參數設定與解算

依據前節所述之流程由遺傳演算法所求之染色體，經解碼為實體變數後

代入三參數轉換，將圖解地籍圖上選定套疊現況的點或線改算為轉換後的坐 標後，併同同樣位於假設坐標下的現況點及其餘條件，計算由 22 式所述之目 標值。根據上述所言，為配合遺傳演算法參數設定，以下將針對有關地籍圖 套圖的目標函數運算、染色體運算及三參數坐標轉換運算等三個部分做更深 入的探討：

1. 目標函數運算

由於套圖的起始值是以 TWD97 近似轉換成果或者利用最小二乘平 差的初始成果，來進行後續最佳化的計算，因此仍有相當程度的改變，

導致 22 式各子目標雖經正規化後，仍有相當大的差異，因此為避免非 預期的狀況發生，各子目標的權重，應該就建立之套圖限制條件預估 該子目標最大改善值，並以此決定子目標間的權重，使得該目標正規 化值乘以權重後，可以正確反應其重要性，因此

5min 6min

1min 2min

1 2 5 6

1 2 5 6

... G G (23

G G

w w w w

g g g g

        )

一般而言上式可以處理大部分套圖的情形，但對於套圖結果較差 的狀況，則可依實際的情形改變各目標的重要性，例如當該圖幅缺乏 可靠界址點 G1，而且現況點 G2 少時，可提高圖幅接合條件 w4 之權重，

以增強套圖可靠性，當然我們仍可利用遺傳演算法搜尋各單一子目標 的最佳值，作為分析判斷依據。

以下利用圖解地籍圖與現況套疊關係示意圖，來說明 G1~G4 各子 目標計算的方式。

圖21 圖解地籍圖套疊關係示意圖

 

 

旋轉量可設為±1375 秒(=50/7500*206265) ，考慮遺傳演算法搜尋範圍 以 255(=28 -1)區段進行，則平移量精度為 0.392 公分(=100/255)，旋 轉量精度為 10.78 秒(=2750/255)，所以我們最後將遺傳演算法的限制 條件定義如下：

i

表 6 遺傳演算法參數訓練結果表

測試模式 第 1 次測

試目標 函數值

第 2 次測 試目標 函數值

第 3 測試 次目標 族群大 函數值

小 位元數 交配機 率

交配方 式

突變方 式

突變機 率

125 30 0.8 雙點 雙點 0.6 0.59 0.59 0.59 64 24 0.8 多點 雙點 0.1 0.73 0.68 0.73 64 24 0.8 雙點 雙點 0.1 0.73 0.73 0.69 64 24 0.8 雙點 雙點 0.6 0.6 0.6 0.6 30 24 0.8 雙點 雙點 0.6 0.6 0.6 0.6

圖22 圖解地籍圖以遺傳演算法套合現況目標函數折線圖(族群數量 64 個)

圖23 圖解地籍圖以遺傳演算法套合現況目標函數折線圖(族群數量 30 個)

圖24 圖解地籍圖以遺傳演算法套合現況目標函數折線圖(族群數量 125 個)

以遺傳演算法套合多圖幅與現況目標函數值折線圖(族群數量250個)

3.3 3.35 3.4 3.45 3.5 3.55 3.6 3.65 3.7 3.75

1 500 999

代數 目

標 函 數 值

第1次雙點交配-突變機率0.6 第2次雙點交配-突變機率0.6 第3次雙點交配-突變機率0.6

圖25 以遺傳演算法套合多圖幅與現況目標函數折線圖(族群數量 250 個)

圖26 收斂方式示意圖

演化代數

500 代 1000 代

演化開始 演化結束

改變最佳解時代數

500 代