1、“.....有待进步研究的内容较多将算法用于不同语义线状目标的简化和面状目标图形的简化将算法用于点状目标群的图形简化等。由于本文实验的数据量并不多，单个线状目标的节点个数并不多，还需要大量的线状目标简化实验，以便为合理设置参数提供实验依据。参考文献，，，，武芳，邓红艳基于遗传算法的线要素自动化简模型测绘学报郭庆胜，黄远林，郑春燕等空间推理与渐进式地图综合武汉武汉大学出版社，毋河海地图综合基础理论与技术方法研究北京测绘出版社，，，，我的联系方式广东省梅州市嘉应学院地理学院实验室邮编电话段海滨蚁群算法原理及其应用北京科学出版社，马良等蚁群算法优化算法北京科学出版社，李十勇蚁群算法及其应用哈尔滨哈尔滨工业大学出版社，，第作者简介郑春燕，副教授，博士，主要研究方向为空间信息智能化处理与地图制图综合，，禁忌的连接，其启发式信息为式中......”。

2、“.....为连接的矢量偏差和垂距阈值，表示节点和之间的节点个数，为节点到节点的欧氏距离。为节点可选择的连接跨越的最多的节点数，见下式为原始线状目标上节点到之间连接的长度总和，用下式表达，为节点到所间隔的节点数目表示节点到之间的距离。启发式信息的取值介于到之间，在其他值相同的情况下，个连接所能去掉的节点数目越多矢量偏差越小长度越接近原始线状目标则该连接的启发式信息越大。信息素信息素的初始值可以由节点的数目来确定，信息素更新包括信息素的蒸发和信息素的释放。信息素的释放由目标函数值来确定。信息素的初始值信息素的初始值这里设为原始线状目标上节点个数的平方根的倒数节点的个数越多，位于中间节点上的蚂蚁可选择的下个节点的数目越多，平均到个节点上概率就越小，所以相应的初始信息素应该越小......”。

3、“.....在每次迭代中，只有排列在最前的只蚂蚁和生成了至今最优路径的蚂蚁可以不是当前迭代集合中的蚂蚁才允许释放信息素。是当前求得最好解的蚂蚁所释放的信息素，表示按目标函数值在本次迭代中所求解排列第的蚂蚁在所经过的边上释放的信息素。信息素的更新与蚂蚁搜寻到的解的目标函数值密切相关。设蚂蚁所搜索的路径为，节点和的连接，其他，为蚂蚁在本次循环中搜索出的路径所对应的目标函数。长期禁忌表算法易和其他智能算法相结合，这里融入禁忌搜索算法的禁忌表，以确定蚁群在访问时，避开些非可行解，减少构建解的时间费用。长期禁忌表，即用来控制矢量偏差。在进行数据的预处理中，可以将些矢量偏差大于阈值的直线段过滤掉，禁忌所对应的两个节点和有连接。其他时当的值取时，表示节点和可以存在连接当的值为时，就说明节点和的连接被禁忌......”。

4、“.....避免在非可行解上浪费时间。在线状目标的简化中运用局部搜索策略，主要是为了协调约束条件和的矛盾，在顾及几何精度的情况下满足开方根规律，使蚂蚁构建的解向好的质量方面发展。在几何精度和开方根规律产生冲突时，首先满足几何精度要求，并在几何精度允许的情况下应该尽可能减少节点的数目。步骤如下从当前的路径，依的情况下，线状目标简化后的图形差别并不大，能基本满足线状目标简化的要求。与经典的道格拉斯算法相比，简化效果差不多，保留了重要特征点。般情况下，信息素的蒸发率的设置要适当考虑蚂蚁的数量。蚂蚁数量大，可以相应小点蚂蚁数量小，可相应大些，但不宜超过。多个线状目标的简化以武汉测绘科技大学年出版的教学用图的区域比例尺为原始地图如图所示，分别用算法和道格拉斯算法对图中条小路进行了简化。图为红色椭圆所标注的号小路简化结果，垂距阈值为米......”。

5、“.....虚线为道格拉斯算法所得，重叠部分为实线，小圆点为原始线状目标上的节点。原始地图号小路的简化结果图多条线状目标的简化表列出了垂距阈值为米简化的实验结果，算法所选用的参数为表中的参考取值。表中为线状目标标识号，为原始线状目标的长度，为算法简化后的长度，为道格拉斯算法简化后的长度，为原始线状目标节点个数，为算法简化后保留的节点数，为道格拉斯算法简化后保留的节点数。长度单位为米，表中未列出的均为完全相同的结果。表线状目标简化后的结果对比在本实验中，条小路经算法和道格拉斯算法分别简化后，发现算法与道格拉斯算法简化线状目标所得结果接近，都能较有效的逼近原线状目标，如图所示。由于算法在目标函数里将长度偏差作为个重要评价指标，大多数情况较长，但有时也要以保留更多的节点为代价。算法比道格拉斯算法所花时间费用多。分别基于米米米米的垂距阈值进行了实验......”。

6、“.....算法所用的时间大约是道格拉斯算法所用的至倍。算法较易扩展。通过增加约束条件和禁忌条件，修改目标函数启发式信息等，可以满足线状目标简化的新要求。结束语算法是种随机搜索的仿生类群智能算法，具有较强的鲁棒性正反馈机制适应性强易于与其他方法相结合等特性，虽然运算速度不及非优化算法如道格拉斯算法，但与遗传算法模拟退火算法等其他元启发式算法相比，收敛速度更快而且所得解的质量更优。本文提出的简化线状目标的算法模型易于扩展，通过设定约束条件启发式信息信息素更新方式禁忌条件等，不仅能保留线状目标上的几何重要特征点，还能用于保留重要的人文约束点如道路上的取三个所保留的节点，计算去掉中间节点后，连接，的矢量偏差，。将所求的矢量偏差按从小到大的顺序排列，若最小的矢量偏差大于阈值则转步骤反之，则删除最小矢量偏差所对应的节点，同时删除连接......”。

7、“.....若选取的节点个数还未满足开方根规律，返回步骤。在满足开方根规律后，比较每删除个节点后的目标函数值，取局部搜索中所获得的最优解。运算步骤蚁群算法用于线状目标简化，流程比较简单。初始化所需的数据和参数。以个线状目标为图形单元，计算出各种几何度量，线长不同连接的矢量偏差等，为蚂蚁的数目信息素信息素蒸发率等参数设定初始值，并求出长期禁忌表和候选列表中的元素。蚂蚁搜索路径时有两种可能的出发点首端点或末端点，每次出发前蚂蚁都随机选择首端点或末端点。构建解。用只蚂蚁遍历遍线状目标上的节点，获得个解。局部搜索。当蚂蚁完成了路径构建后，使用局部搜索可以进步优化解。计算目标函数值，完成信息素的更新。若不满足终止条件终止条件主要指解已经达到最优迭代次数达到最大值算法陷入停滞状态等，转步骤否则结束运算，输出最优解......”。

8、“.....并根据多次实验总结出来的，表列出了些参数的设置范围。表参数取值记号参数名或意义取值范围参考取值确定信息素和启发式信息的相对影响蚂蚁数量伪随机比例规则中所用的参数信息素蒸发率垂距阈值最大迭代次数至今未改善最好解的次数矢量偏差的权重值长度偏差的权重值单个线状目标的简化在平台上基于编写了利用该算法简化线状目标的代码，并代入不同的参数进行了测试。图中细线为实验中的条原始线状目标，节点数为，原始地图比例尺分母为，目标地图比例尺分母为，原始线状目标的长度为米。图中粗线为利用道格拉斯法算法简化的结果垂距阈值为米，简化后长度为米，保留节点的数目为。图道格拉斯算法的简化结果由于算法具有随机性，不同参数条件下所得的结果会存在些差异，图显示了基于不同参数垂距阈值为米，迭代次数，蚂蚁数量分别为......”。

9、“.....分别用黑蓝红三种实线表示，重叠的部分为黑线。保留节点个数为，简化后的长度分别为米米米。图基于算法的简化结果通过设定不同的参数，利用算法简化线状目标，由多次实验知所得解具有多样性。当减少的节点数目比较多时，参数的设置对运算结果有定影响。蚂蚁的数量与节点的数目和垂距阈值有些关联，可以交互指定参数值，程序默认值为由开方根规律计算出的节点的个数。蚁群在垂距阈值相同其他参数存在差资助梅州市科技局嘉应学院联合资助嘉应学院地理科学重点扶持学科方向资助。变换的地图综合问题，而且搜索效率相对较高，寻找最优解的收敛时间相对要短即迭代次数少。本文将用算法的工作原理描述线状目标的简化，并在分析线状目标简化过程中所需的约束条件的基础上，建立线状目标简化的模型。多约束条件下线状目标简化的问题描述线状目标简化的目的是用最少的节点模拟线状目标的几何特征......”。