| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-14页 |
| 1.1 研究的背景和意义 | 第9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.2.1 人工蜂群算法研究 | 第9-10页 |
| 1.2.2 土地利用问题研究 | 第10-11页 |
| 1.3 本文的主要工作和关键问题 | 第11-12页 |
| 1.3.1 研究目标 | 第11页 |
| 1.3.2 主要研究内容 | 第11-12页 |
| 1.3.3 关键问题 | 第12页 |
| 1.4 文章结构 | 第12-14页 |
| 2 基本人工蜂群算法 | 第14-18页 |
| 2.1 人工蜂群算法起源 | 第14页 |
| 2.2 人工蜂群算法基本模型 | 第14页 |
| 2.3 人工蜂群算法基本流程 | 第14-16页 |
| 2.4 人工蜂群算法的特点 | 第16-17页 |
| 2.5 改进的全局人工蜂群算法 | 第17页 |
| 2.6 本章小结 | 第17-18页 |
| 3 基于劣值突变策略的混合人工蜂群算法(MHABC算法) | 第18-28页 |
| 3.1 劣值突变方法 | 第18页 |
| 3.2 二项交叉操作 | 第18-19页 |
| 3.3 基于劣解突变和二项交叉操作的混合人工蜂群算法 | 第19-20页 |
| 3.4 人工蜂群算法改进仿真实验与分析 | 第20-26页 |
| 3.4.1 标准测试函数 | 第20-21页 |
| 3.4.2 实验数据与分析 | 第21-22页 |
| 3.4.3 收敛性分析 | 第22-26页 |
| 3.5 与遗传算法(GA)、粒子群算法(PSO)的结果比较 | 第26页 |
| 3.6 本章小结 | 第26-28页 |
| 4 基于改进人工蜂群算法的优化预测算法的设计与实现 | 第28-33页 |
| 4.1 ABC算法搜索策略分析 | 第28页 |
| 4.2 ABC算法的参数设置 | 第28-29页 |
| 4.3 MHABC优化预测算法的设计 | 第29页 |
| 4.4 MHABC优化预测算法的优化过程 | 第29-31页 |
| 4.4.1 劣值突变策略与二项交叉操作策略的引入 | 第29-30页 |
| 4.4.2 具体优化过程 | 第30-31页 |
| 4.5 MHABC优化预测算法的具体实现步骤 | 第31页 |
| 4.6 本章小结 | 第31-33页 |
| 5 实例验证 | 第33-43页 |
| 5.1 实验地区的选择 | 第33-37页 |
| 5.1.1 实例地区的基本情况 | 第33-34页 |
| 5.1.2 邓州市路网数据 | 第34页 |
| 5.1.3 邓州市城市土地利用类型图 | 第34-37页 |
| 5.2 实验数据获取和处理 | 第37页 |
| 5.3 预测实验过程 | 第37-39页 |
| 5.4 实验结果对比分析 | 第39-42页 |
| 5.4.1 主观对比分析 | 第39-41页 |
| 5.4.2 客观特征分析 | 第41页 |
| 5.4.3 与PSO-CA模型的模拟结果对比 | 第41-42页 |
| 5.5 本章小结 | 第42-43页 |
| 6 结论与展望 | 第43-45页 |
| 6.1 主要工作与结论 | 第43页 |
| 6.2 存在的不足 | 第43页 |
| 6.3 下一步工作展望 | 第43-45页 |
| 参考文献 | 第45-47页 |
| 致谢 | 第47-48页 |
| 攻读学位期间的科研成果 | 第48-49页 |
| 附录 | 第49-63页 |
