城市土地利用时空优化_项前，张雷，刘彪著_9787112206612

　　在现有的城市土地利用优化研究中，优化模型往往注重数量结构优化而忽视空间结构优化，注重经济效益而忽视社会效益和生态效益。更重要的是，土地利用优化是一个随时间变化的循序渐进的过程，而现有优化模型缺乏对优化过程中时间序列的考虑。因此，针对上述问题，在总结现有研究成果的基础上，项前、张雷、刘彪著的《城市土地利用时空优化》提出了城市土地利用时空优化模型和用于求解模型的基于蚁群优化算法的改进型蚂蚁算法（Accumulated Pheromone Acs，AP-ACS）。
　　土地利用时空优化模型是带有约束条件的多目标优化模型，包含了五个优化目标，分别为：区域GDP、生态服务价值、区域总体兼容度、紧凑度及连接度。在模型约束条件上，重点加入对时间序列优化的考虑，提出了两种不同的时间序列优化表达方式：一是时空动态变化度，即静态时间序列优化，反映了每种土地利用类型的年均变化程度，二是土地利用时间序列动态分配子模型，即动态时间序列优化，通过设置不同的子模型参数动态地得到某种土地资源的分配数量，并以此分配结果作为其所在模型的约束条件。最后，《城市土地利用时空优化》提出Hybrid MAX-MIN方法计算多目标解的适应度，用于评价多目标解的优劣性。
　　在对蚁群优化算法进行改进时，首先总结了算法应该满足的四条原则，然后有针对性地提出解决城市土地利用时空优化模型的AP—Acs算法。该改进型蚁群算法在信息素的定义、信息素更新规则、解的构建过程及最终解生成方法等方面进行了改进，并设计了两个特殊的优化算子，提高优化效率。
　　最后，《城市土地利用时空优化》将分别以深圳全市及南山区2010年土地利用情况作为实验对象，采用两种不同的时间序列优化策略，结合GIS技术，应用多目标城市土地利用时空优化模型及AP-ACS蚂蚁算法来验证新方法体系的有效性。实验结果表明，各个优化目标值都有明显的提升，最终的优化结果也完全满足所有的约束条件。在多目标解评价上，解的平均适应度值不断升高，非统治解的个数也在最后一次迭代后达到了大值。Pareto前沿上的非统治解分布均匀，并且整体移动趋势显著。实验结果符合预期效果，验证了模型和算法的高效性，是具有实际应用价值的。

你还可能感兴趣

我要评论