[发明专利]一种基于蜂群智能的地理元胞自动机转换规则获取方法

说明书

技术领域

本发明属于计算机仿真模拟领域，特别涉及一种地理元胞自动机获取方法。

背景技术

转换规则是元胞自动机模型的核心，它是模拟过程逻辑关系的表达，决定了模拟的结果。目前，关于转换规则的获取已有大量的研究成果，但是都具有一定的局限性。Clarke等提出的利用肉眼判断来获取模型参数值的方法受主观因素影响很大，且可靠程度有限；利用层次分析法(AHP)确定模型参数值和使用线性logistic回归的方法提取转换规则，简单实用，但是用线性的方法提取复杂的地理现象规律，显得过于简单，难以准确的模拟复杂的地理过程；利用神经网络训练的方法自动获取转换规则，但是神经网络存在的局部最小值和收敛速度慢等问题，属于黑箱结构，难以进行优化改进；随后，黎夏等又提出了利用See5.0决策树的方法来获取CA的参数值，此方法容易陷入局部最优；刘小平和黎夏提出了利用核学习机在高维特征空间中提取CA非线性转换规则的方法，该方法也存在转换规则物理意义不清晰和运行量大的问题。此外，当研究区域较为复杂时，上述方法在模型结构和参数确定时具有一定的困难。针对此问题，刘小平和黎夏等提出人工蚁群智能算法和PSO算法，PSO算法能够较好的求解连续优化问题，但在面临复杂多峰优化问题时，搜索的精度不高，而蚁群算法较好的解决组合优化问题，但是对连续型优化问题的求解能力较弱，并存在初期收敛速度慢，信息素更新能力有限等问题。

发明内容

为了解决传统元胞自动机转换规则获取方法存在的物理意义不清晰、模型结构及参数难以确定的问题，克服已有的群体智能收敛速度慢，容易陷入局部最优的缺点。本发明的目的是提供一种地理元胞自动机转换规则的获取方法，该方法以蜂群智能挖掘算法为核心，以地理元胞自动机转换规则的获取为目的，利用蜂群智能搜索方式，在多维属性空间中进行规则搜索，挖掘地理元胞自动机转换规则，生成地理元胞自动机的转换规则文档。

本发明解决其技术问题所采用的技术方案是：

一种基于蜂群智能的地理元胞自动机转换规则获取方法，包括以下过程：

(1)随机构造初始规则，其构造方式为：在各个属性项节点随机确定条件值并与一个元胞状态值构成一条转换规则，转换规则即是蜜蜂个体的所对应的蜜源位置；

(2)利用蜂群智能算法优化初始规则，搜索更优的条件值；

(3)蜂群进化过程更新：每一个体利用贪婪算子在更新后的规则和更新前规则之间选择有效性更高的规则作为新的位置；

(4)到达终止条件时，选择最高有效性的规则进行修剪并添加到规则集，并移除训练数据中符合此规则的样例；

(5)判断剩余样例数覆盖度是否达到阈值；如果达到阈值，则终止对当前类型的规则挖掘，为下一转换类型挖掘规则；如果没有达到阈值，则执行步骤(1)-(4)进行下一条规则挖掘。

所述步骤(1)中属性项节点的条件值确定方式为：连续性属性节点和离散型属性节点都随机在属性区间内选取两个值作为上界和下界构成一个区间作为条件项。初始规则的形式化表达为：IF<条件1>And<条件2>……And<条件n>Then元胞状态，其有效性通过基尼指数进行评价。

所述步骤(5)中的样例是由属性项取值构成的特征向量和状态值组成。所述步骤(4)中的规则是指：样本每个属性值都符合规则中的条件项，同时样例的状态值等于规则中的状态值。

本发明是一种基于蜂群智能的元胞自动机转换规则挖掘方法，通过模拟蜜蜂群搜索最优蜜源的方式，挖掘元胞自动机转换规则，输出转换规则描述文档。可用于解决符合本发明要求的任何元胞自动机规则获取问题。

附图说明

图1为本发明一种基于蜂群智能的元胞自动机转换规则挖掘方法的基本流程。

图2为采用蜂群智能挖掘算法进行规则挖掘的实施实例具体步骤。

图3为蜂群智能算法集成工具界面。

具体实施方式

下面对本发明实例中的技术方案进行清楚、完整的描述。显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明一种基于蜂群智能地理元胞自动机转换规则挖掘方法，如图1所示，包括以下步骤：

(1)从两个时期的地理数据中获取地理现象的变化类型；

(2)根据变化的类型才用分成随机抽样的方式获取训练样本和测试样本；

(3)对每一个变化类型按照如下过程进行规则挖掘：