專利名稱：一種基于蜂群智能的地理元胞自動(dòng)機(jī)轉(zhuǎn)換規(guī)則獲取方法
技術(shù)領(lǐng)域：
本發(fā)明屬于計(jì)算機(jī)仿真模擬領(lǐng)域，特別涉及一種地理元胞自動(dòng)機(jī)獲取方法。
背景技術(shù)：
轉(zhuǎn)換規(guī)則是元胞自動(dòng)機(jī)模型的核心，它是模擬過(guò)程邏輯關(guān)系的表達(dá)，決定了模擬的結(jié)果。目前，關(guān)于轉(zhuǎn)換規(guī)則的獲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斷來(lái)獲取模型參數(shù)值的方法受主觀因素影響很大，且可靠程度有限；利用層次分析法(AHP)確定模型參數(shù)值和使用線性logistic回歸的方法提取轉(zhuǎn)換規(guī)貝U，簡(jiǎn)單實(shí)用，但是用線性的方法提取復(fù)雜的地理現(xiàn)象規(guī)律，顯得過(guò)于簡(jiǎn)單，難以準(zhǔn)確的模擬復(fù)雜的地理過(guò)程；利用神經(jīng)網(wǎng)絡(luò)訓(xùn)練的方法自動(dòng)獲取轉(zhuǎn)換規(guī)則，但是神經(jīng)網(wǎng)絡(luò)存在的局部最小值和收斂速度慢等問(wèn)題，屬于黑箱結(jié)構(gòu)，難以進(jìn)行優(yōu)化改進(jìn)；隨后，黎夏等又提出了利用See5. 0決策樹(shù)的方法來(lái)獲取CA的參數(shù)值，此方法容易陷入局部最優(yōu)；劉小平和黎夏提出了利用核學(xué)習(xí)機(jī)在高維特征空間中提取CA非線性轉(zhuǎn)換規(guī)則的方法，該方法也存在轉(zhuǎn)換規(guī)則物理意義不清晰和運(yùn)行量大的問(wèn)題。此外，當(dāng)研究區(qū)域較為復(fù)雜時(shí)，上述方法在模型結(jié)構(gòu)和參數(shù)確定時(shí)具有一定的困難。針對(duì)此問(wèn)題，劉小平和黎夏等提出人工蟻群智能算法和PSO算法，PSO算法能夠較好的求解連續(xù)優(yōu)化問(wèn)題，但在面臨復(fù)雜多峰優(yōu)化問(wèn)題時(shí)，搜索的精度不高，而蟻群算法較好的解決組合優(yōu)化問(wèn)題，但是對(duì)連續(xù)型優(yōu)化問(wèn)題的求解能力較弱，并存在初期收斂速度慢，信息素更新能力有限等問(wèn)題。

發(fā)明內(nèi)容
為了解決傳統(tǒng)元胞自動(dòng)機(jī)轉(zhuǎn)換規(guī)則獲取方法存在的物理意義不清晰、模型結(jié)構(gòu)及參數(shù)難以確定的問(wèn)題，克服已有的群體智能收斂速度慢，容易陷入局部最優(yōu)的缺點(diǎn)。本發(fā)明的目的是提供一種地理元胞自動(dòng)機(jī)轉(zhuǎn)換規(guī)則的獲取方法，該方法以蜂群智能挖掘算法為核心，以地理元胞自動(dòng)機(jī)轉(zhuǎn)換規(guī)則的獲取為目的，利用蜂群智能搜索方式，在多維屬性空間中進(jìn)行規(guī)則搜索，挖掘地理元胞自動(dòng)機(jī)轉(zhuǎn)換規(guī)則，生成地理元胞自動(dòng)機(jī)的轉(zhuǎn)換規(guī)則文檔。本發(fā)明解決其技術(shù)問(wèn)題所采用的技術(shù)方案是一種基于蜂群智能的地理元胞自動(dòng)機(jī)轉(zhuǎn)換規(guī)則獲取方法，包括以下過(guò)程(I)隨機(jī)構(gòu)造初始規(guī)則，其構(gòu)造方式為在各個(gè)屬性項(xiàng)節(jié)點(diǎn)隨機(jī)確定條件值并與一個(gè)元胞狀態(tài)值構(gòu)成一條轉(zhuǎn)換規(guī)則，轉(zhuǎn)換規(guī)則即是蜜蜂個(gè)體的所對(duì)應(yīng)的蜜源位置；(2)利用蜂群智能算法優(yōu)化初始規(guī)則，搜索更優(yōu)的條件值；(3)蜂群進(jìn)化過(guò)程更新每一個(gè)體利用貪婪算子在更新后的規(guī)則和更新前規(guī)則之間選擇有效性更高的規(guī)則作為新的位置；(4)到達(dá)終止條件時(shí)，選擇最高有效性的規(guī)則進(jìn)行修剪并添加到規(guī)則集，并移除訓(xùn)練數(shù)據(jù)中符合此規(guī)則的樣例；(5)判斷剩余樣例數(shù)覆蓋度是否達(dá)到閾值；如果達(dá)到閾值，則終止對(duì)當(dāng)前類型的規(guī)則挖掘，為下一轉(zhuǎn)換類型挖掘規(guī)則；如果沒(méi)有達(dá)到閾值，則執(zhí)行步驟(1)-(4)進(jìn)行下一條規(guī)則挖掘。所述步驟(I)中屬性項(xiàng)節(jié)點(diǎn)的條件值確定方式為連續(xù)性屬性節(jié)點(diǎn)和離散型屬性節(jié)點(diǎn)都隨機(jī)在屬性區(qū)間內(nèi)選取兩個(gè)值作為上界和下界構(gòu)成一個(gè)區(qū)間作為條件項(xiàng)。初始規(guī)則的形式化表達(dá)為IF〈條件l>And〈條件2>……And〈條件n>Then元胞狀態(tài)，其有效性通過(guò)基尼指數(shù)進(jìn)行評(píng)價(jià)。所述步驟(5)中的樣例是由屬性項(xiàng)取值構(gòu)成的特征向量和狀態(tài)值組成。所述步驟
(4)中的規(guī)則是指樣本每個(gè)屬性值都符合規(guī)則中的條件項(xiàng)，同時(shí)樣例的狀態(tài)值等于規(guī)則中的狀態(tài)值。 本發(fā)明是一種基于蜂群智能的元胞自動(dòng)機(jī)轉(zhuǎn)換規(guī)則挖掘方法，通過(guò)模擬蜜蜂群搜索最優(yōu)蜜源的方式，挖掘元胞自動(dòng)機(jī)轉(zhuǎn)換規(guī)則，輸出轉(zhuǎn)換規(guī)則描述文檔?？捎糜诮鉀Q符合本發(fā)明要求的任何元胞自動(dòng)機(jī)規(guī)則獲取問(wèn)題。


圖1為本發(fā)明一種基于蜂群智能的元胞自動(dòng)機(jī)轉(zhuǎn)換規(guī)則挖掘方法的基本流程。圖2為采用蜂群智能挖掘算法進(jìn)行規(guī)則挖掘的實(shí)施實(shí)例具體步驟。圖3為蜂群智能算法集成工具界面。
具體實(shí)施例方式下面對(duì)本發(fā)明實(shí)例中的技術(shù)方案進(jìn)行清楚、完整的描述。顯然，所描述的實(shí)施例僅僅是本發(fā)明一部分實(shí)施例，而不是全部實(shí)施例?；诒景l(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒(méi)有做出創(chuàng)造性勞動(dòng)前提下所獲得的所有其他實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。本發(fā)明一種基于蜂群智能地理元胞自動(dòng)機(jī)轉(zhuǎn)換規(guī)則挖掘方法，如圖1所示，包括以下步驟(I)從兩個(gè)時(shí)期的地理數(shù)據(jù)中獲取地理現(xiàn)象的變化類型；(2)根據(jù)變化的類型才用分成隨機(jī)抽樣的方式獲取訓(xùn)練樣本和測(cè)試樣本；(3)對(duì)每一個(gè)變化類型按照如下過(guò)程進(jìn)行規(guī)則挖掘①設(shè)定蜂群智能挖掘算法相關(guān)參數(shù)；②根據(jù)參數(shù)隨機(jī)初始化規(guī)則，即蜜源位置；③根據(jù)利用蜂群智能算法對(duì)規(guī)則進(jìn)行優(yōu)化；④通過(guò)貪婪算子對(duì)規(guī)則進(jìn)行更新；⑤到達(dá)終止條件時(shí)，選擇最高有效性的規(guī)則進(jìn)行修剪并添加到規(guī)則集； ⑥移除符合當(dāng)前規(guī)則的樣例，判斷剩余樣例數(shù)是否達(dá)閾值，是則終止對(duì)當(dāng)前樣例的規(guī)則挖掘，否，則執(zhí)行(1)-(5)進(jìn)行下一條規(guī)則挖掘；(4)對(duì)規(guī)則集中的規(guī)則用‘AND’操作符和‘IF_Then’語(yǔ)句形式化表達(dá)并輸出。(5)生成轉(zhuǎn)換規(guī)則集合文檔。地理現(xiàn)象變化類型是一個(gè)有限、可列可數(shù)的集合，因此對(duì)地理數(shù)據(jù)有如下要求地理現(xiàn)象值為有限、可列可數(shù)的集合；兩個(gè)時(shí)期的地理數(shù)據(jù)必須具有相同的地理參考和空間范圍。地理現(xiàn)象變化類型由Tl時(shí)刻的值和T2時(shí)刻共同決定，可以是兩個(gè)時(shí)期值的組合，也可以是兩個(gè)時(shí)刻的值由某種計(jì)算得到的能夠唯一標(biāo)示每一種變化的值。地理現(xiàn)象變化類型的具體獲取方式為同時(shí)遍歷兩個(gè)時(shí)期的數(shù)據(jù)，獲取在同一個(gè)空間位置上的兩個(gè)不同時(shí)期的值；根據(jù)兩個(gè)時(shí)期的值定義一種轉(zhuǎn)換類型，如果此變化類型已存在則計(jì)算下一空間位置，否則將其添加的轉(zhuǎn)換類型集合中，直到整個(gè)數(shù)據(jù)遍歷完成，得到所有的轉(zhuǎn)換類型值集合，即元胞狀態(tài)空間。蜂群智能規(guī)則挖掘算法參數(shù)包括種群規(guī)模；規(guī)則收斂極限；迭代次數(shù)；個(gè)體搜索極限；最小樣例覆蓋度；最小擬合率。各個(gè)參數(shù)的意義及類型如表I所示。表I蜂群智能規(guī)則挖掘算法參數(shù)說(shuō)明
權(quán)利要求
1.一種基于蜂群智能的地理元胞自動(dòng)機(jī)轉(zhuǎn)換規(guī)則獲取方法，其特征在于，包括以下過(guò)程: (1)隨機(jī)構(gòu)造初始規(guī)則，其構(gòu)造方式為在各個(gè)屬性項(xiàng)節(jié)點(diǎn)隨機(jī)確定條件值并與一個(gè)元胞狀態(tài)值構(gòu)成一條轉(zhuǎn)換規(guī)則，轉(zhuǎn)換規(guī)則即是蜜蜂個(gè)體的所對(duì)應(yīng)的蜜源位置； (2)利用蜂群智能算法優(yōu)化初始規(guī)則，搜索更優(yōu)的條件值； (3)蜂群進(jìn)化過(guò)程更新每一個(gè)體利用貪婪算子在更新后的規(guī)則和更新前規(guī)則之間選擇有效性更高的規(guī)則作為新的位置； (4)到達(dá)終止條件時(shí)，選擇最高有效性的規(guī)則進(jìn)行修剪并添加到規(guī)則集，并移除訓(xùn)練數(shù)據(jù)中符合此規(guī)則的樣例； (5)判斷剩余樣例數(shù)覆蓋度是否達(dá)到閾值；如果達(dá)到閾值，則終止對(duì)當(dāng)前類型的規(guī)則挖掘，為下一轉(zhuǎn)換類型挖掘規(guī)則；如果沒(méi)有達(dá)到閾值，則執(zhí)行步驟(I)- (4)進(jìn)行下一條規(guī)則挖掘。
2.根據(jù)權(quán)利要求I所述一種基于蜂群智能的地理元胞自動(dòng)機(jī)轉(zhuǎn)換規(guī)則獲取方法，其特征在于，所述步驟(I)中屬性項(xiàng)節(jié)點(diǎn)的條件值確定方式為連續(xù)性屬性節(jié)點(diǎn)和離散型屬性節(jié)點(diǎn)都隨機(jī)在屬性區(qū)間內(nèi)選取兩個(gè)值作為上界和下界構(gòu)成一個(gè)區(qū)間作為條件項(xiàng)。
3.根據(jù)權(quán)利要求2所述一種基于蜂群智能的地理元胞自動(dòng)機(jī)轉(zhuǎn)換規(guī)則獲取方法，其特征在于，所述初始規(guī)則的形式化表達(dá)為IF〈條件1> And〈條件2>......And〈條件n> Then元胞狀態(tài)。
4.根據(jù)權(quán)利要求I所述一種基于蜂群智能的地理元胞自動(dòng)機(jī)轉(zhuǎn)換規(guī)則獲取方法，其特征在于所述初始規(guī)則的有效性通過(guò)基尼指數(shù)進(jìn)行評(píng)價(jià)。
5.根據(jù)權(quán)利要求I所述一種基于蜂群智能地理元胞自動(dòng)機(jī)轉(zhuǎn)換規(guī)則獲取方法，其特征在于，蜂群智能挖掘算法參數(shù)包括種群規(guī)模、采蜜蜂規(guī)模、跟隨蜂規(guī)模、一次挖掘的迭代次數(shù)、個(gè)體搜索極限和最小樣例覆蓋度。
6.根據(jù)權(quán)利要求I所述一種基于蜂群智能地理元胞自動(dòng)機(jī)轉(zhuǎn)換規(guī)則獲取方法，其特征在于，所述步驟(5)中的樣例是由屬性項(xiàng)取值構(gòu)成的特征向量和狀態(tài)值組成。
7.根據(jù)權(quán)利要求I所述一種基于蜂群智能地理元胞自動(dòng)機(jī)轉(zhuǎn)換規(guī)則獲取方法，其特征在于，所述步驟(4)中的規(guī)則是指樣本每個(gè)屬性值都符合規(guī)則中的條件項(xiàng)，同時(shí)樣例的狀態(tài)值等于規(guī)則中的狀態(tài)值。
全文摘要
本發(fā)明公開(kāi)一種基于蜂群智能的地理元胞自動(dòng)機(jī)轉(zhuǎn)換規(guī)則獲取方法，屬于計(jì)算機(jī)仿真模擬領(lǐng)域。針對(duì)已有的群體智能元胞自動(dòng)機(jī)轉(zhuǎn)換規(guī)則獲取方法存在的搜索全局最優(yōu)解的能力較弱，易陷入局部最優(yōu)的問(wèn)題，本發(fā)明提出一種新的元胞自動(dòng)機(jī)轉(zhuǎn)換規(guī)則獲取方法，該方法以蜂群智能挖掘算法為核心，以地理元胞自動(dòng)機(jī)轉(zhuǎn)換規(guī)則的獲取為目的，利用蜂群智能搜索方式，在多維屬性空間中進(jìn)行規(guī)則搜索，生成地理元胞自動(dòng)機(jī)的轉(zhuǎn)換規(guī)則文檔。本發(fā)明主要用于智能挖掘地理元胞自動(dòng)機(jī)轉(zhuǎn)換規(guī)則，提高了獲取全局最優(yōu)規(guī)則的能力。
文檔編號(hào)G06F9/455GK102981891SQ20121052451
公開(kāi)日2013年3月20日 申請(qǐng)日期2012年12月7日 優(yōu)先權(quán)日2012年12月7日
發(fā)明者湯國(guó)安, 陽(yáng)建逸, 曹敏, 胡迪 申請(qǐng)人:南京師范大學(xué)