项目名称: 基于蜂群算法和多智能体的多目标空间位置优化搜索和并行计算研究

项目编号: No.41201397

项目类型: 青年科学基金项目

立项/批准年度: 2013

项目学科: 地理学

项目作者: 杨丽娜

作者单位: 中国科学院遥感与数字地球研究所

项目金额: 25万元

中文摘要: 空间位置优化决策是人类社会经常面临的一个复杂非结构化问题,多目标空间位置优化问题,因多个目标内容之间的不可公度性和矛盾性,更成为GIS实际应用难题。空间位置优化搜索是求解空间位置优化问题的关键技术,该技术的深入研究对增强GIS空间决策支持能力和优化社会资源等具有重要意义。诸多传统的GIS优化方法在多目标空间位置优化问题寻求最优解的过程中体现出较大的局限性。蜂群算法作为在全局寻优上有着突出表现的一类"年轻的"群智能算法,通过引入Pareto的快速非支配选择排序法,构建新型的Pareto-蜂群优化模型,能有效地解决海量GIS数据参与下的多目标空间位置优化决策问题。同时,引入多Agent智能模型,采用分布式部署策略,构建一种结合蜂群优化的群智能并行计算环境,从而大幅提升问题求解效率。该研究项目的实施能为进一步推进GIS深入应用于空间位置优化决策做出有益的探索,具有重要的科学意义和应用价值。

中文关键词: 蜂群算法;多智能体;空间位置优化;并行计算;

英文摘要: Optimal Decision of spatial location is a complex and non-structured problem that human society usually confronted. Multi-objective spatial location optimization, for its objective functions' incommensurate and conflicting essence, has become a difficult problem. Optimal search of spatial location is a key technique to solve spatial location optimization problem, and its further study has important influence on promoting the ability of GIS spatial decision supporting and society resource optimization. Many traditional GIS optimal approaches reach their limits while searching optimal solution in multi-objective spatial location problems. Bee Colony Algorithm(ABC) is a kind of new swarm intelligent algorithms that performs well in global optimization. By importing the method of Non-dominated sorting, a new Pareto-ABC intelligent model can be proposed, which can effectively solve multi-objective spatial location optimization problem with the participation of huge amount of GIS data. Meanwhile, by introducing multi-Agent intelligent model and adopting distributed deployment strategies, a parallel computing environment can be constructed with ABC, which can improve problem-solving efficiency significantly. This study will make a useful exploration in promoting the GIS application in optimal decision of spatial locati

英文关键词: Bee Colony Algorithm;Multi-Agent;Spatial Location Optimization;Parallel Computing;

成为VIP会员查看完整内容
3

相关内容

【NeurIPS 2021】基于次模优化的规则学习算法框架
专知会员服务
33+阅读 · 2021年11月30日
【CMU博士论文】通过记忆的元强化学习
专知会员服务
53+阅读 · 2021年10月16日
[计算博弈论及其应用],85页ppt
专知会员服务
125+阅读 · 2021年7月21日
专知会员服务
28+阅读 · 2021年6月7日
专知会员服务
57+阅读 · 2021年6月1日
基于深度学习的视频目标检测综述
专知会员服务
81+阅读 · 2021年5月19日
专知会员服务
51+阅读 · 2020年12月19日
专知会员服务
77+阅读 · 2020年12月6日
【NeurIPS 2020 】神经网络结构生成优化
专知会员服务
20+阅读 · 2020年10月24日
人机对抗智能技术
专知会员服务
201+阅读 · 2020年5月3日
基于多目标优化的推荐系统综述
机器学习与推荐算法
6+阅读 · 2021年12月27日
【博士论文】基于冲量的加速优化算法
专知
7+阅读 · 2021年11月29日
微信搜索招聘内容策略算法工程师!
夕小瑶的卖萌屋
0+阅读 · 2021年10月22日
目标跟踪算法分类
算法与数据结构
20+阅读 · 2018年9月28日
YOLO算法的原理与实现
机器学习研究会
43+阅读 · 2018年1月19日
关系推理:基于表示学习和语义要素
计算机研究与发展
18+阅读 · 2017年8月22日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2010年12月31日
国家自然科学基金
3+阅读 · 2009年12月31日
SkiQL: A Unified Schema Query Language
Arxiv
0+阅读 · 2022年4月19日
Arxiv
12+阅读 · 2021年5月3日
小贴士
相关VIP内容
【NeurIPS 2021】基于次模优化的规则学习算法框架
专知会员服务
33+阅读 · 2021年11月30日
【CMU博士论文】通过记忆的元强化学习
专知会员服务
53+阅读 · 2021年10月16日
[计算博弈论及其应用],85页ppt
专知会员服务
125+阅读 · 2021年7月21日
专知会员服务
28+阅读 · 2021年6月7日
专知会员服务
57+阅读 · 2021年6月1日
基于深度学习的视频目标检测综述
专知会员服务
81+阅读 · 2021年5月19日
专知会员服务
51+阅读 · 2020年12月19日
专知会员服务
77+阅读 · 2020年12月6日
【NeurIPS 2020 】神经网络结构生成优化
专知会员服务
20+阅读 · 2020年10月24日
人机对抗智能技术
专知会员服务
201+阅读 · 2020年5月3日
相关资讯
基于多目标优化的推荐系统综述
机器学习与推荐算法
6+阅读 · 2021年12月27日
【博士论文】基于冲量的加速优化算法
专知
7+阅读 · 2021年11月29日
微信搜索招聘内容策略算法工程师!
夕小瑶的卖萌屋
0+阅读 · 2021年10月22日
目标跟踪算法分类
算法与数据结构
20+阅读 · 2018年9月28日
YOLO算法的原理与实现
机器学习研究会
43+阅读 · 2018年1月19日
关系推理:基于表示学习和语义要素
计算机研究与发展
18+阅读 · 2017年8月22日
相关基金
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2010年12月31日
国家自然科学基金
3+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员