[发明专利]一种土地利用结构优化的多目标改进差分进化模型

摘要

本发明公开了土地利用结构多目标优化技术领域的一种土地利用结构优化的多目标改进差分进化模型，其特征在于，该种土地利用结构优化的多目标改进差分进化模型建模方法具体步骤如下S1变量设置；S2目标函数的建立；S3初始化种群；S4变异操作；S5收敛判断；S6交叉操作；S7模型求解与分析以及方案的优化配置，首先通过利用佳点集产生初始种群，然后将种群分为非劣质解子集和劣质解子集，对非劣个体对选择引入偏好信息，选取一定比例对最优非劣个体直接进入下一代群体，对劣质解子集和非劣质解子集分别采用DE/rand/1和DE/bset/1变异策略，以平衡差分进化算法对全局搜索和局部搜索能力。

主权项

一种土地利用结构优化的多目标改进差分进化模型，其特征在于，该种土地利用结构优化的多目标改进差分进化模型建模方法具体步骤如下：S1：变量设置：根据土地利用动态变化及现状分析，从土地资源特点和社会经济发展要求出发，共设置10个变量：x1(耕地)；x2(园地)；x3(林地)；x4(牧草地)；x5(其他农用地)；x6(城镇用地)；x7(农村居民点用地)；x8(交通运输用地)；x9(水利设施用地)；x10(未利用地)；S2：目标函数的建立：建立经济效益目标函数、生态效益目标函数和约束条件；S3：初始化种群：采用佳点集方法，设初始种群的规模为N，个体首先在S维空间H中取含有N个点的佳点集，S维空间H中取佳点的方法如下：Pn(i)＝{({r1×k}，{r2×k}，…，{rS×k})，k＝1，2，…，N}   (1)其中取：t是满足t≥2S+3的最小素数，其中{ri×k}表示ri×k的小数部分，当(其中k＝1，2，…，S；i＝1，2，…，N)为实数编码时，设的取值范围为αk≤ak≤βk，取即可，利用多目标优化技术来处理约束条件：F(x)＝F(f(x)，G(x))   (3)其中一个目标为原目标函数f(x)，另一个目标函数为个体违反约束条件的程度G(x)：其中Gj(x)表示个体x与第j个约束条件的距离，即S4：变异操作：根据个体间非劣质解支配思想，把初始化种群分为两个子种群，一个是非劣质解子集，另一个是劣质解子集，两个自己对个体数目分为N1和N2，并且满足采用N1+N2＝N，由种群中个体对非劣质解支配关系可知，对劣质解子集中对非劣个体按照约束违反度进行升序排序，选取前一半非劣个体直接进入到下一代群体，剩下对非劣个体则随机替换非劣质解子集中的个体，非劣质解子集中的个体和劣质解子集中对个体分别通过DE/rand/1和DE/bset/1变异方式，其方程分别为：式中为互不相同的随机个体，t为当前迭代次数，为当前种群中适应度值最好的个体，F∈[0，2]为缩放因子，调节向量差异的步长幅值；S5：收敛判断：将经过步骤S4中变异操作后得到的个体与原个体进行比较，如果新个体优于原个体，算法结束，进行步骤S7，否则，执行步骤S6；S6：交叉操作：对于群体中的i个个体将与xm进行交叉操作，产生实验个体xT，引入交叉操作，则实验向量为：式中rand()为[0，1]之间均匀分布对随机数，交叉概率因子CR∈[0，1]，T当前迭代次数，返回步骤S5；S7：模型求解与分析以及方案的优化配置：根据前面建立的该系统的编码框架，进行软件编程实现，其中，变量维数D设为8，种群规模NP设为60，缩放因子F和交叉概率因子CR通过提出的自适应策略确定，最大迭代次数为600，以2010年为基期，2020年为优化目标年，经过多次独立运行试验，最后得到研究区2020年土地利用数量结构优化结果。