多目標(biāo)粒子群優(yōu)化算法在配置城市土地使用上應(yīng)用

多目標(biāo)粒子群優(yōu)化算法在配置都市土地使用上的應(yīng)用Consideringtheever-increasingurbanpopulation,itappearsthatlandmanagementisofmajorimportance.Landusesmustbeproperlyarrangedsothattheydonotinterferewithoneanotherandcanmeeteachother'sneedsasmuchaspossible；thisgoalisachallengeofurbanland-useplanning.ThemainobjectiveofthisresearchistouseMulti-ObjectiveParticleSwarmOptimizationalgorithmtofindtheoptimumarrangementofurbanlandusesinparcellevel,consideringmultipieobjectivesandconstraintssimultaneously.GeospatialInformationSystemisusedtopreparethedataandtostudydifferentspatiedscenarioswhendevelopingthemodel.Tooptimizetheland-usearrangement,fourobjectivesaredefined：maximizingcompatibility,maximizingdependency,maximizingsuitability,andmaximizingcompactnessoflanduses?Theseobjectivesarecharacterizedbasedontherequirementsofplanners?AsaresuItofoptimization,theuserisprovidedwithasetofoptimumland-usearrangements,thePareto-frontsolutions?Theusercanselectthemostappropriatesolutionsaccordingtohis/herpriorities.Themethodwastestedusingthedataofregion7,district1ofTehran.TheresuItsshowedanacceptablelevelofrepeatabilityandstabilityfortheoptimizationalgorithm.Themodelusesparcelinsteadofurbanblocks,asthespatialunit.Moreover,itconsidersavarietyoflandusesandtriestooptimizeseveralobjectivesSimuItaneously.1摘要：考慮到不斷增加的都市人口，土地治理看起來就具有重大意義。土地利用必須妥善安排，使它們可不能干擾彼此并盡可能滿足對(duì)方的需要；那個(gè)目標(biāo)關(guān)于都市土地利用規(guī)劃是一個(gè)挑戰(zhàn)。本研究的要緊目的是同時(shí)考慮多個(gè)目標(biāo)限制，利用多目標(biāo)粒子群優(yōu)化算法來找到最佳用于都市土地安排地塊的水平。地理空間信息系統(tǒng)是在開發(fā)模型時(shí)，用來預(yù)備數(shù)據(jù)和研究不同空間場(chǎng)景。為了優(yōu)化土地利用布局，定義四個(gè)目標(biāo)為：最大限度地兼容，最大限度地依靠關(guān)系，最大限度地提高適用性,并最大限度地提高土地利用的緊湊性。這些目標(biāo)的特點(diǎn)是依照規(guī)劃的要求，帕累托往常的解決方案其結(jié)果是向用戶提供一組最佳的土地利用安排。用戶能夠選擇最合適的解決方案依照他/她的重點(diǎn)。該方法使用區(qū)域7德黑蘭1的數(shù)據(jù)進(jìn)行了測(cè)試。結(jié)果表明了是一個(gè)重復(fù)性和穩(wěn)定性可同意的優(yōu)化算法。該模型使用地塊而不是都市街區(qū)地塊作為空間單元。此外，同時(shí)它考慮不同的土地用途并試圖優(yōu)化多個(gè)目標(biāo)關(guān)鍵詞：安排；都市，土地利用，地理信息系統(tǒng);優(yōu)化；MOPSOLand-useoptimizationisamethodofresourceallocation,inwhichdifferentactivitiesorlandusesareallocatedtospecificunitsoflandarea?Thesekindsofproblemsneedmultipieandoftenconflietingobjectives(suchasecologicalandeconomicobjectives)tobeconsideredsimultaneously(Chandramoulietal.2009,Xiaolietal?2009,Caoetal.2011,Shifaetal.2011).Therefore,land-useallocationcanbeconsideredasanoptimizationproblem?Inmulti-objectiveoptimizationoflanduse(MOLU)model,combinationsofdifferentobjectivesareconsidered.Thecommonlyusedobjectivesincludetheimprovementsrelatedtocompatibilityanddependencyamongneighbouringlanduses,thesuitabilityoflandunitsforlanduses,Iand-usecompactness,andthepercapitademandforlanduse.TheseparametershavebeenstudiedanddiscussedbyBerkeetal.（2006）,Taleietal.（2007）,Jiang-PingandQun（2009）,HaqueandAsami（2011）,andKoomenetal.（2011）.土地利用優(yōu)化是不同的土地使用行為分配其特定的單位土地面積資源配置的一種方法，。這類問題需要考慮多且被認(rèn)為是同時(shí)相互沖突的目標(biāo)（如生態(tài)和經(jīng)濟(jì)目標(biāo)Xchandramouli等人。2009,小李等人。2009,曹等人。2011,發(fā)等人。2011）因此，土地利用配置能夠被視為一個(gè)優(yōu)化問題。在土地利用多目標(biāo)優(yōu)化（陌路）模型時(shí)，考慮了不同的組合目標(biāo)。常用的目標(biāo)包括改進(jìn)相關(guān)的鄰近土地的使用相容性和依靠性，土單位土地利用的適宜性土地利用結(jié)構(gòu)緊湊，和土地利用人均需求。伯克等人對(duì)這些參數(shù)進(jìn)行了研究和討論。（2006）,Talei等。（2007年），江平與群（2009）,哈克和麻美（2011）,以及庫(kù)門等。（2011年）。Ilandlingmanyobjectivestogetherisusuallymorecomplexthanhandlingasingleobjective.Therefore,manymethodsaredevelopedtoconvertmultipieobjectivesintoasingleobjective.Tosearchthesolutionspaceinasingle-objectivemode,someresearchershaveusedclassicmethodsofoptimizationsuchaslinearprogramming(LP).Forinstance,MaohandKanaroglou(2009)usedLPtooptimizelanduses,concentratingontherelationbetweenlanduseandtraffic.Someothermodelsarebasedonartificialintelligence(Al)methods.Forexample,Shiffaetal.(2011)usedparticleswarmoptimization(PSO)tooptimizetheallocationoflanduses,consideringmaximumsuitabilityoflandandaminimumcostofchangingthelandshape?InanotherstudybySemboloni(2004),Simulatedannealing(SA)methodwasusedtooptimizethefacilitiesrequiredforresidentieilandcommercialareas?ThemainproblemofthesemethodsisthattheresuItsdependstronglyontheweightsgiventotheobjectivesorthefunctionusedtocombinetheobjectivesintoone.Moreover,non-convexoptimalsolutionscannotbeobtainedbyminimizinglinearcombinationsofobjectives(Caoetal.2011).Besides,decision-makersprefertoexploreasetofalternativesolutionsandtheirtrade-offsregardingdifferentobjectivesandtomakedecisionsaccordingly.Tofindmultipiesolutionsusingsuchmethods,thealgorithmhastoberunmanytimes,hopefullyfindingadifferentsolutionateachruntocreatetrade-offsolutions（Debetal.2002）.處理許多共同的目標(biāo)通常比處理一個(gè)目標(biāo)更復(fù)雜。因此，許多方法的開發(fā)，以多重目標(biāo)轉(zhuǎn)換成單一目標(biāo)。在一個(gè)單一的目標(biāo)模式搜索解空間，一些研究人員采納經(jīng)典的優(yōu)化方法如線性規(guī)劃（LP）。例如，例如，他和kanaroglou（2009）使用LP優(yōu)化土地利用，集中在土地利用與交通之間的關(guān)系。其他一些模型是基于人工智能（AI）方法。例如，Shiffa等。（2011）采納粒子群優(yōu)化算法（PSO）優(yōu)化劃撥土地使用，考慮最大土地適宜性和最小改變土地形狀的成本。在另一項(xiàng)由Semboloni（2004）的研究中，模擬退火（SA）方法被用來優(yōu)化所需要的設(shè)施，住宅和商業(yè)區(qū)域。這些方法的要緊問題是，結(jié)果強(qiáng)烈地依靠于考慮到目標(biāo)或功能用于結(jié)合成一個(gè)目標(biāo)的權(quán)重。此外，非凸優(yōu)化的解決方案不能被最小化的線性組合來獲得目標(biāo)（Cao等2011）。此外，決策者希望探究一套替代解決方案，權(quán)衡不同的目標(biāo)并做出相應(yīng)的決策。找到多個(gè)解決方案，使用這種方法，該算法必須運(yùn)行專門多次，希望找到不同的解決方案在每次運(yùn)行時(shí)制造權(quán)衡解決方案(DEB等。2002年)。Insomeotherstudies,objectivesareoptimizedsimultaneouslyinmulti-objectivemodefocusingonParetofront.TheconceptofParetofrontisproperlydescribedinDebetal.(2002)andCoelloCoelloetal.(2007).TheParetosetisusuallyindependentoftherelativeimportanceofobjectives,makingitsuitableforcomplexapplicationssuchaslemduseplanning.Manystudiesonland-useoptimizationarecarriedoutusingParetofront?Forexample,FengandLin(1999)generateddifferentseenariosofurbanlandusesforurbanplannersusingmulti-objectiveCumulativeGeneticAlgorithm(CGA),havingthecityzonesasspatialunits.Objectivefunctionsweremaximizingthesuitabilityoflandsfordevelopmentandmaximizingthecompatibilityofneighbouringzones?Memberetal.(2000)usedaninitiativemulti-objectiveCGAtooptimizethreeobjectivefunctions：minimizingtraffic,minimizingthecostsoftransportation,andminimizingcurrentland-usechanges.Inthisinitiativealgorithm,theoptimizationprocesswasnotperformedsimultaneously；instead,itwasappliedstepbystepforanyoftheobjectivefunctions,andthebestresuItswerethentakenforoptimizationofthenextfunction.Ligmann-Zie1inskaetal.(2008)focusedontheefficientut訂izationofurbanspacethroughinfilldevelopment,compatibilityofadjacentlanduses,anddefensibleredevelopment.Caoetal?(2011)usedNon-DominatedSortingGeneticAlgorithm(NSGA-II)toproposeoptimallandusescenarioswiththreeobjectivefunctions：minimizingconversioncosts,maximizingaccessibility,andmaximizingcompatibilitiesbetweenlanduses.在其他一些研究中，目標(biāo)是專注于Pareto前沿在多目標(biāo)模式下同時(shí)優(yōu)化。Pareto解的集合概念中的Deb等適當(dāng)?shù)拿枋觥?2002)和科埃略科埃略等人。(2007年)。帕累托解的集合是德布等的描述。2002)和CoelloCoello等人。2007。帕累托集通常是獨(dú)立的相對(duì)重要的目標(biāo)，使其適合于復(fù)雜的應(yīng)用，例如土地利用規(guī)劃。土地利用優(yōu)化的許多研究都使用了Paret。前沿。例如，馮和林（1999）采納多目標(biāo)累積遺傳算法（CGA）累計(jì)產(chǎn)生都市土地不同的場(chǎng)景用來都市規(guī)劃，都市區(qū)域?yàn)榭臻g單元。目標(biāo)函數(shù)是最大化用于開發(fā)的土地的適宜性和最大化相鄰區(qū)的兼容性。Member等（2000）使用了主動(dòng)多目標(biāo)CGA優(yōu)化三個(gè)目標(biāo)函數(shù)：最小化交通，減少運(yùn)輸成本，減少土地利用現(xiàn)狀的變化。在這一倡議算法，優(yōu)化過程中不同時(shí)進(jìn)行；相反，它是一步一步的任何目標(biāo)函數(shù)，得到最好的結(jié)果用于隨后采取的下一個(gè)函數(shù)的優(yōu)化。Ligmann-杰琳斯卡等。（2008）集中在都市空間的有效利用，通過加密開發(fā)，相鄰?fù)恋赜猛镜募嫒菪裕艺?dāng)?shù)闹亟?。Cao等。（2011）使用的非支配排序遺傳算法（NSGA-II）提出了優(yōu)化土地利用三目標(biāo)函數(shù)最小化的情景：轉(zhuǎn)換成本，最大化可達(dá)性，最大限度地土地使用兼容性。ThemainobjectiveofthisstudyistooptimizethearrangementofurbanlandusesinparcellevelusingMulti-ObjectivePSO（MOPSO）algorithm,consideringmultipieobjectivesandconstraintssimultaneously.Incontrasttotheabove-mentionedstudies,inthisresearch,themainobjectivesofland-usearrangement(compeltibility,dependency,suitability,andcompactness)areconsideredtogether.Inotherwords,theaimistooptimizethearrangementofurbanlanduseswithrespecttoallthoseparameters.Thisindicatesthatmanyobjectiveshavetobeconsideredsimultaneously,withavastsearchspace(manypossiblearrangementsoflanduses).TheseconddiffereneeofthisresearchwithothersisintheusageofPSOforoptimization.Asindicatedintheaboveliteraturereview,mostoftheresearchonmulti-objectiveland-useoptimizationisbasedonversionsofGeneticAlgorithm(GA).ThemaindifferencebetweenPSOandGAmethodsisthatPSOdoesnotneedgeneticoperatorssuchascrossoverandmutEition,whichareusuallydifficuIttoimplement.Moreover,theirinformationsharingmechanismisdifferent：InGA,theinformationsharingisamongallchromosomes,whereasinPSO,onlythe'besparticlesharesitsinformationwithothers(ParsopoulosandVrahatis2010).Ingeneral,themainadvantageofPSOistheflexibilityandsimplicityofitsoperators(Engelbrecht2006,VandenBerghandEngelbrecht2006).TheoutputoftheM0PS0isaParetofrontofoptimizedanswers,amongwhichtheusercanselectthemostpreferableanswerbasedonhis/herownpriorities.Thismodelproposesseverallandarrangementstosupportdec