基于模拟退火算法的自动地图注记配置研究

本文将求解大规模组合优化问题最优解的一种新型算法模拟退火算法应用于地图注记的自动配置。该算法将地图各要素注记的配置作为一个统一的整体来对待,从而避免了一般局部搜索法可能终止于一个局部最优解的缺点,这样可使自动注记配置的结果更趋合理化。用模拟退火算法进行注记自动配置,理论体系完整,机理简单,通用性强,编程容易,而且与一般局部搜索法相比,超常规注记配置出现的数目大大降低,其缺点在于配置速度较慢     

深度优先搜索的地图着色算法

在分析地图着色本质以及深度优先搜索算法优缺点基础上,本文提出一种基于深度优先搜索的地图着色方法,并以全国地图和全国县级行政区划图对本文算法进行了实验验证,取得了较好的着色结果.     

基于模拟退火算法的自动地图注记配置研究

本文将求解大规模组合优化问题最优解的一种新型算法－模拟退火算法应用于地图注记的自动配置。该算法将地图各要素注记的配置作为一个统一的整体来对待,从而避免了一般局部搜索法可能终止于一个局部最优解的缺点,这样可使自动注记配置的结果更趋合理化。用模拟退火算法进行注记自动配置,理论体系完整,机理简单,通用性强,编程容易,而且与一般局部搜索法相比,超常规注记配置出现的数目大大降低,其缺点在于配置速度较慢。     

基于 MATLAB 的四色地图自动生成

基于MATLAB平台,借助shaperead函数读取通用的基础地理信息SHAPE文件,自动识别多边形的连通性,进而生成邻接矩阵,最后通过回溯算法对地图进行四色填充,为各种专题图的制作提供色彩鲜明的底图。     

基于MATLAB的四色地图自动生成

基于MATLAB平台,借助shaperead函数读取通用的基础地理信息SHAPE文件,自动识别多边形的连通性,进而生成邻接矩阵,最后通过回溯算法对地图进行四色填充,为各种专题图的制作提供色彩鲜明的底图。     

模拟退火算法及其在大地测量反演中的应用

本文针对大地测量反演解算中的非线性问题介绍了模拟退火算法的基本原理,结合算例详细讨论了Ｍｅｔｒｏｐｏｌｉｓ模拟退火算法的特点和在大地测量反演解算中的应用,分析比较了模拟退火算法和局部搜索算法在反演解算中各自的特点。     

行政区划图自动着色的混合遗传算法

结合贪心算法的局部搜索能力与遗传算法的全局搜索能力,研究了政区图四色着色问题的混合遗传算法,并在此基础上提出了一些改进措施。试验结果表明,这种混合遗传算法能有效地解决行政区划图自动着色问题,并取得了较好的结果。     

混合优化算法的点云配准

针对传统迭代最近点算法依赖于初始位置以及传统遗传优化算法搜索效率低的缺陷。提出了一种以遗传算法为基础融合模拟退火算法的GA-SA混合优化算法实现点云粗配准。其中简化了RMSE(作为适应度函数;再基于点到平面ICP实现精配准。实验结果表明：相较传统优化算法,本文GA-SA配准算法精度显著提高,配准效率提升20%以上,保证了ICP算法的精确配准,并对噪声和点云缺失具有一定鲁棒性。     

扫描细化算法的地图自动矢量化研究

栅格地图自动矢量化是地理信息采集的重要方式,但目前的主流自动矢量化软件的处理结果却不尽如人意,需要进行大量的后期编辑处理。本文根据栅格线体的形态特征设计了通过对栅格线体的序贯推扫获取待定像元,再从待定像元处进行截断扫描获取截断处的中心像元,最后再反连该中心像元及上一中心像元的扫描细化算法。该算法的细化结果受线体边缘条件的影响小、中心特征像元较少、细化精度较高。设计了针对于扫描细化算法计算结果中细化线体像元被分为了特征点与普通点的自动追踪矢量化算法,减少了坐标转换量的同时还使矢量线体结点较少、拟合光滑后更加趋于栅格线体中心、在交点处线体不相互打断,大大提高了自动矢量化及其后处理工作的效率。文章还分析了栅格区划图的自动矢量化及后处理方法。     

图着色的混合遗传算法研究

研究了一种结合贪心算法的混合遗传算法及其各种交叉算子,应用于平面图的四色着色问题。通过实验分析对比了该混合遗传算法的4种可行的交叉算子对该算法的影响,结果显示,边重组交叉算子效果最好。     

混和模拟退火-遗传算法在参数估计中的应用

在分析传统遗传算法和模拟退火算法各自优缺点的基础上,提出把模拟退火算法和传统遗传算法相结合的混和算法,有效避免了两种算法的不足之处,并将该混和模拟退火遗传算法用于非线性的参数估计中。     

基于改进遗传算法的多约束VRP求解

建立了多约束条件车辆路径问题的数学模型和求解流程.先采用最近插入法生成初始解,然后基于遗传算法和模拟退火算法改进初始解.实验结果表明:结合模拟退火与遗传算法求解车辆路径问题,可以在一定程度上解决遗传算法易"早熟收敛"问题,从而得到更优的解.     

时间窗约束车辆路径问题求解的遗传模拟退火算法

论文建立了时间窗约束车辆路径问题的数学模型,采用了插入法、遗传算法、模拟退火相结合的启发式方法求解时间窗约束的车辆路线问题。试验结果表明:模拟退火与遗传算法结合求解时间窗约束的物流配送车辆路径问题,可以在一定程度上解决遗传算法易"早熟收敛"问题,从而得到较高质量的解。     

单纯形--模拟退火混合算法及其在参数估计中的应用

在综合分析单纯形算法与模拟退火算法的优缺点的基础上,将单纯形算法与模拟退火算法相结合,提出了一种单纯形——模拟退火混合算法,有效地避免了原有两种算法的缺陷,提高了参数求解的质量,并用算例验证了其在参数估计中的应用。     

遗传算法在甲流SIR模型参数求解中的应用

论文以全国甲型H1N1流行性感冒（下简称甲流）疫情数据为实例,讨论了采用SIR模型对甲流的传播过程进行模拟时相关参数的求解问题。分别通过优化的遗传算法（Genetic Algorithm,GA）和模拟退火算法（Simula-ted Annealing Algorithm,SA）求得该非线性模型中的重要参数阈值（日治愈率与日传染率的比值）,并由该参数阈值计算出各月患病人数。论文比较分析了两种算法在精度和效率上的优劣,发现遗传算法优于模拟退火。同时模拟结果验证了SIR模型适合甲流疫情的分析模拟。     

模拟退火算法在室内定位中的应用

随着室内定位技术的广泛应用,如何高效、精准、低成本地实现室内定位尤为重要。本文分析了现有室内定位算法的不足,结合室内定位问题与模拟退火算法的特点,通过室内定位问题的数学抽象与建模,提出一种基于模拟退火算法的室内定位方法,给出了可行解邻域的选取方式与二范数的目标函数。实验结果表明该算法可实现高效、精准、低成本的定位效果,并且具有较好的鲁棒性和平差效果。     

BPSA混合策略在GPS高程拟合中的应用

针对误差反向传播(BP)算法训练速度慢和易于陷入局部最小值的缺点,利用BP算法监督学习特点,模拟退火算法(SA)在局部极小处的概率突变性,有效结合BP和SA算法,提出一种BPSA混合学习策略。将其应用于GPS高程拟合,并以实例验证了该算法的有效性。     

模拟退火算法在动态建立基准地价模型中的应用

阐述了传统基准地价评估模型建立流程将地价样本检验与模型建立分离的不足,引入了模拟退火算法思想,对目标函数、初始状态、新状态产生、新状态接受、初温、温度更新函数以及抽样准则、算法终止准则等关键问题进行设计,将地价样本检验、优化组合与模型建立有机结合,并设计了基于模拟退火算法的动态建立基准地价模型的流程,最后应用实例验证了方法的可行性。