设施配置空间优化旨在形成设施空间布局和调度的规划方案,是以地理信息为研究基础,以运筹建模为方法内核,以城市规划为应用导向的交叉研究问题,是一种典型高维多峰NP-Hard组合优化问题。设计并改进设施配置空间优化算法对提升规划方案...设施配置空间优化旨在形成设施空间布局和调度的规划方案,是以地理信息为研究基础,以运筹建模为方法内核,以城市规划为应用导向的交叉研究问题,是一种典型高维多峰NP-Hard组合优化问题。设计并改进设施配置空间优化算法对提升规划方案适应度具有重要价值。本文剖析设施配置空间优化基本特征,引入实数编码量子进化算法,并重点构造四倍体量子染色体编码算子、总量约束算子,形成面向设施配置空间优化的量子进化算法(quantum evolutionary algorithm for spatial optimization of facility allocation, QEA-SOFA)。基于急救设施配置空间优化实例分析,QEA-SOFA算法可有效提升急救服务设施重定位优化公平性,较实数编码遗传算法提高66%。结果表明QEA-SOFA算法在高维多峰空间优化问题上全局搜索能力更强,且对空间异质区域局部搜索具有更大探测尺度,也揭示了量子进化机制在地理空间优化问题中的巨大潜力。展开更多
文摘设施配置空间优化旨在形成设施空间布局和调度的规划方案,是以地理信息为研究基础,以运筹建模为方法内核,以城市规划为应用导向的交叉研究问题,是一种典型高维多峰NP-Hard组合优化问题。设计并改进设施配置空间优化算法对提升规划方案适应度具有重要价值。本文剖析设施配置空间优化基本特征,引入实数编码量子进化算法,并重点构造四倍体量子染色体编码算子、总量约束算子,形成面向设施配置空间优化的量子进化算法(quantum evolutionary algorithm for spatial optimization of facility allocation, QEA-SOFA)。基于急救设施配置空间优化实例分析,QEA-SOFA算法可有效提升急救服务设施重定位优化公平性,较实数编码遗传算法提高66%。结果表明QEA-SOFA算法在高维多峰空间优化问题上全局搜索能力更强,且对空间异质区域局部搜索具有更大探测尺度,也揭示了量子进化机制在地理空间优化问题中的巨大潜力。
