基于遗传算法的人工人口生成与应用研究

高精度微观人口数据是疾病传播、交通出行、应急事件等仿真系统的关键基础数据之一，现实中多采用计算机生成人工人口进行模拟。出于计算效率和生成步骤规范化考虑，目前人工人口合成多采用迭代比例拟合法，但是它对基础数据要求严格，存在零单元和数据代表性偏差问题且无法同时保证个体和家庭层面的拟合。为克服这一不足，提出使用模拟退火算法生成初始解和精英选择策略的改进遗传算法合成人工人口，探究遗传算法的合成步骤与参数设置，并以生成的成都市人工人口为基础，进行生物气溶胶扩散仿真实验。实验表明，采用遗传算法合成人工人口的精度优于传统方法，对基础数据要求低，这一数据集可为仿真研究提供精细尺度的人口多属性信息。