遗传算法及其在GOMS模型反演中的应用效果分析
几何光学交互遮蔽模型(GOMS)是一种重要的遥感前向模型,它较好解释了"热点”现象,具有较强的前向模拟能力.但由于其固有的非线性性,给反演带来困难.本文尝试采用近年来兴起的并行随机全局寻优算法-遗传算法对GOMS进行反演,并针对传统遗传算法的不足进行了改进.在使用相同先验知识的条件下, 将该算法与目前最有效的约束非线性最优化确定性搜索算法-逐步二次规划法对GOMS模型的反演效果进行了比较, 结果表明, 逐步二次规划法搜索效率较高, 但结果受初值的影响很大,初值选择不当,易收敛于局部最优解,而遗传算法具有全局最优的收敛效果, 但局部搜索效率较差.在某些对精度要求不高,而对搜索效率要求较高的场合,可以采用遗传算法与确定性搜索算法相结合的混合遗传算法, 以提高算法的搜索效率,获得较为满意的效果.
遗传算法、GOMS模型、反演、逐步二次规划
5
TP701(遥感技术)
国家攀登计划95-预-38
2004-01-08(万方平台首次上网日期,不代表论文的发表时间)
共7页
327-333