量子粒子群优化的城市公园选址应用研究

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (29): 235-238.

量子粒子群优化的城市公园选址应用研究

张雪萍1，杨腾飞1，王家耀1，2，秦奋3，魏欣1

1.河南工业大学信息科学与工程学院，郑州 450001
2.解放军信息工程大学测绘学院，郑州 450052
3.河南大学环境与规划学院，河南开封 475004

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-10-11 发布日期:2011-10-11

Research on site selection of city park based on quantum particle swarm optimization

ZHANG Xueping1，YANG Tengfei1，WANG Jiayao1，2，QIN Fen3，WEI Xin1

1.School of Information Science and Engineering，Henan University of Technology，Zhengzhou 450001，China
2.School of Surveying and Mapping，PLA Information Engineering University，Zhengzhou 450052，China
3.School of Environment and Planning，Henan University，Kaifeng，Henan 475004，China

Received:1900-01-01 Revised:1900-01-01 Online:2011-10-11 Published:2011-10-11

摘要/Abstract

摘要： 针对城市公园选址问题，综合规划要求和约束条件，构建了一个混合整数规划模型，引入基于量子粒子群优化的带障碍约束的空间聚类方法进行求解，给出了详细设计步骤。在GIS下，以郑州市公园为例进行实验，结果证明，该方法执行效率高，考虑了障碍物对聚类结果的影响，对城市公园地址的选择更科学，更合理。

关键词: 空间聚类, 障碍聚类, 量子粒子群, 选址, 城市公园

Abstract: A mixed integer programming model applied to the city park’ location selection is built on planning requirements and constraints.The spatial clustering algorithm with obstacles constraints by particle swarm optimization is introduced to solve the model with detailed design steps.Based on the GIS，the experimental results on city parks in Zhengzhou show that this method is more scientific and reasonable when solving the site selection of city park with the high efficiency and taking into account the impact of the obstacles.

Key words: spatial clustering, obstacle constraints, quantum particle swarm optimization, location, city park

张雪萍1，杨腾飞1，王家耀1，2，秦奋3，魏欣1. 量子粒子群优化的城市公园选址应用研究[J]. 计算机工程与应用, 2011, 47(29): 235-238.

ZHANG Xueping1，YANG Tengfei1，WANG Jiayao1，2，QIN Fen3，WEI Xin1. Research on site selection of city park based on quantum particle swarm optimization[J]. Computer Engineering and Applications, 2011, 47(29): 235-238.

[1]	于国龙，赵勇，吴恋，崔忠伟. QPSO算法的改进及其在DBN参数优化中应用[J]. 计算机工程与应用, 2021, 57(10): 154-162.
[2]	任新惠，王柳. 即时配送下无人机全自动机场分区选址模型[J]. 计算机工程与应用, 2021, 57(10): 266-272.
[3]	王雨思，路德杨，李海洋. 基于分式函数约束的稀疏子空间聚类方法[J]. 计算机工程与应用, 2020, 56(7): 39-47.
[4]	郑毅，马盈仓，杨小飞，续秋霞. 基于[k]-近邻与局部相似度的稀疏子空间聚类[J]. 计算机工程与应用, 2020, 56(4): 99-108.
[5]	苟海雯，宁爱兵，胡沁，张惠珍. 带惩罚的无容量设施选址问题的降阶回溯算法[J]. 计算机工程与应用, 2020, 56(24): 43-49.
[6]	李锐，李晓会，陈鑫. 可靠性绿色物流配送选址-路径问题研究[J]. 计算机工程与应用, 2020, 56(23): 237-244.
[7]	朱丹，陈晓红，吴卿源，李舜酩. 自适应图学习诱导的子空间聚类[J]. 计算机工程与应用, 2020, 56(21): 30-37.
[8]	汪浩祥，李娜，李强懿. 改进的虚拟力最大覆盖选址算法研究[J]. 计算机工程与应用, 2020, 56(20): 220-225.
[9]	郭圣，仲兆满，李存华. 基于深度自编码的多视图子空间聚类网络[J]. 计算机工程与应用, 2020, 56(17): 60-68.
[10]	李丹. 结构加权相关自适应子空间聚类[J]. 计算机工程与应用, 2020, 56(13): 137-142.
[11]	陈刚，付江月. 军民融合背景下无人机配送中心选址问题研究[J]. 计算机工程与应用, 2019, 55(8): 226-231.
[12]	任慧. 考虑运输中断的可靠三级供应链网络设计[J]. 计算机工程与应用, 2019, 55(6): 265-270.
[13]	何永梅，宁爱兵，彭大江，尚春剑，张惠珍. 软容量限制设施选址问题的竞争决策算法[J]. 计算机工程与应用, 2019, 55(3): 50-54.
[14]	马占飞1，杨晋2，金溢2，边琦3. 基于IQPSO-IDE算法的网络入侵检测方法[J]. 计算机工程与应用, 2019, 55(10): 115-120.
[15]	陈佳瑜，李梁，罗云. 采用多样性选择的量子粒子群双向聚类算法[J]. 计算机工程与应用, 2018, 54(9): 42-46.