基于自然选择蚁群算法的元胞自动机河床演变预测方法
【技术领域】
[0001] 本发明属于智能算法技术领域，涉及基于自然选择蚁群算法的元胞自动机河床演 变预测方法。
【背景技术】
[0002] 现有的算法对于河床演变预测，方法复杂，且预测准确率低。
[0003] 河床演变是河道水流与河床相互作用且不断发生时空变化的结果，河床演变受到 诸多因素影响，影响河床演变的因素复杂多变，加上它们相互作用，使河床演变问题异常复 杂，规律难寻。河床演变预测是河床演变分析的重要内容之一，怎样用科学合适的方法来研 宄河床演变预测是该领域研宄的热点。目前的河床演变预测方法复杂，并且预测结果不准 确。传统河床演变预测方法的缺点是工作效率较低、模型较复杂等。
[0004] 目前已存在用蚁群算法挖掘元胞自动机的应用案例，但还没有基于自然选择策略 的蚁群算法挖掘元胞自动机演变预测的应用案例。
【发明内容】
[0005] 本发明的目的在于提供基于自然选择蚁群算法的元胞自动机河床演变预测方法， 解决了目前的河床演变预测方法复杂、工作效率低的问题。
[0006] 元胞自动机能的关键是如何定义转换规则，但目前所提取的转换规则大都是隐含 的，是通过数学公式来表达，如何确定公式中的参数较为困难。改进的蚁群算法用来提取元 胞自动机转换规则是非常适合的，其所提取的转换规则不需要通过数学公式来表达，能方 便和准确地描述河床演变中的复杂关系。
[0007] 本发明所采用的技术方案是按照以下步骤进行：
[0008] 步骤一：获取数据和构建相应的数据库，数据库包括河床演变的属性数据和地理 空间数据；
[0009] 步骤二：构建河床演变预测模型，对河床演变进行预测与分析，最后输出预测结 果；
[0010] 其中，河床演变预测模型首先构建蚁群算法，用自然选择策略来优化蚁群算法，用 优化的蚁群算法构建元胞自动机算法模型，将构建的模型应用到河床演变预之中。
[0011] 进一步，所述步骤二中构建蚁群算法：
[0012] 步骤502参数初始化；
[0013] 步骤503循环次数为Nc，Nc = N C+1 ;
[0014] 步骤504蚁群的禁忌表索引号k = I ;
[0015] 在这里为每只蚂蚁建立一个禁忌表tabuk(k = 1，2，…，m)，将第k只蚂蚁访问 过的位置放入禁忌表中，禁忌表不是固定不变的，随着第k只蚂蚁的运动进行动态调整，和 allowedk对应的禁忌表tabu k，该表记录了蚂蚁k已走过的路径；
[0016] 步骤505蚂蚁数目为k，k = k+Ι ;
[0017] 步骤506蚂蚁个体根据状态转移公式计算的概率选择元素；
[0018] 步骤507修改禁忌表指针，即选择好之后蚂蚁移动到新的元素，并把该元素移动 到蚂蚁个体的禁忌表中；
[0019] 步骤507a若集中元素未遍历完，即k〈蚂蚁总数m，则跳转到步骤504,否则执行步 骤 508 ;
[0020] 步骤508根据蚁群算法公式更新每条路径上的信息量；
[0021] 步骤508a若满足结束条件，即循环次数满足条件，则输出程序计算结果，否则清 空禁忌表并跳转到步骤502 ;
[0022] 步骤509输出程序计算结果；
[0023] 步骤5010结束。
[0024] 进一步，所述步骤二中自然选择策略优化蚁群算法：
[0025] 步骤601初始信息素分布规则；
[0026] 信息素的初始分布矩阵公式如下所示：
[0027]
【主权项】
1. 基于自然选择蚁群算法的元胞自动机河床演变预测方法，其特征在于：按照以下步 骤进行： 步骤一：获取数据和构建相应的数据库，数据库包括河床演变的属性数据和地理空间 数据； 步骤二：构建河床演变预测模型，对河床演变进行预测与分析，最后输出预测结果； 其中，河床演变预测模型首先构建蚁群算法，用自然选择策略来优化蚁群算法，用优化 的蚁群算法构建元胞自动机算法模型，将构建的模型应用到河床演变预之中。
2. 按照权利要求1所述基于自然选择蚁群算法的元胞自动机河床演变预测方法，其特 征在于：所述步骤二中构建蚁群算法： 步骤502参数初始化； 步骤503循环次数为N。，Nc= N。+1 ; 步骤504蚁群的禁忌表索引号k = 1 ; 在这里为每只蚂蚁建立一个禁忌表tabuk(k = 1，2, ···，!!!)，将第k只蚂蚁访问过的位置 放入禁忌表中，禁忌表不是固定不变的，随着第k只蚂蚁的运动进行动态调整，和all〇wedk 对应的禁忌表tabuk，该表记录了蚂蚁k已走过的路径； 步骤505蚂蚁数目为k，k = k+Ι ; 步骤506蚂蚁个体根据状态转移公式计算的概率选择元素； 步骤507修改禁忌表指针，即选择好之后蚂蚁移动到新的元素，并把该元素移动到蚂 蚁个体的禁忌表中； 步骤507a若集中元素未遍历完，即k〈蚂蚁总数m，则跳转到步骤504,否则执行步骤 508 ； 步骤508根据蚁群算法公式更新每条路径上的信息量； 步骤508a若满足结束条件，即循环次数满足条件，则输出程序计算结果，否则清空禁 忌表并跳转到步骤502 ; 步骤509输出程序计算结果； 步骤5010结束。
3. 按照权利要求1所述基于自然选择蚁群算法的元胞自动机河床演变预测方法，其特 征在于：所述步骤二中自然选择策略优化蚁群算法： 步骤601初始信息素分布规则； 信息素的初始分布矩阵公式如下所示：
公式中，τ JO)为信息素的初始分布矩阵，屯为实体i与实体j之间的距离，η表示 实体的规模； 步骤602路径选择概率更新规则； 蚂蚁选择下一个节点的概率公式为：
其中，4 为t时刻位于i的蚂蚁k选择j为目标的概率，其计算公式如上式所示， α是残留信息相对重要程度；β是期望值的相对重要程度；all〇Wedk是所有可能的目标 位置；规定每只蚂蚁选择的位置必须是不曾到过的，只有到达过所有的位置后才到回到出 发位置，在这里为每只蚂蚁建立一个禁忌表tabu k(k= 1，2，…，m)，将第k只蚂蚁访问过 的位置放入禁忌表中，禁忌表不是固定不变的，随着第k只蚂蚁的运动进行动态调整，和 allowedk对应的禁忌表tabu k，该表记录了蚂蚁k已走过的路径；G)为自然选择策略 求得的路径选择概率，蚂蚁在进行路径选择时引入随机进化因子rand，使得蚂蚁在选择下 一个概率时依赖其它蚂蚁反馈的信息程度有所降低，这就有效地避免了蚁群受局部最优解 的干扰； 步骤603信息素优化更新规则； 计算公式如下所示：
算法在第N次迭代后蚁群找到此次迭代的最优解，Λ τ u表示该最优解中子路径（i，j) 上的信息素首次更新，路径信息素的首次更新公式如下式所示：
上述公式中，D(i，j)表示i，j之间的距离；Li表示第i只蚂蚁在本次循环中所走路径 的长度；Lk表示第k只蚂蚁在本次循环中所走路径的长度，初始时△ τ u(〇) =C，在进行最 优解路径上的信息素的首次更新后，再对最优解上的各子路径进行贡献度判定，对满足贡 献度阈值的子路径信息素进行二次强化更新，Δ τ Jenforce)即为满足信息素更新的路径 信息素二次增量，Q为信息素的增强系数，Δ Ti^new)是路径（i，j)上最终的信息素总量， %则是路径贡献度阈值。
4.按照权利要求1所述基于自然选择蚁群算法的元胞自动机河床演变预测方法，其特 征在于：所述步骤二中构建元胞自动机算法： 步骤701元胞空间； 元胞空间：一个标准的细胞自动机由元胞、元胞状态、邻域和状态更新规则构成，用数 学表不为： A = (L, d, S, N, f) 其中L为元胞空间；d为元胞自动机内元胞空间的维数；S是元胞有限的、离散的状态 集合；N为某个邻域内所有元胞的集合；f为局部映射或局部规则； 步骤702规则/变换函数； 任意一个η维元胞自动机定义成如下四元组 C = (Dn, S, Ν, f) 式中，DnS η维欧氏空间，S是有限状态集合，r表示元胞自动机的格位，对于格位r上 的元胞在t时刻的状态表示为 S (r, t) = (S1 (r, t), S2 (r, t), ···, Sk (r, t)} Sk(r, t)表示格位r上的元胞在t时刻的第k个状态；N为r为中心元胞的邻域，是Dn 的有限的序列子集 N = {N" N2，…，NJ Nq表示元胞r的第q个邻居相对于r的位置；f为S (r，t) - S (r，t+Ι)的转化规则 f = {fi, f2, -fm} fm表示元胞的空间的第m个转化规则；若元胞的当前状态为S(r，t)，那么它下一个状 态的第j个转化规则为 S (r, t+1) = f j (S (r+N1； t), S (r+N2, t), ···, S (r+Nq, t)) j = I, 2, ···, m 考虑二维空间，即D2，那么元胞的状态写为：S(r, t) = S(x, y, t)，x，y为元胞在空间中 的二维坐标，则有元胞的转换规则： S (x, y, t+1) = f (S (x, y, t), ···, S (x, y, t~k), S (χ-l, y-1, t), S (χ-l, y, t), S (χ-l, y+1 ,t) S (x, y-1, t), S (x, y+1, t), S (x+1, y-1, t), S (x+1, y, t), S (x+1, y+1, t)) 其中，函数f(x)是待学习的转换函数，通过历史数据学习得到。
【专利摘要】本发明公开了基于自然选择蚁群算法的元胞自动机河床演变预测方法，获取数据和构建相应的数据库，数据库包括河床演变的属性数据和地理空间数据；构建河床演变预测模型，对河床演变进行预测与分析，最后输出预测结果；其中，河床演变预测模型首先构建蚁群算法，用自然选择策略来优化蚁群算法，用优化的蚁群算法构建元胞自动机算法模型，将构建的模型应用到河床演变预之中。本发明的有益效果是采用自然选择策略蚁群算法的元胞自动机演变预测河床演变方法，该方法充分利用改进元胞自动机能较好模拟空间信息的优势，预测方法简单，效率高。
【IPC分类】G06F19-00
【公开号】CN104732091
【申请号】CN201510133630
【发明人】董文永, 董学士, 王豫峰, 刘宇航, 丁红
【申请人】武汉大学
【公开日】2015年6月24日
【申请日】2015年3月25日