基于改进黑鸢搜索算法的区域学校选址优化方法及系统

AITNT
正文
推荐专利
基于改进黑鸢搜索算法的区域学校选址优化方法及系统
申请号:CN202411475407
申请日期:2024-10-22
公开号:CN119670930A
公开日期:2025-03-21
类型:发明专利
摘要
一种基于改进黑鸢搜索算法的区域学校选址优化方法及系统,该方法通过XGBoost算法建立区域学校选址优化模型,区域学校选址优化模型以学校承载压力、学生就学可达性及学校服务覆盖率组成的多目标优化函数最优为目标,并通过改进黑鸢优化算法求解区域学校选址优化模型,同时通过Sine混沌映射初始化种群、黄金正弦搜索策略及高斯扰动提升算法的搜索性能,得到改进黑鸢优化算法,从而增加种群的多样性,提升算法的全局搜索和局部优化能力。本发明不仅可以通过XGBoost算法建立区域学校选址优化模型,有效提高优化速度,而且可以通过改进黑鸢优化算法,增加种群的多样性,有效提高算法的全局搜索和局部优化能力。
技术关键词
学校 选址优化方法 搜索算法 学生 XGBoost算法 位置更新 模型超参数 XGBoost模型 核密度分析法 局部搜索策略 黄金 数据 家庭 表达式 覆盖率 学习器 数学模型 代表
添加客服微信openai178,进AITNT官方交流群
驱动智慧未来:提供一站式AI转型解决方案
沪ICP备2023015588号