基于遗传算法的渔情预报hsi建模与智能优化-生态学报.pdfVIP

第 34 卷第 15 期 生 态 学 报 Vol.34,No.15 2014年8月 ACTA ECOLOGICA SINICA Aug.,2014 DOI:10.5846/ stxb201212171813 冯永玖,陈新军,杨晓明,高峰.基于遗传算法的渔情预报HSI建模与智能优化.生态学报,2014,34(15):4333鄄4346. 1,2,3 Feng Yongjiu ,Chen X J,Yang X M,Gao F.HSI modeling and intelligent optimization for fishing ground forecasts using a genetic algorithm.Acta Ecologica Sinica,2014,34(15):4333鄄4346. 基于遗传算法的渔情预报HSI建模与智能优化 1,2,3,4 1,2,3,4,* 1,2,3 1,2,3 冯永玖 ,陈新军 ,杨晓明 ,高摇 峰 (1. 上海海洋大学海洋科学学院,上海摇 201306;2. 大洋渔业资源可持续开发省部共建教育部重点实验室,上海摇 201306 3. 国家远洋渔业工程技术研究中心,上海摇 201306;4. 远洋渔业协同创新中心,上海摇 201306) 摘要:鱼类栖息地适宜性指数模型(HSI)基于鱼类分布与海洋环境之间存在的非线性关系而构建。 然而,海洋环境因子之间存 在着传统方法无法消除的相关性,导致获取的HSI参数较难准确表达环境因子与渔场之间的复杂关系。 基于遗传算法(GA), 自动消除海洋环境因子之间的相关性,构建了一种通用的鱼类 HSI建模与智能优化框架(GeneHSI)。 GeneHSI框架的核心是 HSI建模空间向遗传算法空间的映射以及GA适应度函数的构建。 该函数构建的思想是HSI预测的渔场概率与商业捕捞获取 的渔场概率之间的累计误差值达到最小化。 GeneHSI 由待解问题构建、GA初始化和GA优化策略3部分组成。 利用随机生成 的标准化海洋环境数据与渔场概率数据,验证了GeneHSI模型框架的有效性。 研究表明,GeneHSI能够有效优化HSI 的建模并 能自动获取HSI参数。 不同限制条件下,遗传算法获取的HSI具有较大的差异,其中一般优化策略下获取的HSI参数最差;不 等式、等式和上下界条件下,GeneHSI优化过程显著地更加合理,因此获取的HSI参数也更准确。 此外,100、1000、5000和10000 样本量下的优化建模表明,GeneHSI具有处理海量样本数据的能力。 关键词:渔情预报;栖息地适宜性指数;遗传算法;智能优化;模拟数据 HSI modeling and intelligent optimization for fishing ground forecasts using a genetic algorithm 1,2,3,4 1,2,3,4,* 1,2,3 1,2,3 FENG Yongjiu ,CHEN Xinjun ,YANG Xiaoming ,GAO Feng 1College of Marine Sciences,Shanghai Ocean University,Shanghai201306,China 2 The Key Laboratory of Sustainable Exploitation of Oceanic Fisheries Resources ( Shanghai Ocean University ), Ministry of Education, Shanghai 201306,China 3National Distant鄄water Fisheries Engineer