遗传算法和BP网络及其在城市系统评价中的应用
|
摘要
城市系统是个典型的巨系统。因此，分析、研究、规划和管理城市系统应从巨系统的观点出发。城市系统评价是认识和研究城市系统的一种科学方法，为城市的规划、建设、管理等提供科学的依据。
文中对常用的评价方法进行了分析研究，指出了常用评价方法的优缺点，指出不同的评价方法有不同的适用环境，应用时应当结合实际的情况。详细阐述和分析了投影寻踪评价方法，并对其用于城市系统评价进行了尝试，结果表明投影寻踪评价方法应用于城市系统评价是可行且有效的。采用遗传算法对于投影寻踪方法在评价过程中涉及到的模型优化问题进行优化，遗传算法是模拟生物“优胜劣汰”进化过程而形成的一种高度并行、随机和自适应的通用性全局搜索算法，能够处理非线性较强的优化问题。对于标准遗传算法存在的问题，文中提出了一种改进的遗传算法——扰动式遗传算法，并对其运行效果进行了分析，改进后的算法在提高精度的同时能够达到全局收敛，并能有效地处理多极值问题。人工神经网络具有记忆功能，根据专家知识和源数据样本对网络进行训练，建立网络模型，就可以对同类评价问题进行评价，这样可以节省大量的财力物力，并且操作简单易行。论文在最后还提出了基于遗传算法的逼近理想点评价模型，并对其应用进行了尝试，评价结果合理且直观。
City system is a typical immense system, and analysis, research, planning and management of city system should be performed in view of huge system. Evaluation of city system, which provides a scientific basis of planning, construction and management of city system, is a scientific method to understand and research city system.
Regular evaluation methods are analyzed and studied in this paper. After their advantages, disadvantages and different application conditions are presented, it is concluded that these methods should be applied according to actual condition. First of all, projection pursuit algorithm is elaborated and analyzed, and is applied to evaluation of city system. Research results show that application of projection pursuit to evaluation of city system is feasible and effective. Genetic algorithm is a highly collateral, random, self-adaptive, general and globe search algorithm, which simulates biologic evolution process. In this paper, genetic algorithm is applied to optimizing the model optimum in what is evaluated by projection pursuit algorithm. Due to some problems of standard genetic algorithm, an improved genetic algorithm called disturbance genetic algorithm (DGA) is presented. According to the effect of DGA, this improved algorithm can deal with multiple hump function efficiently and achieve the global convergence with higher precision. Then artificial neural network, which is of memory function, can form the network model by training network according to expert knowledge and source data samples. What is mentioned above make it economical and easy to evaluate the same kind of problems by artificial neural network. Finally, the technique for order preference by similarity to solution based on genetic algorithm is also presented and applied, and its evaluation result is reasonable and practical.
文中对常用的评价方法进行了分析研究，指出了常用评价方法的优缺点，指出不同的评价方法有不同的适用环境，应用时应当结合实际的情况。详细阐述和分析了投影寻踪评价方法，并对其用于城市系统评价进行了尝试，结果表明投影寻踪评价方法应用于城市系统评价是可行且有效的。采用遗传算法对于投影寻踪方法在评价过程中涉及到的模型优化问题进行优化，遗传算法是模拟生物“优胜劣汰”进化过程而形成的一种高度并行、随机和自适应的通用性全局搜索算法，能够处理非线性较强的优化问题。对于标准遗传算法存在的问题，文中提出了一种改进的遗传算法——扰动式遗传算法，并对其运行效果进行了分析，改进后的算法在提高精度的同时能够达到全局收敛，并能有效地处理多极值问题。人工神经网络具有记忆功能，根据专家知识和源数据样本对网络进行训练，建立网络模型，就可以对同类评价问题进行评价，这样可以节省大量的财力物力，并且操作简单易行。论文在最后还提出了基于遗传算法的逼近理想点评价模型，并对其应用进行了尝试，评价结果合理且直观。
City system is a typical immense system, and analysis, research, planning and management of city system should be performed in view of huge system. Evaluation of city system, which provides a scientific basis of planning, construction and management of city system, is a scientific method to understand and research city system.
Regular evaluation methods are analyzed and studied in this paper. After their advantages, disadvantages and different application conditions are presented, it is concluded that these methods should be applied according to actual condition. First of all, projection pursuit algorithm is elaborated and analyzed, and is applied to evaluation of city system. Research results show that application of projection pursuit to evaluation of city system is feasible and effective. Genetic algorithm is a highly collateral, random, self-adaptive, general and globe search algorithm, which simulates biologic evolution process. In this paper, genetic algorithm is applied to optimizing the model optimum in what is evaluated by projection pursuit algorithm. Due to some problems of standard genetic algorithm, an improved genetic algorithm called disturbance genetic algorithm (DGA) is presented. According to the effect of DGA, this improved algorithm can deal with multiple hump function efficiently and achieve the global convergence with higher precision. Then artificial neural network, which is of memory function, can form the network model by training network according to expert knowledge and source data samples. What is mentioned above make it economical and easy to evaluate the same kind of problems by artificial neural network. Finally, the technique for order preference by similarity to solution based on genetic algorithm is also presented and applied, and its evaluation result is reasonable and practical.
引文
[1] 汪应洛．系统工程[M]．机械工业出版社，2002．
[2] 江美球，刘荣芳，蔡渝平．城市学[M]．科学普及出版社，1988．
[3] 金菊良，丁晶．水资源系统工程[M]．成都：四川科学技术出版社，2002．
[4] 程建权．城市系统工程[M)．武汉大学出版社，1999．
[5] 夏绍玮，杨家本，杨振斌．系统工程概论[M]．清华大学出版社，1995．
[6] 胡永宏，贺思辉．综合评价方法[M]．北京：科学出版社，2000，1～249．
[7] 史海珊，何似龙，陈金水，等．水电工程建设系统综合评判方法[M]．北京：水利电力出版社，1994，1～158．
[8] 王宗军．综合评价的方法、问题及其研究趋势[J]．管理科学学报，1998，1(1)：73～79．
[9] 徐肇忠．城市环境规划[M]．武汉测绘科技大学出版社，1999．
[10] 郭亚军．综合评价理论与方法[M]．科学出版社，2002．
[11] 岳超源．决策理论与方法[M]．北京：科学出版社，2003,200～213．
[12] Saaty T L The Analytic Hierarchy Process．New York：McGraw-Hill,1980．
[13] 刘豹，等．层次分析法—规划决策的工具．系统工程，1984，2(2)：23～30．
[14] 夏岑岭．城市防洪理论与实践[M]．安徽：安徽科学技术出版社，2001，211～220．
[15] 杨纶标，高英仪．模糊数学原理及应用[M]．广州：华南理工大学出版社，2002．
[16] Charnes A, et al. Measuring the Efficiency of Decision Making Units. European Journal of Operations Research, 1978,2: 429-444.
[17] 马占新，唐焕文．宏观经济发展状况综合评价的DEA方法[J]．系统工程，2002，20(2)：30～34．
[18] 吴文江．数据包络分析[M]．中国统计出版社，2002．
[19] 魏权龄．评价相对有效性的DEA方法[M]北京：中国人民大学出版社，1988．
[20] 李奋雄，刘军跃．技术进步评价与DEA方法[J]．昆明工学院学报，1994,19(2)：135～142．
[21] 陈述云，张崇甫．多指标综合评价方法及其优化选择研究[J]．数理统计与管理，1994，13(3)：18～21．
[22] 王宗军．基于入神经网络和专家系统Shell的城市发展水平综合评价专家系统的研究[J]．计算机工程与设计，1996，17(6)：11～19．
[23] Holland J H. Adaptation in Nature and Artificial Systems[M].Ann Arbor, MI:
University of Michigan Rress,1975.
[24] Goldberg D E. Genetic Algorithms in Search, Optimization and Machine Leaming[M]. Reading, MA: Addison Wesley, 1989:1～83.
[25] 金菊良，丁晶．遗传算法及其在水科学中的应用[M]．成都：四川大学出版社，2000，1～50．
[26] 郭军．智能信息技术[M]．北京：北京邮电大学出版社，2000，66～68．
[27] 周明，孙树栋．遗传算法原理及应用[M]．北京：国防工业出版社，1999，18～60．
[28] 段玉倩，贺家李．遗传算法及其改进[J]．电力系统及其自动化学报，1998，10(1)：39～42．
[29] 丁承民，张传生，刘辉．遗传算法纵横谈[J]．信息与控制，1997,26(1)：40～47．
[30] 李敏强，寇纪松，林丹，李书权．遗传算法的基本理论与应用[J]．科学出版社，2002,13～16．
[31] De Jong K A. An Analysis of the Behavior of a Class of Genetic Adaptive Systems. Ph D Dissertation. Ann Arbor: University of Microfilms, No. 70-9735,1975.
[32] 王凌．智能优化算法及其应用[M]．北京：清华大学出版社，2001：36～39．
[33] Schraudolph N. N., Belew R. K. Dynamic Parameter Encoding for Genetic Algorithms. Machine Learning. 1992, 9(6): 9～21.
[34] 石琳珂．逐步缩小范围的遗传算法[J]．地球物理学进展，1995，41(1)：21-39．
[35] 周双喜，杨彬．影响遗传算法性能的因素及改进措施[J]．电力系统自动化，1996，20(7)：24～31．
[36] 韦柳涛，曾庆川等．启发式遗传基因及其在电力系统机组组合优化中的应用[J]．中国电机工程学报，1994，(2)：67～71．
[37] 金菊良，杨晓华，丁晶．标准遗传算法的改进方案——加速遗传算法[J]．系统工程理论与实践，2001，4(4)：8～13．
[38] Glodber D E, et. Al. Messy Genetic Algorithms: Motivation, Analysis and First Result. Complex Systems, 1989,3:493～530.
[39] 岑文辉，雷友坤，谢恒．应用人工神经网络与遗传算法进行短期负荷预测 [J]．电力系统自动化，1997，21(3)：29～32．
[40] 刘永芳，刘丽，张乐英．遗传算法的新改进——扰动式遗传算法．合肥工业大学学报，2003，26(4)：614～618．
[41] Friedman J H, Turkey J W. A Projection Pursuit Algorithm for Exploratory Data Analysis, IEEE Trans. On Computer,1974, 23(9): 881～890.
[42] 李祚泳．用投影寻踪回归进行大气颗粒的污染源解析[J]．中国环境科学，
1999，19(3)：270～272．
[43] 金菊良，丁晶，魏一鸣，等．解不确定型决策问题的投影寻踪方法[J]．系统工程理论与实践，2003(4)：42～46．
[44] 付强，金菊良，梁川．基于实码加速遗传算法的投影寻踪分类模型在水稻灌溉制度优化中的应用[J]．水力学报，2002(10)：39～45．
[45] 付强，刘东，王忠波．基于参数投影寻踪模型的水稻节水栽培经济效益分析[J]．灌溉排水学报，2003，22(2)：65～68．
[46] 张妍，尚金城，姜建祥．可持续发展导向的环境规划研究[J]．干旱环境监测，2001，15(4)：204～207．
[47] 高成康，尚金城．密切值法在区域综合环境动态分析中的应用[J]．干旱环境监测，2002，16(4)：207～209．
[48] 刘永芳，金菊良，魏一鸣．城市区域综合环境质量动态评价的投影寻踪聚类模型．中国管理科学，2003，11(专辑)：443～446．
[49] 高琼，林颖洁．各地区城市市政工程情况统计分析及评估[J]．数理统计与管理，2003，22(1)：9～13．
[50] 金菊良，张欣莉，丁晶．评估洪水灾情等级的投影寻踪模型[J]．系统工程理论与实践，2002(2)：140～144．
[51] 叶文虎．可持续发展引论[M]．高等教育出版社，2001，280～283．
[52] Hopfield JJ. Artificial Neural Networks. IEEE circuit and devices Mag 1986(9):3～10.
[53] 郭军．智能信息系统[M]．北京邮电大学出版社，1999，39～47．
[54] 杨建刚．人工神经网络实用教程[M]．浙江大学出版社，2001，10～30．
[55] 党建武．神经网络技术及应用[M]．中国铁道出版社，2000，1～10．
[56] 诸克军，杨久西，匡益军．基于人工神经网络的石油勘探有利性综合评价[J]．系统工程理论与实践，2002(4)：131～135．
[57] 王玲，黄国如．改进的BP网络模型在流域日径流量中的应用[J]．水电能源科学，2003，21(1)：32～34．
[58] 焦李成．神经网络的应用与实现[M]．西安电子大学出版社，1995．
[59] 王有乐．区域水污染控制多目标组合规划模型研究[J]．环境科学学报，2002，22(1)：107～110．
[60] Minns A W, Hall M J. Artificial Neural networks as rainfall-runoff models[J]. Hydrological Sciences Journal, 1996, 41(3): 399～417.
[61] 王浣尘．采用可能度和满意度的多目标决策方法[J]．系统工程理论与实践，1982，2(1)：14～22．
[62] 孟波，陈珽．基于模糊推理的多目标决策方法——FSWT法[J]．华中理工大学学报，1992，20(1)：7～11．
[63] 程建权，杨仁，陈兆玉．多指标综合评价中一种计算权重的改进方法[J]．系统工程理论与实践．1994(11)：59～45．
[64] 冯圣洪．一种多指标综合评价合成技术方法研究[J]．模糊系统与数学，1999，13(2)：85～89．
[65] 王宗军．复杂对象系统多目标综合评价的神经网络方法[J]．管理工程学报，1995，9(1)：26～33．
[66] 于景元．钱学森关于开放的复杂巨系统的研究[J]．系统工程理论与实践，1992，12(5)：8～12．
[67] 戴汝为．从定性到定量的综合集成技术[J]．模型识别与人工智能，1991，4(1)：5～10．
[68] 王宗军．面向复杂对象系统的集成式智能化评价支持系统开发环境的设计与实现[J]．系统工程学报，1995，10(1)：90～96．
[2] 江美球，刘荣芳，蔡渝平．城市学[M]．科学普及出版社，1988．
[3] 金菊良，丁晶．水资源系统工程[M]．成都：四川科学技术出版社，2002．
[4] 程建权．城市系统工程[M)．武汉大学出版社，1999．
[5] 夏绍玮，杨家本，杨振斌．系统工程概论[M]．清华大学出版社，1995．
[6] 胡永宏，贺思辉．综合评价方法[M]．北京：科学出版社，2000，1～249．
[7] 史海珊，何似龙，陈金水，等．水电工程建设系统综合评判方法[M]．北京：水利电力出版社，1994，1～158．
[8] 王宗军．综合评价的方法、问题及其研究趋势[J]．管理科学学报，1998，1(1)：73～79．
[9] 徐肇忠．城市环境规划[M]．武汉测绘科技大学出版社，1999．
[10] 郭亚军．综合评价理论与方法[M]．科学出版社，2002．
[11] 岳超源．决策理论与方法[M]．北京：科学出版社，2003,200～213．
[12] Saaty T L The Analytic Hierarchy Process．New York：McGraw-Hill,1980．
[13] 刘豹，等．层次分析法—规划决策的工具．系统工程，1984，2(2)：23～30．
[14] 夏岑岭．城市防洪理论与实践[M]．安徽：安徽科学技术出版社，2001，211～220．
[15] 杨纶标，高英仪．模糊数学原理及应用[M]．广州：华南理工大学出版社，2002．
[16] Charnes A, et al. Measuring the Efficiency of Decision Making Units. European Journal of Operations Research, 1978,2: 429-444.
[17] 马占新，唐焕文．宏观经济发展状况综合评价的DEA方法[J]．系统工程，2002，20(2)：30～34．
[18] 吴文江．数据包络分析[M]．中国统计出版社，2002．
[19] 魏权龄．评价相对有效性的DEA方法[M]北京：中国人民大学出版社，1988．
[20] 李奋雄，刘军跃．技术进步评价与DEA方法[J]．昆明工学院学报，1994,19(2)：135～142．
[21] 陈述云，张崇甫．多指标综合评价方法及其优化选择研究[J]．数理统计与管理，1994，13(3)：18～21．
[22] 王宗军．基于入神经网络和专家系统Shell的城市发展水平综合评价专家系统的研究[J]．计算机工程与设计，1996，17(6)：11～19．
[23] Holland J H. Adaptation in Nature and Artificial Systems[M].Ann Arbor, MI:
University of Michigan Rress,1975.
[24] Goldberg D E. Genetic Algorithms in Search, Optimization and Machine Leaming[M]. Reading, MA: Addison Wesley, 1989:1～83.
[25] 金菊良，丁晶．遗传算法及其在水科学中的应用[M]．成都：四川大学出版社，2000，1～50．
[26] 郭军．智能信息技术[M]．北京：北京邮电大学出版社，2000，66～68．
[27] 周明，孙树栋．遗传算法原理及应用[M]．北京：国防工业出版社，1999，18～60．
[28] 段玉倩，贺家李．遗传算法及其改进[J]．电力系统及其自动化学报，1998，10(1)：39～42．
[29] 丁承民，张传生，刘辉．遗传算法纵横谈[J]．信息与控制，1997,26(1)：40～47．
[30] 李敏强，寇纪松，林丹，李书权．遗传算法的基本理论与应用[J]．科学出版社，2002,13～16．
[31] De Jong K A. An Analysis of the Behavior of a Class of Genetic Adaptive Systems. Ph D Dissertation. Ann Arbor: University of Microfilms, No. 70-9735,1975.
[32] 王凌．智能优化算法及其应用[M]．北京：清华大学出版社，2001：36～39．
[33] Schraudolph N. N., Belew R. K. Dynamic Parameter Encoding for Genetic Algorithms. Machine Learning. 1992, 9(6): 9～21.
[34] 石琳珂．逐步缩小范围的遗传算法[J]．地球物理学进展，1995，41(1)：21-39．
[35] 周双喜，杨彬．影响遗传算法性能的因素及改进措施[J]．电力系统自动化，1996，20(7)：24～31．
[36] 韦柳涛，曾庆川等．启发式遗传基因及其在电力系统机组组合优化中的应用[J]．中国电机工程学报，1994，(2)：67～71．
[37] 金菊良，杨晓华，丁晶．标准遗传算法的改进方案——加速遗传算法[J]．系统工程理论与实践，2001，4(4)：8～13．
[38] Glodber D E, et. Al. Messy Genetic Algorithms: Motivation, Analysis and First Result. Complex Systems, 1989,3:493～530.
[39] 岑文辉，雷友坤，谢恒．应用人工神经网络与遗传算法进行短期负荷预测 [J]．电力系统自动化，1997，21(3)：29～32．
[40] 刘永芳，刘丽，张乐英．遗传算法的新改进——扰动式遗传算法．合肥工业大学学报，2003，26(4)：614～618．
[41] Friedman J H, Turkey J W. A Projection Pursuit Algorithm for Exploratory Data Analysis, IEEE Trans. On Computer,1974, 23(9): 881～890.
[42] 李祚泳．用投影寻踪回归进行大气颗粒的污染源解析[J]．中国环境科学，
1999，19(3)：270～272．
[43] 金菊良，丁晶，魏一鸣，等．解不确定型决策问题的投影寻踪方法[J]．系统工程理论与实践，2003(4)：42～46．
[44] 付强，金菊良，梁川．基于实码加速遗传算法的投影寻踪分类模型在水稻灌溉制度优化中的应用[J]．水力学报，2002(10)：39～45．
[45] 付强，刘东，王忠波．基于参数投影寻踪模型的水稻节水栽培经济效益分析[J]．灌溉排水学报，2003，22(2)：65～68．
[46] 张妍，尚金城，姜建祥．可持续发展导向的环境规划研究[J]．干旱环境监测，2001，15(4)：204～207．
[47] 高成康，尚金城．密切值法在区域综合环境动态分析中的应用[J]．干旱环境监测，2002，16(4)：207～209．
[48] 刘永芳，金菊良，魏一鸣．城市区域综合环境质量动态评价的投影寻踪聚类模型．中国管理科学，2003，11(专辑)：443～446．
[49] 高琼，林颖洁．各地区城市市政工程情况统计分析及评估[J]．数理统计与管理，2003，22(1)：9～13．
[50] 金菊良，张欣莉，丁晶．评估洪水灾情等级的投影寻踪模型[J]．系统工程理论与实践，2002(2)：140～144．
[51] 叶文虎．可持续发展引论[M]．高等教育出版社，2001，280～283．
[52] Hopfield JJ. Artificial Neural Networks. IEEE circuit and devices Mag 1986(9):3～10.
[53] 郭军．智能信息系统[M]．北京邮电大学出版社，1999，39～47．
[54] 杨建刚．人工神经网络实用教程[M]．浙江大学出版社，2001，10～30．
[55] 党建武．神经网络技术及应用[M]．中国铁道出版社，2000，1～10．
[56] 诸克军，杨久西，匡益军．基于人工神经网络的石油勘探有利性综合评价[J]．系统工程理论与实践，2002(4)：131～135．
[57] 王玲，黄国如．改进的BP网络模型在流域日径流量中的应用[J]．水电能源科学，2003，21(1)：32～34．
[58] 焦李成．神经网络的应用与实现[M]．西安电子大学出版社，1995．
[59] 王有乐．区域水污染控制多目标组合规划模型研究[J]．环境科学学报，2002，22(1)：107～110．
[60] Minns A W, Hall M J. Artificial Neural networks as rainfall-runoff models[J]. Hydrological Sciences Journal, 1996, 41(3): 399～417.
[61] 王浣尘．采用可能度和满意度的多目标决策方法[J]．系统工程理论与实践，1982，2(1)：14～22．
[62] 孟波，陈珽．基于模糊推理的多目标决策方法——FSWT法[J]．华中理工大学学报，1992，20(1)：7～11．
[63] 程建权，杨仁，陈兆玉．多指标综合评价中一种计算权重的改进方法[J]．系统工程理论与实践．1994(11)：59～45．
[64] 冯圣洪．一种多指标综合评价合成技术方法研究[J]．模糊系统与数学，1999，13(2)：85～89．
[65] 王宗军．复杂对象系统多目标综合评价的神经网络方法[J]．管理工程学报，1995，9(1)：26～33．
[66] 于景元．钱学森关于开放的复杂巨系统的研究[J]．系统工程理论与实践，1992，12(5)：8～12．
[67] 戴汝为．从定性到定量的综合集成技术[J]．模型识别与人工智能，1991，4(1)：5～10．
[68] 王宗军．面向复杂对象系统的集成式智能化评价支持系统开发环境的设计与实现[J]．系统工程学报，1995，10(1)：90～96．