混沌粒子群算法自动拟合理论变差函数

计算机工程与应用 ›› 2012, Vol. 48 ›› Issue (4): 37-39.

混沌粒子群算法自动拟合理论变差函数

陈学工1，陈婷1，肖晓芳2

1.中南大学软件学院，长沙 410083
2.中南大学信息科学与工程学院，长沙 410083

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2012-02-01 发布日期:2012-04-05

Chaos particle swarm optimization algorithm to match theoretical variogram automatically

CHEN Xuegong1, CHEN Ting1, XIAO Xiaofang2

1.College of Software, Central South University, Changsha 410083, China
2.College of Information Science & Engineering, Central South University, Changsha 410083, China

Received:1900-01-01 Revised:1900-01-01 Online:2012-02-01 Published:2012-04-05

摘要/Abstract

摘要： 理论变差函数的参数拟合是地质统计学特有的基本内容之一。针对现有的拟合方法的不足之处，为了快速实现理论变差函数参数的自动拟合，充分利用混沌粒子群优化算法在求解非线性优化问题时的快速收敛性，混沌运动的遍历性和全局寻优的特点提出了实验变差函数的混沌粒子群自动拟合算法。选用一阶球状模型，并将其转化为极小值问题，利用混沌粒子群优化算法找到满意的适应值。实验结果表明，该方法寻优能力强，精度高，能有效实现参数的自动拟合。

关键词: 地质统计学, 粒子群优化算法, 变差函数, 球状模型, 拟合

Abstract: Matching the parameter of theoretical model of variogram is one of the specific basic content in geostatistics. Aiming at the disadvantages of conventional used methods in match theoretical variogram, in order to match theoretical variogram automatically, based on the quick convergence of Chaos Particle Swarm Optimization（CPSO） algorithm used in solving nonlinear programming problems, and ergodicity, global optimization of chaos, a new match method of theoretical variogram is performed. Spherical model, which is transformed into minimum problem, is used in the experiment. CPSO is used to find the satisfactory fitness value. Simulations show that the new algorithm has powerful optimizing ability, higher precision, and can automatically match the theoretical variogram effectively.

Key words: geostatistics, Particle Swarm Optimization（PSO） algorithm, theoretical variogram, spherical model, fitting

陈学工1，陈婷1，肖晓芳2. 混沌粒子群算法自动拟合理论变差函数[J]. 计算机工程与应用, 2012, 48(4): 37-39.

CHEN Xuegong1, CHEN Ting1, XIAO Xiaofang2. Chaos particle swarm optimization algorithm to match theoretical variogram automatically[J]. Computer Engineering and Applications, 2012, 48(4): 37-39.

[1]	孙泽宇，徐琛，苏艳超，李传锋，聂雅琳. 雾计算中跨层感知分簇路由协议[J]. 计算机工程与应用, 2021, 57(9): 109-117.
[2]	陈万芬，王宇嘉，林炜星. 异构集成代理辅助多目标粒子群优化算法[J]. 计算机工程与应用, 2021, 57(23): 71-80.
[3]	李铁飞，生龙，吴迪. BERT-TECNN模型的文本分类方法研究[J]. 计算机工程与应用, 2021, 57(18): 186-193.
[4]	廖玮霖，程杉，尚冬冬，魏昭彬. 多策略融合的粒子群优化算法[J]. 计算机工程与应用, 2021, 57(1): 69-76.
[5]	王家润，孙禹楠，尹辉，杨志龙. 军事目标关系的拟合地势及双重保凸可视建模[J]. 计算机工程与应用, 2020, 56(5): 270-278.
[6]	胡啸，陈黎. 面向遮挡与透视影响的道路凸包梯形检测算法[J]. 计算机工程与应用, 2020, 56(22): 199-204.
[7]	龙建全，梁艳阳. 多路口环境下RRT的最优路径规划[J]. 计算机工程与应用, 2020, 56(19): 273-278.
[8]	刘颖，刘倩，李大湘，杨文宗. 基于PTM模型文物纹理映射算法[J]. 计算机工程与应用, 2020, 56(12): 209-214.
[9]	张鑫1，邹德旋1，肖鹏1，喻秋2. 自适应简化粒子群优化算法及其应用[J]. 计算机工程与应用, 2019, 55(8): 250-263.
[10]	郑朝鑫1，2，董晨1，3，贺国荣1，3，陈荣忠1，3，熊子奇1，3. 基于改进粒子群算法的动态3D实时建模技术[J]. 计算机工程与应用, 2019, 55(5): 65-71.
[11]	睢璐璐，韩东升，闫飞，阎高伟. 多任务正则极限学习机的研究与应用[J]. 计算机工程与应用, 2019, 55(3): 120-125.
[12]	马炫，刘栋，胡家鑫. 求解必经点k条最优路径问题的粒子群优化算法[J]. 计算机工程与应用, 2019, 55(20): 89-94.
[13]	郭世伟，孟昱煜，陈绍立. 改进的PSOGM算法在动态关联规则挖掘中的应用[J]. 计算机工程与应用, 2018, 54(8): 160-165.
[14]	李钢，李海芳，赵怡，邓红霞. 修正局部极小值的局部灰度差异分割模型[J]. 计算机工程与应用, 2018, 54(8): 195-200.
[15]	杨世强，弓逯琦，乔丹. 人机交互装配中手部指形轮廓信息检测方法[J]. 计算机工程与应用, 2018, 54(8): 226-230.