利用蚁群智能挖掘地理元胞自动机的转换规则

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

所属期刊栏目：37

分类号：P5(地质学)

资助基金：国家自然科学基金40525002;国家高技术研究发展计划863计划2006AA12Z206;国家自然科学基金40471105;高等学校博士学科点专项科研项目20040558023;面向21世纪教育振兴行动计划985计划105203200400006

在线出版日期：2007-10-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：824-834