半变异函数球状模型2次套合结构优化算法.pdfVIP

2012年 4月 第10卷第2期 地 理 空 间 信 息 GEOSPATIAL INFORIMA FION Apr．，2012 Vo1．10，No．2 半变异函数球状模型2次套合结构优化算法 舒彦军，张立亭 (东华理工大学 测绘工程学院，江西 抚州 344000) ● 摘 要：为了精确描述适用于区域化变量理论的自然现象的空间随机性和结构性，运用遗传算法和模式搜索法对半变异函 数球状模型2次套合结构进行了优化，得到了较好的拟合精度。 关键词：球状模型；遗传算法；模式搜索；半变异函数；套合结构；地统计学 中图分类号：P628+．2 文献标志码：B 文章编号：1672—4623(2012)02—0061—03 半变异函数的获取，往往是在计算实验半变异函 数的基础上，选取某种半变异函数理论模型，并对实 验半变异函数值进行拟合，然后求解块金值 Co、偏基 台值 c和变程口，从而获得半变异函数。半变异函数理 论模型多为非线性模型 (如球状模型、指数模型和高 斯模型)，并且模型参数较多，对其进行拟合实质是多 参数非线性优化过程。虽然目前一些成熟方法譬如加 权 多项式回归法 “ 、加权线性规划法 。 和 目标规 划 法 可以成功优化，但是拟合精度并不十分理想 笔 者运用遗传算法对球状模型2次套合结构进行优化，在 得到近似最优参数值基础上，再把它作为模式搜索的 起始点继续进行优化研 究。 1 半变异函数 在地统计学中，半变异函数是研究在空间分布上 既有随机性又有结构性的自然现象的重要工具，定义 为区域化变量2 )在X、x+h处 (h为空间距 离)之差 的方差的一半，公式为： y(h)=J[)【z( )一：( + )】／2 (1) 1．1 实验半变异函数 半变异函数往往不能直接求取，需要借助实验半 变异函数，选取某种理论模型，并对实验半变异函数 值进行拟合，公式为： )， ( I 】 (2) 式中，Ⅳ ( )为滞后距 h对应的采样点对数 1．2 球状理论模型及其 2次套合结构 r(h)= ．， ：0 Co+Cc 3h 一 。 ， Co+C r(h1= ：’二 妻 3h) 一+≥) a。l a 3 ，1 、 ≤2～+c+c：‘) 以， ‘ 式中，c。是基台值；C 为1段偏基台值；C：为2段偏基 台值：a 、口：分别为它们的变程。 2 遗传算法 遗传算法的一般步骤是编码、产生初始群体、适 应度评价、选择、交叉、变异和迭代，使优秀个体逐 步逼近最优点。 2．1 目标函数 为了使理论半变异函数值与实验半变异函数值的 加权残差平方和最小，其 目标函数为： f m 2] rain{∑w( ( )一)，。(厅。)1} (4) 【i=1 J 式中， (柏、， f)分别为理论和实验半变异函数值： W(f)为基于滞后距 h倒数的权重。 2．2 编码 把一个问题的可行解从解空间转换到遗传算法所 能处理的搜索空间的方法，称之为编码。常用的编码 方式有二进制编码、格雷码编码、浮点数编码和符号 编码 。 2．3 适应度函数 度量个体适应度的函数称为适应度 函数 ，是根据 目标函数确定的用于区分群体中个体优劣的标准，是 算法演化过程的驱动力，也是进行自然选择的唯一依据。 2．4 选择 使用选择算子来对群体中的个体进行优胜劣汰操 收稿 日期 ：20lI-1o 11 项 目来源 ：尔华 工人学研究 创新琏金资助项 l|J (DYCAl10l9) ；江两省教 肯 科技匝点资助项 ¨ (GJJ10022)。 万方数据 · 62· 地理空间信息 第 1O卷第2期 作。适应度较高的个体被遗传到下一代群体中的概率 较大；适应度较低的个体被遗传到下一代群体中的概 率较小。常用的选择方法有随机均匀分布、剩余、均 匀、轮盘赌、锦标赛等。 2．5 交叉 2个相互配对的染色体按某种方式相互交换其部分 基因，从而形成 2个新个体。常用的交叉方法有离散 交叉、单点交叉、双点交叉、中间交叉、启发式交叉等。 2．6 变异 变异运算是指将个体染色体编码 串中的某些基因 座上的基因值用该基因座的其他等位基因来替换，从 而形成一个新的个体。常用的变异方法有均匀变异和 高斯变异。 3 模式搜索 模式搜索法 (PatemSearch)是一种解决最优化问 题的直接方法，在计算时不需要 目标函数的导数，寻 找一系列的点X。，X。， ?，这些点都越来越靠近最 优值点，当搜索进行到终止条件时则将最后一个点作 为本次搜索的解。 3．1 模式 模式是若干向量的一个集合，向量由算法来使用， 以确定在每次迭代时要搜索哪一点。例如，如果在某 优化问题中存在 5个独立变量，则缺省模式由下面的 向量组成： 11-[1 0 0 0 0]；V2=[0 l 0 0 0]；P3-[0 0 1 0 o1；