利用生物地理学优化算法获取城市扩展元胞自动机模型参数

摘要：

提出了一种基于生物地理学优化算法寻找城市扩展元胞自动机(cellular automata,CA)模型最佳参数的方法.转换规则制定及相应权重参数获取是构建城市扩展CA的核心和难点.生物地理学优化算法(biogeography-based optimization,BBO)通过模拟生物物种在栖息地的分布、迁移和灭绝来求解优化问题.利用BBO算法自动获取城市扩展CA模型参数值,构建BBO-CA模型进行城市扩展模拟实验,并与粒子群算法(particle swarm optimization,PSO)、蚁群算法(ant colony optimization,ACO)、遗传算法(genetic algorithm,GA)及逻辑回归(logistic regression,LR)等方法相比较.结果表明,BBO算法具有较好的收敛性,可有效地快速自动寻找城市扩展CA模型最佳参数组合,获取的空间变量权重参数较为合理;BBO-CA模型明显提升了城市用地模拟精度,城市用地模拟精度为72.5％,相对PSO、ACO、GA、LR各算法分别提升了1.1％、1.2％、2.7％和4.0％,Kappa系数达到0.700,分别提升了0.015、0.016、0.034和0.046,且整体空间布局与实际情况更为接近,验证了应用BBO算法的可行性与优势.

关键词：生物地理学优化算法、城市扩展、元胞自动机、地理模拟

所属期刊栏目：42

分类号：P208;K901(一般性问题)

资助基金：The National Natural Science Foundation of China,No.41571384.国家自然科学基金41571384

在线出版日期：2017-09-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：1323-1329