[发明专利]一种智能土地利用布局优化配置方法

说明书

技术领域

本发明涉及一种土地利用领域，尤其是涉及一种智能土地利用布局优化配置方法。

背景技术

土地利用布局优化是实现土地可持续利用的重要途径，是根据土地利用结构在空间上对各种地类进行合理布局，以达到提高土地利用耦合效益的目的，是一种典型的多目标空间优化问题。针对土地利用布局优化的早期研究主要是利用GIS结合多准则评价技术，在对自然、社会经济条件进行评价的基础上为每个地块分配最适宜的土地利用类型，实现土地利用布局优化，这类方法缺少全局性的目标函数对配置方案进行评价。也有一些研究利用数学规划模型，包括线性规划模型、非线性规划模型等，通过数学建模完成土地利用布局优化，其缺陷在于数学规划模型需要构建模型的变量、目标、约束有严格的数学定义，但土地利用布局优化是一个复杂的非线性的复合地理作用过程，涉及到大量的约束条件、复杂的空间关系及利益相关者的博弈决策，通常难以满足用数学模型处理的条件。近几年来，许多智能算法被引入到土地利用布局优化中，如模拟退火、遗传算法、粒子群算法、元胞自动机、基因表达式编程等，这些方法对变量、目标、约束几乎没有任何要求，同时能够结合多目标处理技术，为决策者提供多种候选方案，为土地利用布局优化问题的求解带来了新的思路。

发明内容

本发明主要是解决现有技术所存在的技术问题；提供了一种利用蚁群的群智能模拟人类在土地利用布局优化过程中的决策行为，以提高土地利用布局优化的合理性和适用性的一种智能土地利用布局优化配置方法。

本发明再有一目的是解决现有技术所存在的技术问题；提供了一种同多目标处理技术相结合，能够在不同的发展情景下生成多种候选方案，为决策者提供决策支持的一种智能土地利用布局优化配置方法。

本发明的上述技术问题主要是通过下述技术方案得以解决的：

一种智能土地利用布局优化配置方法，其特征在于，该方法包括如下步骤：

步骤1，获取土地利用布局优化数据，包括空间数据和统计数据两类：空间数据包括土地利用现状数据、土地利用适宜性评价数据、坡度图等限制性因素因子图；统计数据主要包括土地利用结构数据；

步骤2，应用蚁群优化算法在步骤1的数据基础上进行优化，对土地利用布局优化问题进行建模，包括确定目标函数和约束条件体系，并设置蚁群优化算法的启发值，从而构建土地利用布局优化问题描述图以确立问题与算法间的映射关系，并利用蚁群优化算法在问题描述图上求解得出土地利用布局优化结果；

所述的建立待求问题与蚁群之间的映射关系如下：蚁群中的每个蚂蚁代表一种土地利用布局方案，方案的组成成分由两个部分组成：图斑及其土地利用类型，所有的图斑及其被分配的土地利用类型组成了完整的优化方案，这种一个图斑及一种土地利用类型的组合即为问题成分，所有的成分组成的完全连接图即为土地利用布局优化问题描述图，描述图中各成分的权重即为蚁群优化算法的启发值；土地利用综合效益函数构成了蚁群算法的目标函数，蚁群根据目标函数从种群中选择较好的解作为最优解，因而蚁群中最优蚂蚁表征最优的配置结果。

在上述的一种智能土地利用布局优化配置方法，所述的步骤2中，求解得出土地利用布局优化结果的步骤包括：

步骤2.1，初始化算法参数：算法参数包括：蚂蚁数目M、启发式因子α、期望启发式因子β、信息素挥发率ρ及信息素初始量Q等；算法终止条件参数包括:最大迭代次数I、最长运行时间T、期望目标收敛值G、最长收敛停滞代数N，同时将土地利用适宜性评价数据读取到启发值矩阵中；

步骤2.2，初始化蚂蚁记忆；

步骤2.3，计算当前图斑对应的所有成分的选择概率，所述选择概率即所有地类的选择概率，并判断图斑的地类转换是否满足约束条件，若不满足约束条件，则将其选择概率置为0，约束条件包括：地类转换约束，即因政策法规（如退耕还林、禁止抛荒、城镇建设用地不能转化为其他地类）、自然条件（如坡度、土壤质地、耕层厚度、PH、交通条件、给排水条件）决定的地块在发生地类转换时必须遵循的规则；面积约束，即各个地类的面积必须满足土地利用结构的要求，然后用轮盘赌随机选择一种地类作为该图斑的用途，并将该图斑及为其选择的地类组成的成分加入到正在构建的方案中；

步骤2.4，判断是否完成所有图斑的访问，没有完成将蚂蚁移动到下一个图斑，并执行步骤2.3，否则执行步骤2.5；

步骤2.5，判断是否有局部搜索机制，有则进行局部搜索；

步骤2.6，更新信息素；