基于粒子群算法的移民新村空间优化模型,本论文为免费优秀的关于移民论文范文资料，可用于相关论文写作参考。
移民论文参考文献：
摘 要： 移民新村空间优化是一种多目标、多维度以及多约束条件的空间优化问题,构造了基于粒子群算法的移民新村空间优化模型.根据粒子群算法原理提出空间优化策略,用最大土地资源面积和预计土地使用年限表示模型中个体粒子点和全局粒子点的定位数据,设定模型参数.模型将移民新村土地资源块状区域划分成7块,通过不断调整粒子点的运动速率,获得个体最优和全局最优的速度和定位数据组成分布规律,依次对应到块状区域内构造虚拟空间规划方案.实验结果显示,该模型提出的优化策略成本低,土地利用率高.
关键词： 粒子群算法； 移民新村； 空间优化； 模型
中图分类号： TN911.1?34； TU982.29 文献标识码： A 文章编号： 1004?373X（2017）15?0108?04
Abstract： Since the space optimization of new immigration countryside is a space optimization problem with the multi?objective, multi?dimensional and multi?constraint conditions, therefore, a particle swarm optimization algorithm based space optimization model of the new immigration countryside was constructed. The space optimization scheme is put forward according to the principle of particle swarm algorithm. The biggest land resource area and expected land use age limit are used to represent the positioning data of the individual particle point and global particle point in the model, and set the model parameters. The block area of the land resource of the new immigration countryside is divided into seven blocks. The movement rate of the particle point is adjusted continuously to acquire the speed of the individual optimization and global optimization and the positioning data to compose the distribution rule, and construct the planning scheme of the virtual space according to the corresponding block area. The experimental results show that the optimization scheme has low cost, and high land utilization rate.
Keywords： particle swarm optimization algorithm； new immigration countryside； space optimization； model
0 引 言
“十一五”以来,我国开始大力重视社会主义新农村的建设问题.随着人口增加和工农业经济进步,人口与居住配套设施空间分布不均,生态平衡遭到破坏,移民新村土地资源供不应求.由于缺少高度匹配的空间优化措施,耕地面积与居住面积浪费严重,移民新村空间问题愈发严重,已经阻碍到新农村建设进度.我国极度需要进行移民新村空间优化研究,以增进土地资源与人口、经济间的应用平衡,实现可持续发展战略目标.
移民新村空间优化不单单要对空间土地面积开展合理分配,还要密切跟随空间属性、约束空间规律进行宏观调控,是一种结合了多目标、多维度以及多约束条件的空间优化问题,构造数学模型成为解决问题的核心[1].然而,曾经构造的线性优化、动态优化、模糊优化等模型大多只重视对移民新村空间结构的优化,真正落实到空间上就成为“纸上谈兵”.因此,将空间的质与量结合起来研究,构造基于粒子群算法的移民新村空间优化模型.
1 粒子群算法的移民新村空间优化模型
1.1 粒子群算法
粒子群算法是一种典型的生物进化算法,它将个体当成体积与质量都为零的无形状粒子点,用进化过程表达个体发展规律,通过不断调整粒子点的运动速率,获得个体最优的速度和定位数据[2].假设是粒子点的定位数据,在维空间中可表示为：
式中：为维空间层次；为粒子点惯性权值；和均为粒子点加速因子,分别用以控制个体速度和全局速度[3]；表示两个交集为空集的速度干扰因子.
约束速度大小能够有效控制粒子点运动空間不偏离个体发展空间,如果个体发展空间定位范围为设为发展系数 [4],那么,的约束值为：
1.2 粒子群算法的移民新村空间优化模型
1.2.1 模型构造
随机将粒子点布置在移民新村空间,研究移民新村空间的最大土地资源面积和预计土地使用年限,分别在粒子群算法中表示为个体粒子点和全局粒子群的初始最优定位数据粒子群算法优化移民新村空间的基本策略是划分移民新村土地资源块状区域,每块区域代表一个粒子点,将粒子点的分布规律对应到空间目标区域中,构造虚拟空间规划方案.
结论：适合移民论文写作的大学硕士及相关本科毕业论文，相关移民开题报告范文和学术职称论文参考文献下载。
基于杂交粒子群算法的基础工程可靠性分析
摘 要：由基礎工程可靠度计算往往呈高度非线性，传统优化方法不能很好地解决该问题。为了提高粒子群算法的全局搜索能力，本文借鉴遗传算法中的杂交操作，。
改进协同粒子群算法求解流水车间调度问题
摘 要：针对协同粒子群算法容易早熟和停滞的问题，提出了一种基于精英综合学习的协同粒子群（ECLCPSO）算法。该算法在协同粒子群算法的基础上，采。
基于粒子群算法汽车租赁短期车辆配置问题
摘要：合理的车辆配置与调度是租车公司运营管理考虑的主要问题之一，也是提高租车公司的租车率和收益的有效途径。针对目前我国租车公司普遍缺乏历史数据、。
求解旅行商问题一种改进粒子群算法
摘要：本文研究了求解旅行商问题的粒子群算法。针对标准粒子群算法在求解旅行商问题过程中容易出现早熟和停滞现象的缺点，提出了一种改进的粒子群算法。首。