本發(fā)明涉及土地利用結(jié)構(gòu)多目標(biāo)優(yōu)化技術(shù)領(lǐng)域，具體為一種土地利用結(jié)構(gòu)優(yōu)化的多目標(biāo)改進(jìn)差分進(jìn)化模型。

背景技術(shù)：

土地利用結(jié)構(gòu)優(yōu)化是土地利用總體規(guī)劃的核心工作之一，它指在一定區(qū)域內(nèi)，為了達(dá)到土地利用系統(tǒng)的一定的經(jīng)濟(jì)、生態(tài)和社會(huì)效益最優(yōu)目標(biāo)，依據(jù)土地資源的自身特性和土地適宜性評(píng)價(jià)，對(duì)區(qū)域內(nèi)土地資源的各種利用類(lèi)型進(jìn)行更合理的安排，以提高土地利用的效率和效益，維持土地生態(tài)系統(tǒng)的相對(duì)平衡，實(shí)現(xiàn)土地資源的可持續(xù)發(fā)展利用。多目標(biāo)優(yōu)化問(wèn)題在工程中經(jīng)常遇到，一般來(lái)說(shuō)，多目標(biāo)優(yōu)化問(wèn)題中的多個(gè)目標(biāo)不可能同時(shí)達(dá)到最優(yōu)，而不同決策者對(duì)不同目標(biāo)的偏好不同，會(huì)得到不同的最優(yōu)解，在多目標(biāo)優(yōu)化中這些可能的最優(yōu)解都稱(chēng)為非劣質(zhì)解，利用傳統(tǒng)的優(yōu)化技術(shù)一般每次都只能得到非劣質(zhì)解集中的一個(gè)，而用差分進(jìn)化算法處理多目標(biāo)優(yōu)化問(wèn)題，則可以得到更多的非劣質(zhì)解。由于土地利用結(jié)構(gòu)優(yōu)化配置的多目標(biāo)性，運(yùn)用傳統(tǒng)的規(guī)劃方法難以解決好這類(lèi)問(wèn)題，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。而目前差分進(jìn)化算法用于無(wú)約束優(yōu)化對(duì)問(wèn)題對(duì)文獻(xiàn)居多，而對(duì)約束優(yōu)化問(wèn)題對(duì)研究相對(duì)較少，如何處理約束條件是利用差分進(jìn)化算法求解約束優(yōu)化問(wèn)題對(duì)關(guān)鍵，本發(fā)明提出了一種土地利用結(jié)構(gòu)優(yōu)化的多目標(biāo)改進(jìn)差分進(jìn)化模型，以較好的解決了土地資源系統(tǒng)的優(yōu)化配置問(wèn)題。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的目的在于提供一種土地利用結(jié)構(gòu)優(yōu)化的多目標(biāo)改進(jìn)差分進(jìn)化模型，以解決上述背景技術(shù)中提出的問(wèn)題。

為實(shí)現(xiàn)上述目的，本發(fā)明提供如下技術(shù)方案：一種土地利用結(jié)構(gòu)優(yōu)化的多目標(biāo)改進(jìn)差分進(jìn)化模型，該種土地利用結(jié)構(gòu)優(yōu)化的多目標(biāo)改進(jìn)差分進(jìn)化模型建模方法具體步驟如下：

s1：變量設(shè)置：根據(jù)土地利用動(dòng)態(tài)變化及現(xiàn)狀分析，從土地資源特點(diǎn)和社會(huì)經(jīng)濟(jì)發(fā)展要求出發(fā)，共設(shè)置10個(gè)變量：x1(耕地)；x2(園地)；x3(林地)；x4(牧草地)；x5(其他農(nóng)用地)；x6(城鎮(zhèn)用地)；x7(農(nóng)村居民點(diǎn)用地)；x8(交通運(yùn)輸用地)；x9(水利設(shè)施用地)；x10(未利用地)；

s2：目標(biāo)函數(shù)的建立：建立經(jīng)濟(jì)效益目標(biāo)函數(shù)、生態(tài)效益目標(biāo)函數(shù)和約束條件；

s3：初始化種群：采用佳點(diǎn)集方法，設(shè)初始種群的規(guī)模為n，個(gè)體i＝1，2，…，n，首先在s維空間h中取含有n個(gè)點(diǎn)的佳點(diǎn)集，s維空間h中取佳點(diǎn)的方法如下：

pn(i)＝{({r1×k}，{r2×k}，…，{rs×k})，k＝1，2，…，n}(1)

其中取：

t是滿足t≥2s+3的最小素?cái)?shù)，其中{ri×k}表示ri×k的小數(shù)部分，

當(dāng)(其中k＝1，2，…，s；i＝1，2，…，n)為實(shí)數(shù)編碼時(shí)，設(shè)的取值范圍為αk≤ak≤βk，取即可，

利用多目標(biāo)優(yōu)化技術(shù)來(lái)處理約束條件：

f(x)＝f(f(x)，g(x))(3)

其中一個(gè)目標(biāo)為原目標(biāo)函數(shù)f(x)，另一個(gè)目標(biāo)函數(shù)為個(gè)體違反約束條件的程度g(x)：

其中g(shù)j(x)表示個(gè)體x與第j個(gè)約束條件的距離，即

s4：變異操作：根據(jù)個(gè)體間非劣質(zhì)解支配思想，把初始化種群分為兩個(gè)子種群，一個(gè)是非劣質(zhì)解子集，另一個(gè)是劣質(zhì)解子集，兩個(gè)自己對(duì)個(gè)體數(shù)目分為n1和n2，并且滿足采用n1+n2＝n，由種群中個(gè)體對(duì)非劣質(zhì)解支配關(guān)系可知，對(duì)劣質(zhì)解子集中對(duì)非劣個(gè)體按照約束違反度進(jìn)行升序排序，選取前一半非劣個(gè)體直接進(jìn)入到下一代群體，剩下對(duì)非劣個(gè)體則隨機(jī)替換非劣質(zhì)解子集中的個(gè)體，非劣質(zhì)解子集中的個(gè)體和劣質(zhì)解子集中對(duì)個(gè)體分別通過(guò)de/rand/1和de/bset/1變異方式，其方程分別為：

式中為互不相同的隨機(jī)個(gè)體，t為當(dāng)前迭代次數(shù)，為當(dāng)前種群中適應(yīng)度值最好的個(gè)體，f∈[0，2]為縮放因子，調(diào)節(jié)向量差異的步長(zhǎng)幅值；

s5：收斂判斷：將經(jīng)過(guò)步驟s4中變異操作后得到的個(gè)體與原個(gè)體進(jìn)行比較，如果新個(gè)體優(yōu)于原個(gè)體，算法結(jié)束，進(jìn)行步驟s7，否則，執(zhí)行步驟s6；

s6：交叉操作：對(duì)于群體中的i個(gè)個(gè)體將與xm進(jìn)行交叉操作，產(chǎn)生實(shí)驗(yàn)個(gè)體xt，引入交叉操作，則實(shí)驗(yàn)向量為：

式中rand()為[0，1]之間均勻分布對(duì)隨機(jī)數(shù)，交叉概率因子cr∈[0，1]，t當(dāng)前迭代次數(shù)，返回步驟s5；

s7：模型求解與分析以及方案的優(yōu)化配置：根據(jù)前面建立的該系統(tǒng)的編碼框架，進(jìn)行軟件編程實(shí)現(xiàn)，其中，變量維數(shù)d設(shè)為8，種群規(guī)模np設(shè)為60，縮放因子f和交叉概率因子cr通過(guò)提出的自適應(yīng)策略確定，最大迭代次數(shù)為600，以2010年為基期，2020年為優(yōu)化目標(biāo)年，經(jīng)過(guò)多次獨(dú)立運(yùn)行試驗(yàn)，最后得到研究區(qū)2020年土地利用數(shù)量結(jié)構(gòu)優(yōu)化結(jié)果。

優(yōu)選的，所述步驟s2中經(jīng)濟(jì)效益目標(biāo)函數(shù)為：

式中f1為規(guī)劃區(qū)國(guó)生產(chǎn)總值，bi為規(guī)劃期第i種土地利用方式單位面積上按當(dāng)年價(jià)格計(jì)算對(duì)國(guó)內(nèi)生產(chǎn)總值(gdp)，xi為各類(lèi)用地規(guī)劃面積，

所述步驟s2中生態(tài)效益目標(biāo)函數(shù)為：

式中f2(x)為規(guī)劃區(qū)生態(tài)系統(tǒng)服務(wù)功能價(jià)值，xk為土地利用類(lèi)型k對(duì)分布面積，ck為該類(lèi)型土地單位面積對(duì)生態(tài)系統(tǒng)服務(wù)功能價(jià)值系數(shù)。

優(yōu)選的，所述步驟s2中對(duì)約束條件包括區(qū)域面積總量約束、人口總量約束、糧食需求量約束、耕地總量動(dòng)態(tài)平衡指標(biāo)約束、森林覆蓋率約束、未利用土地開(kāi)發(fā)約束、建設(shè)用地需求約束、土地適宜性約束和數(shù)學(xué)模型要求約束。

優(yōu)選的，所述步驟s7中軟件為vc++6.0軟件。

與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果是：該種土地利用結(jié)構(gòu)優(yōu)化的多目標(biāo)改進(jìn)差分進(jìn)化模型，首先通過(guò)利用佳點(diǎn)集產(chǎn)生初始種群，然后將種群分為非劣質(zhì)解子集和劣質(zhì)解子集，對(duì)非劣個(gè)體對(duì)選擇引入偏好信息，選取一定比例對(duì)最優(yōu)非劣個(gè)體直接進(jìn)入下一代群體，對(duì)劣質(zhì)解子集和非劣質(zhì)解子集分別采用de/rand/1和de/bset/1變異策略，以平衡差分進(jìn)化算法對(duì)全局搜索和局部搜索能力。

附圖說(shuō)明

圖1為本發(fā)明工作流程圖。

具體實(shí)施方式

下面將結(jié)合本發(fā)明實(shí)施例中的附圖，對(duì)本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實(shí)施例僅僅是本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例?；诒景l(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒(méi)有做出創(chuàng)造性勞動(dòng)前提下所獲得的所有其他實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。

請(qǐng)參閱圖1，本發(fā)明提供一種技術(shù)方案：一種土地利用結(jié)構(gòu)優(yōu)化的多目標(biāo)改進(jìn)差分進(jìn)化模型，該種土地利用結(jié)構(gòu)優(yōu)化的多目標(biāo)改進(jìn)差分進(jìn)化模型建模方法具體步驟如下：

s1：變量設(shè)置：根據(jù)土地利用動(dòng)態(tài)變化及現(xiàn)狀分析，從土地資源特點(diǎn)和社會(huì)經(jīng)濟(jì)發(fā)展要求出發(fā)，共設(shè)置10個(gè)變量：x1(耕地)；x2(園地)；x3(林地)；x4(牧草地)；x5(其他農(nóng)用地)；x6(城鎮(zhèn)用地)；x7(農(nóng)村居民點(diǎn)用地)；x8(交通運(yùn)輸用地)；x9(水利設(shè)施用地)；x10(未利用地)；

s2：目標(biāo)函數(shù)的建立：建立經(jīng)濟(jì)效益目標(biāo)函數(shù)、生態(tài)效益目標(biāo)函數(shù)和約束條件，所述經(jīng)濟(jì)效益目標(biāo)函數(shù)為：

式中f1為規(guī)劃區(qū)國(guó)生產(chǎn)總值，bi為規(guī)劃期第i種土地利用方式單位面積上按當(dāng)年價(jià)格計(jì)算對(duì)國(guó)內(nèi)生產(chǎn)總值(gdp)，xi為各類(lèi)用地規(guī)劃面積，

所述生態(tài)效益目標(biāo)函數(shù)為：

式中f2(x)為規(guī)劃區(qū)生態(tài)系統(tǒng)服務(wù)功能價(jià)值，xk為土地利用類(lèi)型k對(duì)分布面積，ck為該類(lèi)型土地單位面積對(duì)生態(tài)系統(tǒng)服務(wù)功能價(jià)值系數(shù)；

約束條件包括區(qū)域面積總量約束、人口總量約束、糧食需求量約束、耕地總量動(dòng)態(tài)平衡指標(biāo)約束、森林覆蓋率約束、未利用土地開(kāi)發(fā)約束、建設(shè)用地需求約束、土地適宜性約束和數(shù)學(xué)模型要求約束；

s3：初始化種群：采用佳點(diǎn)集方法，設(shè)初始種群的規(guī)模為n，個(gè)體i＝1，2，…，n，首先在s維空間h中取含有n個(gè)點(diǎn)的佳點(diǎn)集，s維空間h中取佳點(diǎn)的方法如下：

pn(i)＝{({r1×k}，{r2×k}，…，{rs×k})，k＝1，2，…，n}(1)

其中?。?/p>

t是滿足t≥2s+3的最小素?cái)?shù)，其中{ri×k}表示ri×k的小數(shù)部分，

當(dāng)(其中k＝1，2，...，s；i＝1，2，...，n)為實(shí)數(shù)編碼時(shí)，設(shè)的取值范圍為αk≤ak≤βk，取即可，

利用多目標(biāo)優(yōu)化技術(shù)來(lái)處理約束條件：

f(x)＝f(f(x)，g(x))(3)

其中一個(gè)目標(biāo)為原目標(biāo)函數(shù)f(x)，另一個(gè)目標(biāo)函數(shù)為個(gè)體違反約束條件的程度g(x)：

其中g(shù)j(x)表示個(gè)體x與第j個(gè)約束條件的距離，即

s4：變異操作：根據(jù)個(gè)體間非劣質(zhì)解支配思想，把初始化種群分為兩個(gè)子種群，一個(gè)是非劣質(zhì)解子集，另一個(gè)是劣質(zhì)解子集，兩個(gè)自己對(duì)個(gè)體數(shù)目分為n1和n2，并且滿足采用n1+n2＝n，由種群中個(gè)體對(duì)非劣質(zhì)解支配關(guān)系可知，對(duì)劣質(zhì)解子集中對(duì)非劣個(gè)體按照約束違反度進(jìn)行升序排序，選取前一半非劣個(gè)體直接進(jìn)入到下一代群體，剩下對(duì)非劣個(gè)體則隨機(jī)替換非劣質(zhì)解子集中的個(gè)體，非劣質(zhì)解子集中的個(gè)體和劣質(zhì)解子集中對(duì)個(gè)體分別通過(guò)de/rand/1和de/bset/1變異方式，其方程分別為：

式中為互不相同的隨機(jī)個(gè)體，t為當(dāng)前迭代次數(shù)，為當(dāng)前種群中適應(yīng)度值最好的個(gè)體，f∈[0，2]為縮放因子，調(diào)節(jié)向量差異的步長(zhǎng)幅值；

s5：收斂判斷：將經(jīng)過(guò)步驟s4中變異操作后得到的個(gè)體與原個(gè)體進(jìn)行比較，如果新個(gè)體優(yōu)于原個(gè)體，算法結(jié)束，進(jìn)行步驟s7，否則，執(zhí)行步驟s6；

s6：交叉操作：對(duì)于群體中的i個(gè)個(gè)體將與xm進(jìn)行交叉操作，產(chǎn)生實(shí)驗(yàn)個(gè)體xt，引入交叉操作，則實(shí)驗(yàn)向量為：

式中rand()為[0，1]之間均勻分布對(duì)隨機(jī)數(shù)，交叉概率因子cr∈[0，1]，t當(dāng)前迭代次數(shù)，返回步驟s5；

s7：模型求解與分析以及方案的優(yōu)化配置：根據(jù)前面建立的該系統(tǒng)的編碼框架，在vc++6.0軟件環(huán)境下進(jìn)行編程實(shí)現(xiàn)，其中，變量維數(shù)d設(shè)為8，種群規(guī)模np設(shè)為60，縮放因子f和交叉概率因子cr通過(guò)提出的自適應(yīng)策略確定，最大迭代次數(shù)為600，以2010年為基期，2020年為優(yōu)化目標(biāo)年，經(jīng)過(guò)多次獨(dú)立運(yùn)行試驗(yàn)，最后得到研究區(qū)2020年土地利用數(shù)量結(jié)構(gòu)優(yōu)化結(jié)果。

盡管已經(jīng)示出和描述了本發(fā)明的實(shí)施例，對(duì)于本領(lǐng)域的普通技術(shù)人員而言，可以理解在不脫離本發(fā)明的原理和精神的情況下可以對(duì)這些實(shí)施例進(jìn)行多種變化、修改、替換和變型，本發(fā)明的范圍由所附權(quán)利要求及其等同物限定。