论文部分内容阅读
空间优化选址问题是关系到政府决策和社会和谐的重大问题，如何进行有效选址成为空间决策的一个重要方向。空间优化选址问题由来已久，早期通过数值优化算法等进行求解，但是往往模型简单、求解规模很小，但是实际的空间决策问题涉及大量地理高维数据、关系复杂，约束条件很多，目标函数不唯一，这样的NP问题求解需要构建更加复杂的模型进行求解。 仿生智能优化算法在近年来得到很大的发展。智能优化算法模拟自然界生物生态系统的进化规律，通过各种不同的操作算子实现信息共享和交换，可以有效地避免传统算法极易陷入局部极值、适用性差等缺点。建立智能优化算法的相关模型，可以有效解决实际应用中的复杂问题。目前，智能进化算法已经在各方面均取得了有效应用，如优化计算、自动控制、图像处理等领域。 近年来，也有各种智能优化算法被引入到空间决策问题，如遗传算法、蚁群算法等，在提高计算能力的同时也表现出较好的性能。生物地理优化算法作为新兴的智能优化算法之一，各领域的学术研究和实际应用中都有很好的表现，但是其一般面向单目标优化问题。本文通过构造面向多目标函数的生物地理优化算法，可以为空间优化选址问题提供很好的解决方案。 本文利用生物地理优化算法，研究大中城市公共设施的选址应用。首先通过专家决策算法定性表达各个影响要素，利用粗集理论组合要素使得各要素效率最大化，形成综合效率评价因子。然后考虑多方利益关系，综合效益与公平原则，设定多个目标函数对选址结果进行约束。再利用解的Pareto支配性将解集进行分层，利用解的分层设置迁移率，构建面向多目标的生物地理优化算法。并进一步融合相关的空间结构信息，逐步逼近优化解集的Pareto前沿，同时保证算法的收敛性、鲁棒性及可扩展性。最后通过将S-CBBO算法与其他两种性能突出的经典算法NSGA-Ⅱ、PESA-Ⅱ进行对比实验，发现S-CBBO的算法性能整体优于其他两种算法，同时将空间结构信息的引入也提高了算法的优化能力。