遗传算法及其在GOMS模型反演中的应用效果分析

几何光学交互遮蔽模型 (GOMS)是一种重要的遥感前向模型 ,它较好解释了“热点”现象 ,具有较强的前向模拟能力。但由于其固有的非线性性 ,给反演带来困难。本文尝试采用近年来兴起的并行随机全局寻优算法 遗传算法对GOMS进行反演 ,并针对传统遗传算法的不足进行了改进。在使用相同先验知识的条件下 ,将该算法与目前最有效的约束非线性最优化确定性搜索算法 逐步二次规划法对GOMS模型的反演效果进行了比较 ,结果表明 ,逐步二次规划法搜索效率较高 ,但结果受初值的影响很大 ,初值选择不当 ,易收敛于局部最优解 ,而遗传算法具有全局最优的收敛效果 ,但局部搜索效率较差。在某些对精度要求不高 ,而对搜索效率要求较高的场合 ,可以采用遗传算法与确定性搜索算法相结合的混合遗传算法 ,以提高算法的搜索效率 ,获得较为满意的效果。