生態(tài)約束條件下土地利用結(jié)構(gòu)優(yōu)化的多目標(biāo)改進(jìn)差分進(jìn)化模型的制作方法
【專利摘要】一種生態(tài)約束條件下土地利用結(jié)構(gòu)優(yōu)化的多目標(biāo)改進(jìn)差分進(jìn)化模型，其包括：1）遙感影像預(yù)處理；2）遙感影像分類，得到土地利用現(xiàn)狀數(shù)據(jù)；3）利用差分進(jìn)化算法，在輸入種群規(guī)模NP、個(gè)體的維數(shù)D、差分矢量縮放因子F和交叉概率CR后，經(jīng)過(guò)初始化種群、變異操作、交叉操作、選擇操作，對(duì)土地利用現(xiàn)狀數(shù)據(jù)進(jìn)行土地資源優(yōu)化處理，得到土地資源優(yōu)化配置結(jié)果。
【專利說(shuō)明】生態(tài)約束條件下土地利用結(jié)構(gòu)優(yōu)化的多目標(biāo)改進(jìn)差分進(jìn)化模型
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及衛(wèi)星遙感，尤其涉及基于衛(wèi)星遙感的土地利用結(jié)構(gòu)優(yōu)化方法。
【背景技術(shù)】
[0002]以往土地資源優(yōu)化配置大多采用線性規(guī)劃法、目標(biāo)規(guī)劃法和系統(tǒng)動(dòng)力學(xué)等數(shù)學(xué)模型及在此基礎(chǔ)上形成的集成優(yōu)化方法，尚未解決多目標(biāo)和多約束條件下的復(fù)雜優(yōu)化問(wèn)題。
[0003]線性規(guī)劃法由于其自身的線性特征，在解決具有多目標(biāo)多約束非線性的土地資源優(yōu)化配置中顯得力不從心，往往得不到理想的最優(yōu)解。
[0004]目標(biāo)規(guī)劃模型雖然能夠處理多目標(biāo)土地利用優(yōu)化配置問(wèn)題，但它容易受用戶已有知識(shí)水平和思維方式等的影響，在處理具有多個(gè)不同優(yōu)先等級(jí)目標(biāo)的多目標(biāo)優(yōu)化問(wèn)題上難以把握。
[0005]系統(tǒng)動(dòng)力學(xué)模型雖然可以根據(jù)經(jīng)濟(jì)、社會(huì)和政策等多種因素的影響，在土地資源優(yōu)化配置過(guò)程中不斷調(diào)整優(yōu)化目標(biāo)和優(yōu)化方案，但此類模型的建立需要對(duì)優(yōu)化系統(tǒng)有充分的認(rèn)識(shí)，對(duì)系統(tǒng)內(nèi)各種反饋機(jī)制要非常了解，在因果關(guān)系不明確的情況下，不宜使用。
[0006]由著名學(xué)者Storn R和Price K于1995年提出的差分進(jìn)化算法是一種隨機(jī)的并行直接搜索算法，適于求解一些利用傳統(tǒng)和常規(guī)的數(shù)學(xué)優(yōu)化方法所無(wú)法解決的復(fù)雜優(yōu)化問(wèn)題，以其易用性、魯棒性和強(qiáng)大的全局優(yōu)化能力在多個(gè)領(lǐng)域成功應(yīng)用(Storn R, PriceK.Differential Evolution - a simple and efficient adaptive scheme for globaloptimization over continuous spaces[J].Technical Report, International ComputerScience Institute, Berkley.1995 (8): 22-25.)。土地利用系統(tǒng)是一個(gè)涉及多目標(biāo)多約束的復(fù)雜系統(tǒng)，利用常規(guī)的數(shù)學(xué)優(yōu)化方法來(lái)解決土地資源優(yōu)化配置這一復(fù)雜優(yōu)化問(wèn)題的效果并不令人滿意。由于差分進(jìn)化算法具有算法簡(jiǎn)單、收斂速度快、所需領(lǐng)域知識(shí)少、比較適合于解決復(fù)雜的優(yōu)化問(wèn)題等特點(diǎn)，因此，利用差分進(jìn)化算法進(jìn)行土地資源優(yōu)化配置具有很好的潛力。最近幾年，國(guó)外一些學(xué)者已開始嘗試?yán)貌罘诌M(jìn)化算法進(jìn)行農(nóng)作物種植規(guī)劃，并取得了一定的成果，但是針對(duì)區(qū)域土地資源優(yōu)化配置的研究還非常少見；在國(guó)內(nèi)，差分進(jìn)化算法主要應(yīng)用在人工智能、化工、生物、數(shù)據(jù)挖掘、影像處理等領(lǐng)域，利用差分進(jìn)化算法進(jìn)行土地資源優(yōu)化配置的相關(guān)研究還未見報(bào)道。

【發(fā)明內(nèi)容】

[0007]本發(fā)明旨在建立一種基于遙感影像的土地資源優(yōu)化配置的方法，以解決區(qū)域生態(tài)約束條件下的土地資源優(yōu)化配置問(wèn)題。
[0008]本發(fā)明的基于遙感影像的土地資源優(yōu)化配置方法，其包括:
[0009]I)遙感影像預(yù)處理；
[0010]2)遙感影像分類，得到土地利用現(xiàn)狀數(shù)據(jù)；
[0011]3)利用差分進(jìn)化算法，在輸入種群規(guī)模NP、個(gè)體的維數(shù)D、差分矢量縮放因子F和交叉概率CR后，經(jīng)過(guò)初始化種群、變異操作、交叉操作、選擇操作，對(duì)土地利用現(xiàn)狀數(shù)據(jù)進(jìn)行土地資源優(yōu)化處理，得到土地資源優(yōu)化配置結(jié)果。
[0012]優(yōu)選地,所述選擇操作中,通過(guò)目標(biāo)函數(shù)F(X) = f (X)+δ (t)*h (X) (式6)來(lái)作出選擇；
[0013]其中，
【權(quán)利要求】
1.一種基于遙感影像的土地資源優(yōu)化配置方法，其包括: .1)遙感影像預(yù)處理； .2)遙感影像分類，得到土地利用現(xiàn)狀數(shù)據(jù)； .3)利用差分進(jìn)化算法，在輸入種群規(guī)模NP、個(gè)體的維數(shù)D、差分矢量縮放因子F和交叉概率CR后，經(jīng)過(guò)初始化種群、變異操作、交叉操作、選擇操作，對(duì)土地利用現(xiàn)狀數(shù)據(jù)進(jìn)行土地資源優(yōu)化處理，得到土地資源優(yōu)化配置結(jié)果。
2.如權(quán)利要求1所述的基于遙感影像的土地資源優(yōu)化配置方法，其特征在于: 所述選擇操作中，通過(guò)目標(biāo)函數(shù)
3.如權(quán)利要求2所述的基于遙感影像的土地資源優(yōu)化配置方法，其特征在于: 其中k=2 ；fi (X)為生態(tài)效益函數(shù)；f2(X)為經(jīng)濟(jì)效益函數(shù)。
4.如權(quán)利要求2所述的基于遙感影像的土地資源優(yōu)化配置方法，其特征在于: 所述差分矢量縮放因子F為自適應(yīng)縮放因子Fi。
5.如權(quán)利要求4所述的基于遙感影像的土地資源優(yōu)化配置方法，其特征在于: 所述自適應(yīng)縮放因子Fi的適應(yīng)策略為:
6.如權(quán)利要求1所述的基于遙感影像的土地資源優(yōu)化配置方法，其特征在于: 所述交叉概率CR為自適應(yīng)交叉概率CRitl
7.如權(quán)利要求1所述的基于遙感影像的土地資源優(yōu)化配置方法，其特征在于: 所述自適應(yīng)交叉概率CRi的適應(yīng)策略為:
8.如權(quán)利要求1所述的基于遙感影像的土地資源優(yōu)化配置方法，其特征在于: 所述變異操作中的變異策略為:
9.如權(quán)利要求1所述的基于遙感影像的土地資源優(yōu)化配置方法，其特征在于: 所述影像預(yù)處理包括: 幾何精確校正與配準(zhǔn)； 遙感影像鑲嵌與裁剪； 最佳波段組合。
10.如權(quán)利要求1所述的基于遙感影像的土地資源優(yōu)化配置方法，其特征在于: 所述影像分類包括利用ISODATA非監(jiān)督分類方法進(jìn)行分類，得到初步分類結(jié)果；然后對(duì)初步分類結(jié)果進(jìn)行分類后處理，根據(jù)野外調(diào)查數(shù)據(jù)、GPS定位數(shù)據(jù)、土地利用現(xiàn)狀圖和其他相關(guān)資料，采用目視解譯法修改混分與錯(cuò)分像元，得到研究區(qū)土地利用分類結(jié)果，最后對(duì)分類結(jié)果進(jìn)行精度檢驗(yàn)。
【文檔編號(hào)】G06K9/62GK103514457SQ201310322556
【公開日】2014年1月15日 申請(qǐng)日期:2013年7月29日 優(yōu)先權(quán)日:2013年7月29日
【發(fā)明者】陳云浩, 王世東 申請(qǐng)人:北京師范大學(xué)