基于蚁群算法的城市体育设施优化选址

doi:10.3969/j.issn.1006-2475.2020.03.007

计算机与现代化

基于蚁群算法的城市体育设施优化选址

(1.中南林业科技大学理学院，湖南长沙410004； 2.湖南体育职业学院科研处，湖南长沙410019；
3.中南大学计算机学院，湖南长沙410075)

收稿日期:2019-06-24 出版日期:2020-03-24 发布日期:2020-03-30
作者简介:李显良(1980-),男,湖南益阳人,副教授,博士研究生,研究方向:智能算法,体育信息化,机器学习,E-mail: 45206642@qq.com；周庆平(1989-),男,安徽巢湖人,讲师,硕士,研究方向:机器学习,数据挖掘，E-mail: 644213287@qq.com；谭长庚(1963-),男,湖南南县人,副教授,硕士,研究方向:移动自组网,软件工程,机器学习; 谭焱良(1972-),男,湖南衡东人,教授,博士,研究方向:体育信息化,机器学习,工程管理；徐则阳(1989-),女,湖南岳阳人,讲师,硕士,研究方向:机器学习。
基金资助:
国家自然科学基金资助项目(61672540，61379057); 湖南省科技计划资助项目(2015SK2056); 湖南省教育厅科学研究项目(18C1521)

Optimal Location of Urban Sports Facilities Based on Ant Colony Algorithm

(1. School of Science, Central South University of Forestry Science and Technology, Changsha 410004, China；
2. Dept. of Scientific Research, Hunan Sports Vocational College, Changsha 410019, China;
3. School of Computer Science, Central South University, Changsha 410075, China)

Received:2019-06-24 Online:2020-03-24 Published:2020-03-30

摘要/Abstract

摘要： 在多目标以及大型空间约束情况下的城市体育设施选址求解规模较大，难以求解出理想的解集。本文提出一种改进的蚁群智能算法模型，模型主要通过改进蚁群原始信息素分布以及挥发系数，加快算法的收敛速度以及精度，得出理想的候选解。将该方法应用于长沙市雨花区的体育设施选址，取得了较好的效果，实验结果表明，采用本文所设计的改进蚁群算法模型，适合求解大规模空间下的城市体育设施选址问题。

关键词: 蚁群算法, 体育设施, 选址优化

Abstract: In the case of multi-objective and large-scale space constraints, the problem scale of the location of urban sports facilities is large, and it is difficult to obtain the ideal solution set. An improved ant colony intelligent algorithm model is proposed. The model mainly improves the convergence speed and accuracy of the algorithm by improving the original pheromone distribution and the evaporation coefficient of the ant colony, and calculates the ideal candidate solution. The method is applied in the site selection of sports facilities in Yuhua district of Changsha city, which gets good results. The experimental results show that the improved ant colony algorithm model designed in this paper is suitable for solving the problem of urban sports facilities location in large-scale space.

Key words: ant colony algorithm, sports facilities, location optimization

中图分类号:

TP18

李显良1,2，周庆平2，谭长庚3，谭焱良2，徐则阳2. 基于蚁群算法的城市体育设施优化选址[J]. 计算机与现代化, doi: 10.3969/j.issn.1006-2475.2020.03.007.

LI Xian-liang1，2, ZHOU Qing-ping2, TAN Chang-geng3, TAN Yan-liang2, XU Ze-yang2. Optimal Location of Urban Sports Facilities Based on Ant Colony Algorithm[J]. Computer and Modernization, doi: 10.3969/j.issn.1006-2475.2020.03.007.

参考文献

［1］ MINCIARDI R, SACILE R, SICCARDI F. Optimal planning of a weather radar network［J］. Journal of Atmospheric and Oceanic Technology, 2003,20(9):1251-1263.
［2］程顺祺,祁新华,金星星,等. 国内外公共服务设施空间布局研究进展［J］. 热带地理, 2016,36(1):122-131.
［3］ VEENSTRA M, ROODBERGEN K J, COELHO L C, et al. A simultaneous facility location and vehicle routing problem arising in health care logistics in the Netherlands［J］. European Journal of Operational Research, 2018, 268(2):703-715.
［4］ FARAHANI R Z, RASHIDI BAJGAN H, FAHIMNIA B, et al. Location-inventory problem in supply chains: A modeling review［J］. International Journal of Production Research, 2015,53(12):3769-3788.
［5］ El AMRANI M, BENADADA Y, GENDRON B. Generalization of capacitated p-median location problem: modeling and resolution［C］// 2016 3rd International Conference on Logistics Operations Management (GOL). 2016:1-6.
［6］ DASKIN M S, MAASS K L. The p-median problem［M］//Location Science. Springer, Cham, 2015:21-45.
［7］ SEYEDHOSSEINI S M, AHMAD M, KAMRAN S, et al. Models, solution, methods and their applicability of dynamic location problems (DLPs)(a gap analysis for further research)［J］. Journal of Industrial Engineering International, 2016,12:311-341.
［8］ JIANG Y, WANG R, CHEN X, et al. A local equivalent path approach to microseismic source location using surface data［C］// The 80th EAGE Conference and Exhibition 2018. 2018:1-5.
［9］ FERONE D, FESTA P, NAPOLETANO A, et al. A new local search for the p-center problem based on the critical vertex concept［C］// International Conference on Learning and Intelligent Optimization. 2017:79-92.
［10］MURRAY A T. Maximal coverage location problem: Impacts, significance, and evolution［J］. International Regional Science Review, 2016,39(1):5-27.
［11］PAL S K, WANG P P. Genetic Algorithms for Pattern Recognition［M］. CRC press, 2017.
［12］BOUTTIER C, GAVRA I. Convergence rate of a simulated annealing algorithm with noisy observations［J］. The Journal of Machine Learning Research, 2019,20(4):1-45.
［13］DORIGO M, BIRATTARI M, STUTZLE T. Ant colony optimization［J］. IEEE Computational Intelligence Magazine, 2007,1(4):28-39.
［14］WANG J, CAO J, SHERRATT R S, et al. An improved ant colony optimization-based approach with mobile sink for wireless sensor networks［J］. The Journal of Supercomputing, 2018,74(12):6633-6645.
［15］ZHANG Z J, HU F N, ZHANG N. Ant colony algorithm for satellite control resource scheduling problem［J］. Applied Intelligence, 2018,48(10):3295-3305.
［16］〖JP3〗胡精超,王莉. 基于GIS的城市公共体育服务设施选址优化研究［J］. 哈尔滨体育学院学报, 2013, 31(4):10-15．
［17］〖JP3〗何晋强,黎夏,刘小平,等. 蚁群智能及其在大区域基础设施选址中的应用［J］. 遥感学报, 2009,13(2):246-256.
［18］赵元,张新长,康停军. 多叉树蚁群算法及在区位选址中的应用研究［J］. 地理学报, 2011,66(2):279-286．
［19］刘萌伟,黎夏. 基于Pareto多目标遗传算法的公共服务设施优化选址研究——以深圳市医院选址为例［J］. 热带地理, 2010,30(6):650-655．
［20］黄安子,包贤禄,陈华锋,等. EV充电站选址定容及基于蚁群算法概念的建设规划方案研究［J］. 上海节能, 2018(11):901-906.
［21］〖JP3〗吴华锋,陈信强,毛奇凰,等. 基于自然选择策略的蚁群算法求解TSP问题［J］. 通信学报, 2013,34(4):165-170.
［22］〖JP3〗许明乐,游晓明,刘升. 基于统计分析的自适应蚁群算法及应用［J］. 计算机应用与软件, 2017,34(7):204-211.
［23］孙金香,许道云. 基于蚁群算法的邮政运输规划研究［J］. 计算机应用与软件, 2009,26(1):115-117.

[1]	张雄, 潘大志, . 融合邻域搜索策略蚁群算法求解带时间窗口的车辆路径问题[J]. 计算机与现代化, 2022, 0(03): 98-102.
[2]	曲建波, 孙剑伟. 基于蚁群算法的导航卫星功率增强任务规划[J]. 计算机与现代化, 2021, 0(02): 104-108.
[3]	高月仁, 吴涛, 高峡. 基于蚁群算法优化的路由频率动态择径的研究[J]. 计算机与现代化, 2020, 0(12): 32-37.
[4]	叶家琪1，符强1，2，贺亦甲1，叶浩1 . 基于聚类集成的蚁群算法求解大规模TSP问题[J]. 计算机与现代化, 2020, 0(02): 31-.
[5]	梁晶亮,黄军胜,白树军,王鹏,李睿. 基于蚁群算法的电力数据网络APT攻击预警模型[J]. 计算机与现代化, 2019, 0(01): 95-.
[6]	付永忠，潘云峰. 基于改进蚁群算法的垂直旋转式贴片机贴装顺序优化[J]. 计算机与现代化, 2017, 0(8): 17-.
[7]	凌云翔1,2,宋志远1,张世海1,马力2. 基于蚁群算法的高原地区车辆运输路径优化问题[J]. 计算机与现代化, 2016, 0(9): 77-82.
[8]	宋琪，敬超. 面向多核系统的蚁群最优化能耗调度算法[J]. 计算机与现代化, 2016, 0(6): 91-96.
[9]	蔡明，左勇安. 基于MapReduce的混合蚁群算法研究[J]. 计算机与现代化, 2016, 0(10): 6-.
[10]	李媛祯，杨群，段汐. 基于均衡更新蚁群算法的飞机排序调度[J]. 计算机与现代化, 2015, 0(2): 57-.
[11]	蔡文哲，王斌君. 一种QoS平面蚁群路由算法的设计与实现[J]. 计算机与现代化, 2015, 0(12): 15-.
[12]	陈曼青1，武子荣1，崔伟宁1，常婷婷2. 改进蚁群算法在装备保障路径选择中的应用[J]. 计算机与现代化, 2015, 0(11): 113-117.
[13]	朱卫宵，祝前旺，陈康. 基于改进蚁群算法的海上编队传感器资源分配模型[J]. 计算机与现代化, 2014, 0(12): 15-18+22.
[14]	刘晓曦;李卓越. 优化蚁群算法的云环境负载均衡[J]. 计算机与现代化, 2013, 1(9): 42-45.
[15]	袁东锋;吕聪颖. 改进蚁群算法在二次分配问题中的应用[J]. 计算机与现代化, 2013, 1(3): 9-11,1.

基于蚁群算法的城市体育设施优化选址

Optimal Location of Urban Sports Facilities Based on Ant Colony Algorithm

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价