魏先民

（潍坊学院 计算机与通信工程学院，山东 潍坊 261061）

基于蚁群算法的森林有害生物决策与预测研究

魏先民

（潍坊学院 计算机与通信工程学院，山东 潍坊 261061）

近年来，森林传染病，尤其是由外来有害生物引起的如松林松材线虫等疾病对我国森林资源的危害日趋严重。如何对森林传染病的发展进行科学预测、实施有效控制的问题已经受到科学工作者们的普遍关注。介绍了蚁群算法的求解问题，分析了当前森林有害生物累计发生、重复发生、新发生及同种类新发生等不同类型的数据，从而提出基于蚁群算法的森林有害生物决策与预测。

森林有害生物；蚁群算法；决策；预测

由于全球气候逐渐变暖，导致许多自然灾害频繁发生。尤其各国经济往来日益频繁，使得生物之间的传染病高频率发生，而且这种发病率持续增高，传播的趋势还在不断的上升，这就使得我国的森林病虫的形式变得异常严峻起来。在近段时间里，面积超过了8.5×106hm2，这是一个相当高的数据，造成了很大大约有875亿元的经济损失。而且对松材的病疫在直线上升，只是相应的扩展趋势被降低下来。我国的0.36 hm2的黄山以及其他森林都深受其害，受到了严重的威胁。出现在北京郊区的美国白蛾，就对前期我国绿色奥运的成功举办造成了一定的危害。在海南，椰心叶的扩散也是很严重的，它会直接影响到农民的日常农忙生活，而且除此之外，海南经济支柱项目旅游业，也因此受到了很大的影响以及相应的损失[1]。一些类似于紫茎泽兰以及薇甘菊的植物在西南以及华南地区长得很快，形成了相对独立的群体，他们会排斥其他生物的生长。当然这就对生物的多样性造成了很大的影响；而且在新疆以及西藏等地区频频出现疫情，对西北森林的发展带来隐患；同样，对于西北地区森林鼠(兔)的发展也十分堪忧，这对实施一些计划造成了很大的威胁，最为明显的就是退更还林，还会对，当地居民的正常生活以及整个区域的经济以及社会的发展造成影响。而且，这种有害的生物的数量一直攀升，间接影响了经济利益，影响到进一步发展的方向。另外，例如灌木林和荒漠植被、天然次生林上的虫害问题变得尤为突出，这些已经无法保护森林、稀缺的物种，对上述生物的生存带来了很大的威胁[2]。目前所面临的问题十分严峻，需要强烈的责任感以及紧迫感。因此，重视并采用一些相关的措施防止病虫害问题的发生变得尤为重要，且应尽快执行。

20世纪的90年代，意大利学者Colorni等人就提出关于蚁群算法(ant colony algorithm)的概念，他模仿了自然界中蚂蚁寻找路径的行为，通过这种方法演算出的一种相关的算法。从目前相关发表的论文分析，来自东北大学的徐心和教授以及张纪会博士，是最早进行蚁群算法研究的学者[3]。

阻碍林业科持续发展的原因，除了人为因素、森林火灾之外，还有其他很多原因，例如森林的有害生物就，是其中之一。它所造成的损失是所有的因素中最为明显也是最严重的。根据报道统计，由于森林的有害生物导致的损失，已经超过870亿元，而其中最直接的经济损失，达到了195亿元，由于生态的原因，造成了729亿元的损失。上述数据说明，森林的有害生物所造成的灾害，是森林火灾的200多倍[4]，其影响十分严重。而森林有害生物最多的，在我国的广西省，在90年代期间，广西省森林有害生物就达到了每平米大约20万hm2，直接损失达到了2亿元，相对应的生态服务的损失超过25亿元左右。因此可见，有害生物就是森林生态建设的一个很重要的影响因素，必须要采取一些措施避免这种现象的产生[5]。

1 森林有害生物决策概述

1.1 森林有害生物产生原因

随着全球性气候变暖，一些喜温偏阳性害虫生长速率加快，存活率提高，造成原本就脆弱的森林生态系统中的食物链失衡，是森林害虫发生的主导因素，加之因某些区域对其防治不够彻底，使之存留大量虫口，导致森林病虫害发生面积仍居高不下。

随着林业5大工程全面实施和各地林业经济结构的调整，造林面积大幅度增加，据统计仅2010年全国造林面积就达590万公顷，林木幼龄阶段生态系统脆弱，缺乏生物多样化，容易受病虫侵染，因此，病虫发生面积随之增加[10]。

检测手断落后是现在存在的最大的问题。目前，全国对森林病虫害的监测主要采取人工地面调查，对于地势相对平坦，交通比较便利的林地尚可以通过灯诱、性诱等方法进行监测，及时掌握森林病虫害发生情况和发展趋势。但对于远离人烟，山高林密的地方，人工调查无力涉及，成了监测死角[11]。这些地方病虫害发生，被发现时往往就是大面积的、爆发性的。

1.2 森林有害生物决策的内涵及概念

森林害虫预测预报是根据森林害虫发生发展规律以及指示作物的物候、林木的长势以及当地的气候等环境条件进行全面系统分析，预测森林害虫的发生期、发生量、发生范围、对树木危害的程度、对未来种群的消长趋势以及是否需要防治，能够做出正确的判断，并及时提供虫情报告[12-13]。这里提到的森林害虫发生规律，是在掌握森林害虫生态学、生物学、生理学的基础上，观察研究森林害虫自身遗传特征(比如生长发育、雌雄性比、繁殖率、存活率、种群的结构与演变规律等)与外界生态环境影响因素(比如树木的长势、食物丰欠、气候优劣、天敌多少等)，从而对未来森林害虫种群的发生发展状况做出正确判断。

1.3 蚁群算法对有害生物决策中的作用

正因为检测手断落后是现在存在的最大的问题，而检测手段中最主要的问题在于，检测的速度和精确度不够。所以本研究就这个问题展开讨论，引进蚁群算法，并且加以改进，应用于森林有害生物决策系统。

2 蚁群算法基本原理

蚁群算法主要分为2个阶段：协作以及适应的阶段。所谓的适应阶段，就是指答案要根据不同的信息来调节，使研究结果能更加的符合实际情况；协作阶段指的就是通过不断的交流，能够得到更符合形式的解，即所谓的学习机制[6]。通过TSP问题的求解方法处理蚁群算法的基本原理，根据这样的对比，原理会显得比较易懂。

可以把M={ c1, c2,…,cn}当做是n个城市汇总的集合，L={Lij| ci，cj⊂ M}是M中的所有两个城市之间相连的集合，dii(i，j=1,2…,n)就是Lij的Euclidean距离的长短，G=(M，L)就是一个矢量图[7]。本研究所进行的TSP问题即是要计算出矢量图G的距离最短的Hamilton圈。

将蚂蚁运动的轨迹用一个常数表示，即信息素的强度Q。如果集合C中有很多的元素，那么相应的Q也就要发生相应的变化，而且信息素的强度Q也会由之前的常数变化为一个类似于阶梯的函数，因此可以不断地动态改变信息素，通过这样的一个过程，可以寻求到一个最优解。学者吴斌，通过对蚁群算法进行不断的优化，在周游期间，通过对两只不同的蚂蚁分头寻找，最后在途中碰头的方法，这样从某种程度上可以改善蚂蚁周游的质量水平[8]。

如果蚂蚁很多或是在集合C中有很多的元素，在这种情况下，如果挥发系数ρ很大，算法的搜索能力就会相应的降低；相应的，如果将其减少，那么算法能力将不断变大，但是速度就会减慢[5]。因此，可以改变ρ值的大小，并采用一些可以控制的方法或者策略，将其变换成为阈值的函数：

在蚁群算法的初期，并没有一个很全面的信息，计算的速度也相对较慢；但是遗传算法拥有较强的搜索能力，但是却无法改变无法反馈信息的现状。所以研究考虑是否可以将蚁群算法和遗传算法进行有效的结合，由于遗传生成的信息素分布，并用蚁群算法进行比较精确的求解，就可以避免不足，却都获得了各自算法的优势[9]。如果把逆转变异的算法加入到蚁群算法中，就可以解决因为时间太长而无法计算出精确的数字，就将提高计算速度与相关的准确率。

根据目前所获悉的研究，并没有更多关于蚁群算法的证明出现。只有Thomas以及孙焘等人对他们的收敛性进行了一些相关的讨论。这个算法的收敛性的理论是蚁群算法中的一个重点。

3 决策系统的研究与设计

3.1 系统总体功能的设计

蚁群系统,最早期作用生物学家展现昆虫之间进行交互工作的“昆虫自组织模式”。它是一个具有较多功能的应用系统，基于它我们设计了一个森林有害生物系统。分别由下述4个方面组成：用户的界面、系统的数据库、系统的平台、功能的模块。系统数据库是所有程序的基础环节，它包含了空间的数据库以及属性的数据库，这样就会从很多方面对提供相关的数据支持。所谓空间数据，就是在蚁群算法的基础上，进行一些深层次的图形或是数据的开发与管理，这里所表示的属性数据，就是通过数据库来不断的维护或是管理数据，这样可以跟蚁群算法相结合，建立起一个好的链接，这样就会得到系统的分析以及计算、运行的支持。Arcview平台是蚁群算法系统所使用的平台，它具有图形以及数据的优势，因为这些特点都很明显。页面设计很简单，也很美观大方。另外研究设计了菜单以及工具栏等等。该处的功能模块主要是根据数据的维护、管理标本、汇总、查询或是制作相关的专题图、预测预报、在线帮助采集、输出报表九个大的方面，每个方面都分别有着不同的功能[14]。

图1 系统总体功能设计Fig.1 The design of the overall system function

3.2 蚁群算法在决策系统中的应用

根据实际情况，确定整个决策流程为：

首先，将改进蚁群算法需要的参数输入，其中k为蚂蚁的数量；v0为收敛速度；r和s为搜索目标森林区域的最远距离的坐标；C为循环次数；β为遗忘因子。然后，使用改进蚁群算法得到蚂蚁集中区域，则该区域确认为有害生物区域，再对该区域进行分类排查，得到森林有害生物的决策。

通过求解平面中进行N个森林区域的地图问题(0，1，…，n-1表示区域序号)的蚁群系统模型。进行蚂蚁实际运动轨迹的检测，下述进行记号阐述：设m为蚁群里蚂蚁总量，dij(i，j=1，2，…，n)指区域i以及j距离，bi(t)指t时刻在城市i的蚂蚁的数量。τij(t)指 t时刻位于 I、j两个区域连线中的余下信息量。起点时间，每个路径中信息量一样，设τij(0)=C(C是常数)。蚂蚁k(k=1,2,…,m)通过运动过程期间，按照每个路径中的信息量进行转移方向的决定，pijk(t)指在t时刻蚂蚁k通过位置i象位置j进行转移的概率，

显然，allowedk={0,1,…,n-1}-tabuk指k后期可以选取的区域。伴随时间的推移，之前残留的信息不断消失不见，用参数1-ρ显示信息消失的程度，在n个时刻后，每条路径中的信息量需按照下式做出变化：

τij指通过本次循环，路径中信息量的增加量，指第k只蚂蚁通过本次循环，残留于路径i、j中的信息量。

另外，Q指总信息量，Lk指第k只蚂蚁通过此次循环，需要经历的路径长度。初始时间中，τij(0)=C(常数 )，τij=0(i,j=0,1,…,n-1)。α，β 表示的是蚂蚁通过云端过程里累计的信息和启发式因子处于蚂蚁选取的路径里带来的影响。按照具体算法存在的差异，ηij显示出城市i向城市j转移的期望程度，则能按照某项启发式算法进行确定。

系统中根据以上蚁群算法得出的决策是蚂蚁集中区域为有害生物危险区域。确定区域后，再使用本系统，对森林有害生物进行诊断，最终得到森林有害生物的决策和预测。

3.3 决策系统功能的设计

决策系统的主要功能就是实现对森林有害生物的远程管理以及相关的诊断。这个系统主要由5个子系统构成，分别是：森林有害生物的诊断专家的子系统、系统维护的子系统以及系统管理的子系统，数据管理的子系统、决策咨询的子系统。

3.3.1 数据管理的子系统

所谓的数据管理的子系统，主要有以下几个方面构成：查询空间信息以及管理专题图、操作地图3个子模块。

空间数据会提供一些图形以及浏览一些数据，还可以将表格形象的标示出来，还提供一些相关的操作，像是选择、漫游、打印等等几个方面。但是在该系统中，因为业务都是服务型的，所以要针对某一个区域，去完成一定的工作。但是如果每个过程都含有地区的字段，那么它就会符合国家的相关标准和要求，而且相关性能很好，都可以达到一定的要求。除此之外，与图形的结合都可以很清晰的表现我们要表达的效果。除此之外，还可以将这些结果做成一个专题图，这样的效果更加的直观。

操作地图的模块的主要功能有以下几个方面：

缩小地图：只要点击地图，就可以变小，这样所看到的空间就会变大；

移动地图：只要点击地图不放开，这样就可以看到其他地区以外的地方，这样视野就会变大；

中心放大：只要按下按钮，以这个点为中心的区域就会被放大；

显示全景：可以看到全部的景色；

还原状态：按下按钮之后，可以看到最初始的状态；

放大地图：只要按下按钮，可以放大地图，看到想要看到的地方；

中心缩小：只要按下按钮，地图就会根据一定的比例缩小；

图层控制：按下对号和叉号，可以看到相关资料是否可以查询或是是否可以显示。

3.3.2 决策咨询的子系统

运用分布的地区或是中文的名称以及寄主的名称这些方面对工作进行相关的咨询[11-12]。像可以查找的就有：生活的习性、异名、图片的不同分布、寄主、危害的状况、需要鉴别的特征、中文的名称、分类的地位、传播的途径、检疫的方法，因此所要进行除害的处理就包括了以下几个方面：检疫产品，室内检疫，等等情况，都可以根据这些信息把所获得的一些资料进行相关的分类。分类的方式可以是分布的地区、危害的症状、传播的途径等这类的信息。

3.3.3 森林的有害生物诊断子系统

森林有害生物决策子系统包括导入区域坐标和决策实现两个功能。

导入区域坐标，指的是将通过本系统蚁群算法计算获得的坐标导入系统。

决策实现，指的是通过导入的坐标，对照数据库中的相关资料，对该坐标区域，进行详细的排查，最后得出决策结果，即改区域森林有害生物种类。

3.3.4 有关系统维护的子系统

系统维护的子系统主要指的就是森林有害生物的维护以及诊断和相关的维护两部分。

信息维护，指的是实现森林有害生物信息的修改以及删除或是添加等等的数据的变动，它主要由六大模块构成：

(1)维护森林有害生物的信息库

①改换森林有害生物的信息库；

②为森林有害生物的信息库做相关的备份；

③删除有关森林有害生物的信息库的内容；

④修改森林有害生物的信息库结构；

(2)加入森林有害生物的相关图片：

(3)删除与森林有害生物有关信息：

(4)增加与森林有害生物有关的信息；

(5)改变森林有害生物的相关信息；

(6)删除与森林有害生物有关的图片。

判断不同的模块的功能，这些主要就是判断相关的功能的添加以及删除等等类似的变更工作。这主要分为以下四大模块：

(1)维护相关的森林有害生物并且诊断这些系统：

①给森林有害生物的数据库做一份备份；

②删除一些无用的森林有害生物的数据库；

③改变一些好的森林有害生物的数据库；

④给一些森林有害生物的数据库更改错误；

(2)删除一些不好的森林有害生物的相关特点；

(3)增加森林有害生物的一些相关特征；

(4)改变森林有害生物的一些相关特征。

3.3.5 系统管理的子系统

系统管理的子系统主要包含协助系统和管理系统两个方面。

管理系统包含以下内容：

设置系统的参数：对系统中的一些参数进行修改，这样就可以改变相关的信息。例如更改用户守则或是限制使用权限等等。如果要更改相关的参数的形式，那么就要控制不同的运行方式，包括不让一些用户使用一些特定的功能，加强安全性，这样就会提高工作效率[14]。相关的管理方法，主要有以下几个方面：

管理用户：可以管理用户，并且分配他们的权限。可以根据不同的策略，对用户不同的行为进行帮助或是进行相关的协助。要通过各个途径，保护用户的安全性，这是系统安全的一个重要的保证。

管理以及诊断：根据不同的功能进行相关的改进，管理员要根据用户的不同信息进行分析[14]，再将处理好的数据上传，通过这样的方法，把这些数据传送给专家，等专家将这些信息统计好之后，就可以他们交给用户[15]。

维护数据：可以把数据进行更新、录入或是备份等操作，并建立访问日志，这样就可以了解不同的数据，根据不同的数据进行分析，从而得到一个一般性的结论。

协助系统主要包括以下几个方面：

系统的使用帮助：通常指的是使用方法以及相应的操作方式。

系统的相关说明：通过建立一些信息来改善森林有害生物远程支持技术。

联系工作人员果在使用过程中，用户有任何的问题，都可以通过邮件跟工作人员联系。

3.4 模型服务

该系统并不能预测模型的功能，但是会集合许多模型，把他们结合在一起从而为用户提供相关的服务[15-16]。这个模型由两部分组成，一个是数据，而另外一个就是这个系统。每个系统中的模型都需要自己定制，或是通过绑定运行，这是因为数据和服务本身就是一个集合，要提供这种功能。如果这个模型不能使用其他的一些数据，这就说明系统没有一个很好的普遍适用性。模型中的数据都是由林业中有害生物提供的数据，这些数据具有一定的代表性。在查询一定的业务的时候，这些服务可以独立运行而不与其他数据进行绑定[17-19]，这种服务也是有一定的普遍性。但是重点是，模型中的数据都是一些输入或是输出的数据，它们之间存在着一些误差，要使用统一的模型来实现。在这个数据库中，要使用GML的格式将一些格式进行相关的转化，这样就可以实现数据的识别以及相关的转换和运行了。

4 预测与判断的结果

某次森林有害生物搜索实例，在第120次循环时刻，蚂蚁的分布分别如图2所示。由图可以看出，蚂蚁逐渐向全局最优点附近转移。

图2 有害生物搜索第120次循环Fig.2 The 120th searching cycles for pests

根据图2得出的结果，获得森林有害生物危险区域坐标（0，0），然后对其分类排查，得到森林有害生物的分析。最后将得到的坐标输入森林有害生物诊断子系统，经过系统排查，最后得到决策结果为该区域有害生物为美国白蛾。

5 总 结

本研究对蚁群算法进行研究，基于森林有害生物的现状，将蚁群算法融入森林有害生物决策系统，并且进行实际数据测试，主要是通过改进的蚁群算法，对森林有害生物进行搜索定位，从而达到有害生物的预测。本课题的最终研究目的是为了防止森林病虫害，这些研究都是为了解决林业的病虫害问题，并且建造一个有效的预测方式，只有把这些问题有效的解决掉，才能从本质上解决这个问题。

[1] 秦 军,付珍珍,王小丽.基于蚁群的AdHoc网络分簇路由算法[J].计算机技术与发展，2012, 22(1):72-75.

[2] 马登武,张勇亮,姚成柱,等.基于蚁群算法的飞机定检原位工作流程优化[J].计算机技术与发展，2012, 22(1):147-151.

[3] 陈一昭,姜麟,蚁群算法参数分析[J].科学技术与工程，2011, 11(36):9080-9084.

[4] 肖宏峰,谭冠政.基于遗传算法的混合蚁群算法[J].计算机工程与应用，2008, 44(16):42-45.

[5] 刘喜恩.用于连续空间寻优的一种蚁群算法[J].计算机应用，2009, 10:2744-2747.

[6] 杨 佳,许 强,张金荣,等.一种新的量子蚁群优化算法[J].中山大学学报（自然科学版），2009, 3:22-27.

[7] 齐 鑫,林文彬.一种基于多样化个体的蚁群系统[J].信息化研究，2011, 6:41-44.

[8] 邢娅浪,何 鑫,孙世宇.基于改进蚁群算法的模糊控制器优化设计[J].计算机仿真，2012, 1:131-134.

[9] 刘瑞杰,胡小兵.基于动态调节信息素增量的蚁群算法[J].计算机应用研究，2012, 29(1):135-136.

[10] 黄 亮,刘 忠,曲 毅,等.基于简单蚁群算法的载荷安装误差补偿研究[J].系统仿真学报，2011, 1.

[11] 钟志兵.森林有害生物的防治策略[J].科技与生活，2011,20: 208-208.

[12] 邢树青,范玉明.美国林业生物预警防治研究[J].农村实用科技信息，2011, 8:60-60.

[13] 王 蕾，张淑丽.生物多样性与森林有害生物可持续控制策略[J].中国高新技术企业，2008, 18:170-170.

[14] 孙迎辉.努力实现森林有害生物的可持续控制[J].中国林业，2009, 12:40-40.

[15] 刘 刚.中国林科院生物防治松材线虫病新技术研究取得重要突破[J].北京农业：实用技术，2010, 3:54-54.

[16] 于宝生,田淑艳.森林有害生物无公害防治对策[J].黑龙江环境通报，2008, 1:11-12.

[17] 李 刚,邵利克,门树海,等.调整针叶纯林林分结构控制森林有害生物危害[J].辽宁林业科技，2010, 6.

[18] 李 倩，刘 霁.基于蚁群算法的工程项目资源受限施工进度优化[J].中南林业科技大学学报，2011,31(8):147-151.

[19] 易雪玲,邓志高.控制森林减少的环境政策效应分析[J].中南林业科技大学学报，2009,29(6):132-135.

Forest pest decision-making based on ant colony algorithm and prediction

WEI Xian-min
(School of Computer and Communication Engineering, Weifang University, Weifang 261061, Shandong, China)

∶ In recent years, forest infectious diseases, especially caused by exotic pests such as pine, pine wood and other diseases have became more serious harm to China’s forest resources. How to make the scientific prediction of the development of the forest of infectious diseases, the implementation of effective control of the problem has been catholically concerned by scientific workers. The prediction of forest pest decision-making based on ant colony algorithm was introduced. The current forest pest cumulative, recurring,new and new onset of the same kind of different types of data were investigated and analyzed, and thus proposing the decision-making and prediction of forest pest researches based on ant colony algorithm.

∶ forest pests; ant colony algorithm; decision-making; forecast

S763

A

1673-923X(2012)06-0055-06

2012-01-17

山东省自然科学基金(ZR2011FL006)

魏先民(1969—)，男， 山东临朐人，硕士，副教授，主要研究方向为计算机控制技术

本研究介绍相关的蚁群算法的原理，并根据这个算法研究最新的领域，并且进行相关的修改，使它在应用中得到更为广泛的共识。通过相关问题的不断的改善，将对今后的研究方向以及成果进行展望。

[ 本文编校：文凤鸣 ]