利用蚁群智能挖掘地理元胞自动机的转换规则ViewTableofContents.PDFVIP

利利用用蚁蚁群群智智能能挖挖掘掘地地理理元元胞胞自自动动机机的的转转换换规规则则 刘小平, 黎夏, 叶嘉安, 何晋强 and 嘉 Citation: 中国科学D辑: 地球科学 37, 824 (2007); doi: 10.1360/zd2007-37-6-824 View online: htt :///doi/10.1360/zd2007-37-6-824 View Table of Contents: htt :/// ublisher/sc /journal/Sci Sin Terrae-D/37/6 Published by the 《中国科学》杂志社 Articles you may be interested in 知识发现及地理元胞自动机 Science in China Series D-Earth Sciences (in Chinese) 34, 865 (2004); 基于系统动力学模型和元胞自动机模型的土地利用情景模型研究 Science in China Series D-Earth Sciences (in Chinese) 35, 464 (2005); 122号初等元胞自动机的复杂性分析 Chinese Science Bulletin 45, 2007 (2000); 考虑人员行为的元胞自动机行人运动模型 Chinese Science Bulletin 48, 1143 (2003); 基于元胞自动机的火灾中人员逃生的模型 Chinese Science Bulletin 47, 896 (2002); 中国科学 D 辑:地球科学 2007 年 第37 卷 第6 期: 824~834 SCIENCE IN CHINA PRESS 利用蚁群智能挖掘地理元胞自动机的转换规则 ① ①* ② ① ① 刘小平 黎 夏 叶嘉安 何晋强 陶 嘉 (① 中山大学地理科学与规划学院, 广州 510275; ② 香港大学城市规划及环境管理研究中心, 香港) 摘要 提出了基于蚁群智能算法(Ant Colony Optimization, ACO) 的地理元胞自动机(ACO-CA). 元胞自动机(CA)具有模拟和预测复杂的地理现象演变过程的能力. CA 的核心是如何定义转换规 则, 但目前的方法所获取的转换规则大都是隐含的, 是通过数学公式来表达. 当研究区域较复杂 时, 确定 CA 的模型结构和参数有一定困难, 需要使用智能式的方法获取有效的转换规则. 提出 了一种基于蚁群智能来自动获取地理元胞自动机转换规则的新方法. 该方法所提取的转换规则 毋需通过数学公式来表达, 能更方便和准确地描述自然界中的复杂关系, 并且这些规则比数学公 式更容易让人理解. 将 ACO-CA 应用于广州市的城市模拟实验中, 取得了较好的结果. 并 与See5.0 决策树模型进行了对比研究, 对比实验结果表明: 蚁群智能算法在提取CA 转换规则时 比See5.0 模型更具有优势. 关键词 蚁群算法 元胞自动机 地理模拟 人工智能 元胞自动机(CA)是由Ulam在 20 世纪 40 年代提 了利用肉眼判断的方法来获取模型参数值. 该方法 出, 具有模拟复杂系统时空演化过程的能力. CA 的 受主观因素影响很大, 可靠程度有限, 当空间变量较 一个重要特点是复杂系统可以由一些简单的局部规 多时, 有非常多的参数值组合方案; Wu[9] 曾提出利用 则来产生. 它这种“ 自下而上” 的研究思路充分体现 层次分析法(AHP)来确定模型参数值, 后来, Wu[13]又 了复杂系统局部个体行为产生全局、有秩序模式的