张申利，王海起，龚 安

ZHANG Shenli1,WANG Haiqi2,GONG An1

1.中国石油大学（华东）计算机与通信工程学院，山东 青岛266580

2.中国石油大学（华东）地球科学与技术学院，山东 青岛266580

1.School of Computer and Communication Engineering,China University of Petroleum（East China）,Qingdao,Shandong 266580,China

2.School of Earth Science and Technology,China University of Petroleum（East China）,Qingdao,Shandong 266580,China

1 引言

空间选址是指在一定地理区域内为一个或多个选址对象选定位置，使某一指标或综合指标达到最优的过程[1-2]。空间选址的影响因素非常多，不同的选址对象关注的重点会有所差异，但都会涉及到容量、区位特征、作用范围三大因素[2]。

空间选址优化问题涉及复杂的非线性组合优化问题，采用传统方法会涉及到无穷多的组合问题，计算量大，几乎不可能实现，因此寻找一种有效的方法十分重要。近年来，智能优化算法由于可以极大提高空间搜索的能力而越来越被人们关注，主要包括遗传算法（Genetic Algorithm，GA）、蚁群算法（Ant Colony Optimization，ACO）、粒子群优化算法（Particle Swarm Optimization，PSO）、人工蜂群算法（Artificial Bee Colony algorithm，ABC）等[3-8]。文献[4]采用GA 来解决空间选址问题，文献[5]采用优于GA 的PSO 进行空间选址，并取得良好的效果。而ABC 算法比PSO 展现出更强的适应性[9-12]，具有全局搜索能力强，可调参数少等特点，且有深刻的群智能背景，特别适合科学研究和工程应用。

文献[13]对ABC 算法与PSO、差分进化算法等进行了比较，确定了其优越性；文献[9，14-16]描述了ABC 算法的性能，用Benchmark函数进行了相关实验，并与其他智能优化算法进行了比较，取得了较优的效果；文献[17]把ABC 运用在带有限制条件的优化问题中，并验证了其效果的优越性。空间优化选址优劣的标准是适应度函数值的大小，其实质是结合空间信息的函数优化问题，所以上述研究为空间优化选址中的ABC 算法提供了依据。……