论文部分内容阅读
空间决策是人类社会经常面临的一个复杂非结构化问题。空间信息技术因其在数据管理、信息提取、空间分析和可视化表达等方面的成熟应用,在一定程度上提高了决策水平,但远未达到智能空间决策支持的水平,不能为数字城市建设提供“智慧”层次的服务。本文选取公共设施选址决策这项典型的空间决策应用,结合群智能技术和GIS技术,进行了智能空间决策研究,以期为实际决策提供科学的智慧服务。
本文研究了基于GIS和群智能的公共设施多准则选址决策的关键技术,主要包括以下内容:
(1)归纳和整合形成一套离散域中排序中值选址模型库。在基于排序的中值选址模型框架的基础上,根据新建设施和现有设施之间的数量关系将选址决策分为三种情形并分别讨论;引入单一指派、最近指派、容量限制等约束条件和层次选址模型对离散中值选址模型进行改进,总结形成模型库。
(2)建立一套多准则设施选址决策的技术框架。充分利用GIS空间分析功能,研究基于地理网格的设施选址空间创建方法,并综合多属性决策(MADM)和多目标决策(MODM)的方法:TOSIS、AHP和全局准则法,构建形成一套完整的多准则设施选址流程。
(3)提出基于混合蚁群算法的多准则设施选址优化模型。引入蚁群优化等元启发式算法,对公共设施选址模型的求解方法进行分析,提出一套适合求解明确新建设施数量和不明确新建设施数量两类常见设施选址问题的混合蚁群双层模型,并在该模型的基础上,引入Pareto蚁群算法研究了多目标设施选址的优化问题。模型均基于Java平台得以实现。
(4)建立结合蚁群优化算法的多Agent选址决策系统。设计结合ACO的多Agent系统的层次结构,并研究关键Agent功能以及Agent之间的交互关系,基于Jade平台完成多Agent智能决策算法实现。
(5)以滨海新区汽车配送中心选址为例,实现了多准则选址情况下的空间决策,并对实验结果从算法效率和合理性两方面进行详细分析。