[發明專利]一種土地利用結構優化的多目標改進差分進化模型

在審

• 申請號: 201710383805.2
• 申請日: 2017-05-26
• 公開（公告）號: CN107248029A
• 公開（公告）日: 2017-10-13
• 發明（設計）人: 魯春陽;文楓;李博;靳世超;苗青;周彥兵;司錦;秦巖;解麗丹;王錦峰
• 申請（專利權）人: 河南城建學院
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06Q10/04;G06Q50/26;G06N3/12
• 代理公司: 西安銘澤知識產權代理事務所(普通合伙)61223
• 代理人: 俞曉明

1.一種土地利用結構優化的多目標改進差分進化模型，其特征在于，該種土地利用結構優化的多目標改進差分進化模型建模方法具體步驟如下：

S1：變量設置：根據土地利用動態變化及現狀分析，從土地資源特點和社會經濟發展要求出發，共設置10個變量：x₁(耕地)；x₂(園地)；x₃(林地)；x₄(牧草地)；x₅(其他農用地)；x₆(城鎮用地)；x₇(農村居民點用地)；x₈(交通運輸用地)；x₉(水利設施用地)；x₁₀(未利用地)；

S2：目標函數的建立：建立經濟效益目標函數、生態效益目標函數和約束條件；

S3：初始化種群：采用佳點集方法，設初始種群的規模為N，個體首先在S維空間H中取含有N個點的佳點集，S維空間H中取佳點的方法如下：

P_n(i)＝{({r₁×k}，{r₂×k}，…，{r_S×k})，k＝1，2，…，N} (1)

其中取：

t是滿足t≥2S+3的最小素數，其中{r_i×k}表示r_i×k的小數部分，

當(其中k＝1，2，…，S；i＝1，2，…，N)為實數編碼時，設的取值范圍為α_k≤a_k≤β_k，取即可，

利用多目標優化技術來處理約束條件：

F(x)＝F(f(x)，G(x)) (3)

其中一個目標為原目標函數f(x)，另一個目標函數為個體違反約束條件的程度G(x)：

其中G_j(x)表示個體x與第j個約束條件的距離，即

S4：變異操作：根據個體間非劣質解支配思想，把初始化種群分為兩個子種群，一個是非劣質解子集，另一個是劣質解子集，兩個自己對個體數目分為N₁和N₂，并且滿足采用N₁+N₂＝N，由種群中個體對非劣質解支配關系可知，對劣質解子集中對非劣個體按照約束違反度進行升序排序，選取前一半非劣個體直接進入到下一代群體，剩下對非劣個體則隨機替換非劣質解子集中的個體，非劣質解子集中的個體和劣質解子集中對個體分別通過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個體，t為當前迭代次數，為當前種群中適應度值最好的個體，F∈[0，2]為縮放因子，調節向量差異的步長幅值；

S5：收斂判斷：將經過步驟S4中變異操作后得到的個體與原個體進行比較，如果新個體優于原個體，算法結束，進行步驟S7，否則，執行步驟S6；

S6：交叉操作：對于群體中的i個個體將與x_m進行交叉操作，產生實驗個體x_T，引入交叉操作，則實驗向量為：

式中rand()為[0，1]之間均勻分布對隨機數，交叉概率因子CR∈[0，1]，T當前迭代次數，返回步驟S5；

S7：模型求解與分析以及方案的優化配置：根據前面建立的該系統的編碼框架，進行軟件編程實現，其中，變量維數D設為8，種群規模NP設為60，縮放因子F和交叉概率因子CR通過提出的自適應策略確定，最大迭代次數為600，以2010年為基期，2020年為優化目標年，經過多次獨立運行試驗，最后得到研究區2020年土地利用數量結構優化結果。

2.根據權利要求1所述的一種土地利用結構優化的多目標改進差分進化模型，其特征在于：所述步驟S2中經濟效益目標函數為：

式中F₁為規劃區國生產總值，B_i為規劃期第i種土地利用方式單位面積上按當年價格計算對國內生產總值(GDP)，x_i為各類用地規劃面積，

所述步驟S2中生態效益目標函數為：

式中F₂(x)為規劃區生態系統服務功能價值，X_k為土地利用類型k對分布面積，C_k為該類型土地單位面積對生態系統服務功能價值系數。