助于交通智能化的交巡警地理信息系统的解决方案和实现方法,并对该系统的软硬件环境、体系结构、系统内容、主要功能等方面进行了详细说明.本系统具有较强的实用性,在交巡警管理中发挥了重要作用,有利于促进国民经济的发展.     

连续空间优化问题的自适应蚁群系统算法

蚁群算法是进化计算中一种新型优化算法,其基本算法用于求解排序类型的组合优化问题本文提出一种用于连续空间优化问题求解的蚁群算法,采用了新的基于目标函数值的启发式信息素分配算法,以及搜索过程中最优解的筛选方法.根据目标函数来自适应调整蚂蚁的路径搜索行为,从而保证算法快速找到全局最优解.一个多极值点的连续优化问题求解实例证明了该方法的有效性     

MATLAB辅助GIS空间分析建模实验设计与应用

根据地理信息系统GIS的特点和空间分析实验的特点,提出利用MATLAB软件进行GIS空间分析实验设计,并结合一个实例,给出了MATLAB空间分析建模实验应用的主要内容和方法。此实验设计应用有助于学生较快地理解GIS空间分析实验原理,学会利用MATLAB软件分析解决GIS地学实际问题。     

基于群体分类的自适应蚁群算法

针对基本蚁群算法在求解能力方面的不足,提出一种基于群体分类的自适应蚁群算法.该算法在智能蚁群的基础上引入随机蚁群以便扩大搜索空间,不同蚁群实行各自不同的搜索前进策略和信息更新机制,并可通过调节随机蚁群与智能蚁群的比例来控制收敛速度.多个旅行商问题的仿真实验证明,相比ACS、MMAX算法,该算法的求解能力得到了改进.     

基于蚁群算法的航线配船

通过对比航线配船问题与TSP问题的异同,成功将蚁群算法（ACA）用于航线配船,为求解大规模非线性整数规划问题提供了一条新的途径。     

一种遗传蚁群系统的研究

在遗传蚁群系统中,为减少蚂蚁构建路径的时间消耗,引入遗传操作,使得当前迭代中蚂蚁构建的路径部分来自于之前迭代获取的优秀巡回路径的遗传;同时为减少由遗传操作产生的算法停滞的影响、提高算法解的质量,对蚁群构建的路径施行2opt变异操作。通过旅行商问题测试算法性能,并与蚁群系统进行比较。实验表明,遗传蚁群系统搜索效率高,而且解的质量优于蚁群系统。     

基于RBD-tree的空间索引结构设计

在Ro-tree索引结构的基础上提出了一种新的变种RBD-tree索引结构。RBD-tree是一种基于节点密度的索引结构,以节点密度来衡量节点的性质,其核心思想是将密度相近的点组织在一起,实际上,这些密度相近的节点往往在物理上也是相近的,因此有效提高了查询效率,而且对索引结构的优化是独立于存储设备的。     

基于GIS房屋租赁系统的研究与实现

该文结合GIS领域的发展趋势,提出了基于GIS的房屋租赁系统以取代当前房屋租赁行业传统的手工作业或MIS系统,使房屋租赁的管理更方便、更有效。该文将GIS技术应用于房屋租赁管理领域,采用空间数据库格式来保存和处理在房屋租赁系统中涉及到的空间地理信息的数据,并把传统的房屋数据和空间地理数据有机地结合起来,在此基础上完成了一个基于GIS的房屋租赁管理系统的原型。     

求解可满足问题的改进的蚁群算法

可满足问题（SAT）是一个NP-hard问题,将SAT问题转换为无约束的离散优化（最小值）问题。并根据M Dorigo提出的蚁群算法,给出了一种求解SAT问题的新方法：改进的最大最小蚁群系统（MMAS-SAT）。在改进的算法中,给出了SAT问题的构造图,指出了启发式信息值的求法,对衰变系数进行了动态调整。测试问题的数值实验表明,采用MMAS-SAT的结果优于Gwsat、Walksat、Novelty等局部搜索算法,因此该算法是求解SAT问题的一种可行高效的算法。     

基于模拟退火算法的多道逆向蚁群算法

为克服现有蚁群算法运算过程中易出现停滞现象、收敛速度慢等缺点,提出了一种基于模拟退火策略的多道逆向蚁群算法。通过向原始蚁群中引入逆向蚂蚁,并结合模拟退火思想确定蚁群中逆向蚂蚁的数目,来提高算法全局寻优能力。在算法执行过程中一组蚂蚁分成几群并行运算,通过交换策略,有效地利用了当前最优解,提高了算法收敛速度。将该算法应用于旅行商问题的求解,仿真实验结果表明该算法的全局寻优能力和收敛速度都得到了很大改善。     

基于二元蚁群算法的多层前馈神经网络

提出了一种基于二元蚁群算法的多层前馈神经网络,同时为了避免二元蚁群算法陷入局部最优引入了拥挤交通组织策略。将二元蚁群算法和神经网络混合,可兼有神经网络广泛映射能力和二元蚁群算法快速全局收敛能力,通过在函数逼近实验表明取得了较好的结果。     

基于GIS的区域医疗卫生综合服务指数计算方法

针对传统方法采用区域内医疗机构数量、医疗机构等级及规模等指标进行区域内的医疗卫生服务水平评价,不能量化、科学地反映出区域内医疗卫生服务能力空间差异性的问题,提出一种能够量化区域内医疗卫生服务能力的方法,该方法基于地理信息系统( GIS)网格划分功能将研究区域划分为多个网格评价单元,并建立医疗卫生机构中心服务指数计算模型、医疗卫生服务指数衰减模型、医疗卫生综合服务指数计算模型,再根据模型算法计算出研究区域内各个评价单元的医疗卫生服务综合指数,最后通过该综合指数实现对研究区域内医疗卫生服务能力的量化。以上海市嘉定区为例,使用该计算方法计算嘉定区医疗卫生机构综合服务指数,量化评价嘉定区内不同区域的医疗卫生服务水平,研究结果表明该计算方法能够实现对区域医疗卫生服务能力空间差异性的量化评价。