基于多目标人工免疫系统的土地资源空间布局优化方法
【专利摘要】本发明提供了基于多目标人工免疫系统的土地资源空间布局优化方法，包括将规划区在基期年的土地适宜性评价结果图采用栅格文件进行存储；编码，将一种土地资源空间布局方案通过整数编码，映射为人工免疫系统的抗体，包括用规划区内的一个栅格单元代表实际的一个地块，对应人工抗体中的一个基因位；目标函数设置、约束条件设置、抗体种群初始化，抗体目标值向量计算，然后迭代进行克隆、变异、抗体目标值向量计算、种群更新、终止条件判断，直到终止迭代，并解码得到Pareto优化方案。
【专利说明】基于多目标人工免疫系统的土地资源空间布局优化方法
【技术领域】
[0001]本发明属于土地资源空间布局优化配置【技术领域】，特别是涉及一种基于多目标人工免疫系统的土地资源空间布局优化方法。
【背景技术】
[0002]土地资源的空间布局优化是土地利用规划工作的重要组成部分，其本质是在区域规划期土地资源数量结构的约束下，根据土地自身的自然(PH值、土层厚度等)、社会(权属、区位条件)、经济(价格、经济效益等)属性特征，确定每一块土地的用途，以提高区域土地利用的适宜性，使得区域土地资源的空间布局更有利于生产经营管理和生态环境保护。因此，土地资源的空间布局优化问题从本质上看是一类带约束条件的多目标组合优化问题。
[0003]相对于传统的多目标组合优化问题，土地资源的空间布局优化配置问题更为复杂，求解难度更大:不仅需要处理传统的数学约束关系，还必须处理复杂的空间约束关系，且决策变量众多(数以万计)。因而，由于技术条件的限制，在早期的土地利用规划中，土地资源的空间布局主要依靠规划专家人为主观的空间上划定各类土地利用分区得以实现。依靠专家对土地利用进行分区的主要问题在于分区结果过于主观、分区方案不精确，使得传统的土地利用规划方案最终无法落实到实际的土地利用中。另一方面，随着我国人口的增长、城市化进程的快速推进，土地资源的不合理利用日益明显，重点表现为城镇建设用地规模扩张过快，农用地(尤其是耕地)流失严重，人地矛盾尖锐，并造成了严重的生态和环境灾难。传统的土地利用规划被视为是一种“强政治，弱技术”的政府行为，已不能满足新时期土地可持续利用和生态环境保护的基本需求。因此，在我国新一轮土地利用总体规划工作的开展和实施过程中，对于村镇级的土地利用规划，必须明确每一块土地的具体用途。由此可见，传统的依靠专家主观确定区域土地用途的方法已不能满足新时期土地利用规划工作的实际需求。
[0004]近年来，随着智能优化技术和空间信息技术的快速发展，以及我国土地利用规划工作的强烈需求，一些新理论和新方法开始被广泛应用于土地利用规划工作。在土地资源空间布局优化配置领域，国内外有关研究者开始基于不同的智能优化算法对土地资源的空间布局优化技术进行了探索，并取得了较好的效果，例如基于遗传算法的优化模型有关文献:[I]席一凡，杨茂盛，尚耀华.遗传算法在城市土地功能配置规划中的应用[J].西北建筑工程学院学报(自然科学版)，2001，18(04):190-194.有关文献:[2]张鸿辉，曾永年，刘慧敏.多目标土地利用空间优化配置模型及其应用[J].中南大学学报(自然科学版)，2011，42 (04):1056-1065.有关文献:[3] CAO K, YE X.Coarse-grained parallelgenetic algorithm applied to a vector based land use allocation optimizationproblem:the case study of Tongzhou Newtown, Beijing，China[J].StochEnv ResRisk A，2012，l-10.、基于模拟退火算法的优化模型有关文献:[4]SANTE-RIVEIRA I，B0ULL0N-MAGAN M,CRECENTE-MASEDA R，et al.Algorithm based on simulated annealingfor land-use allocation[J].ComputGeosci，2008，34(3):259-268.有关文献:[5]AERTS J, VAN HERffIJNEN M, STEWART T J.Using simulated annealing and spatialgoal programming for solving a multi site land use allocation problem[M].Berlin; Springer-Verlag Berlin.2003:448-463.、基于微粒群算法的优化模型有关文献:[6]LIU Y L, LIU D F, LIU Y F, et al.Rural land use spatial allocation in thesemiarid loess hilly area in China:Using a Particle Swarm Optimization modelequipped with mult1-objective optimization techniques[J].Sci China-Earth Sci,2012,55(7):1166-1177.等。
[0005]以上智能优化模型的提出，从技术上极大的推进了土地资源空间布局优化配置相关的工作和研究，是的土地资源空间布局朝着自动化、智能化方向发展。然而，在已有的优化技术中，还存在一定不足，主要表现为:
[0006](I)模型的空间搜索能力较弱
[0007]智能优化算法大多通过随机搜索、反复迭代的方式获得最优解，其计算效率随着决策变量的增多而急剧下降，这一现象也被称为“维度灾难”。随着地块数量的增加，现有的土地利用空间布局优化模型的空间搜索能力不足的问题也随之凸显，甚至出现算法不收敛的情况。智能算法存在的上述问题表明，以随机改变地块类型的搜索方式已不能满足大规模土地利用空间布局优化搜索的需求。因此，必须从土地资源空间布局优化这一空间优化问题的基本特性出发，改进模型的空间搜索策略，增强算法的搜索效率，提高算法的收敛速度和计算效率。
[0008](2)模型的多目标处理方法不能满足土地利用多目标决策支持的需要
[0009]土地利用优化配置问题是一类带约束条件的多目标优化问题。在土地资源空间优化配置模型研究领域，目前大多数研究都采用了基于线性加权和法的对多目标进行处理。该方法的优势在于计算简单，然而缺陷也是显而易见的，如目标权重难以确定、对Pareto前端的形状非常敏感，不能处理其前端的凹部等。因此，需要引入更先进的多目标处理方法对土地资源空间布局优化模型进行改进。
[0010]人工免疫系统(Artificial Immune System, AIS)是一类模拟自然免疫系统的各种原理和机制而开发的智能优化算法。相对于遗传算法，模拟退火算法、微粒群算法和蚁群算法等智能优化算法，人工免疫系统在寻优能力、收敛速度和保持中秋多样性等方面具有其独特的优势，因而被广泛应用于信息安全、机器学习、数据挖掘和智能优化等多个领域。然而，人工免疫系统目前在土地资源空间布局优化配置领域还没有得到足够重视，国内外还未见相关的报导。因此，针对已有优化模型的上述不足，本发明将以多目标人工免疫系统模型中的NICA算法为基础，针对土地资源空间布局问题的基本特点和求解需求，提出一种空间搜索能力强、基于Pareto占优策略的新型面向土地资源空间布局优化技术，实现土地资源空间布局的自动化和智能化配置。
【发明内容】
[0011]针对现有土地资源空间布局优化技术的局限性，发明一种智能化、自动化的基于多目标人工免疫系统的土地资源空间布局优化技术。为土地利用规划提供科学、合理、精确、切实可行的土地资源空间布局优化方案，进而为实现土地资源的合理、高效、可持续利用提供重要保障。[0012]本发明提供的技术方案是一种基于多目标人工免疫系统的土地资源空间布局优化方法，包括以下步骤:
[0013]步骤一、将规划区土地适宜性评价结果图采用栅格文件进行存储；
[0014]步骤二、编码，将一种土地资源空间布局方案通过二维整数编码，映射为人工免疫系统的抗体；包括用规划区内的一个栅格单元代表实际的一个地块，对应人工抗体中的一个基因位，每个基因位包含了对应地块的空间位置行列号和地类的特征信息，所述特征信息包括对所有地类的适宜性分值和当前地块配置的用地类型信息，适宜性分值根据土地适宜性评价结果图的栅格文件取得；
[0015]步骤三、目标函数设置，包含两个优化目标，分别为最大适宜度S和最大紧凑度Comp，
[0016]
【权利要求】
1.一种基于多目标人工免疫系统的土地资源空间布局优化方法，其特征是，包括以下步骤: 步骤一、将规划区土地适宜性评价结果图采用栅格文件进行存储； 步骤二、编码，将一种土地资源空间布局方案通过二维整数编码，映射为人工免疫系统的抗体；包括用规划区内的一个栅格单元代表实际的一个地块，对应人工抗体中的一个基因位，每个基因位包含了对应地块的空间位置行列号和地类的特征信息，所述特征信息包括对所有地类的适宜性分值和当前地块配置的用地类型信息，适宜性分值根据土地适宜性评价结果图的栅格文件取得； 步骤三、目标函数设置，包含两个优化目标，分别为最大适宜度S和最大紧凑度Comp，
2.根据权利要求1所述基于多目标人工免疫系统的土地资源空间布局优化方法，其特征是:斑块的形状指数LSI按以下公式得到，
3.根据权利要求1所述基于多目标人工免疫系统的土地资源空间布局优化方法，其特征是:步骤五的实现步骤如下， 步骤5.1，构建列表Y，Y的长度为地类的个数，Y中各元素表示对应地类所需要的栅格单元个数；步骤5.2，产生空的抗体，抗体各基因位的取值为空； 步骤5.3，遍历各基因位，对于当前基因位，基于地块的土地适宜性分值构建轮盘，采用轮盘赌策略随机确定其地类，轮盘构建的原理如下式，
4.根据权利要求1所述基于多目标人工免疫系统的土地资源空间布局优化方法，其特征是:设遍历抗体的基因位i，以栅格单元为象元，设基因位总数为N，i的初始值为O ;步骤八的实现步骤如下，步骤8.1，i=i+l,当前基因位的地类为Li,生成一个取值在0-1之间的随机数rnd，若rnd小于预设的抗体变异率Pm，则进入下一步；否则继续重复本步骤跳转到下一个基因位；步骤8.2，获得当前基因位的邻域象元集P，并统计P中包含的地类及对应的象元个数； 步骤8.3，若邻域P内只包含一种地类，则返回步骤8.1，否则进入下一步； 步骤8.4，统计P中各地类Lj的出现概率，记为概率Pj ； 步骤8.5，获得当前基因位对应地块对所有类型用地的适宜性分值Sj ； 步骤8.6，计算各地类的综合选择概率C j = PjXSj ； 步骤8.7，根据各地类的综合选择概率，采用轮盘赌策略随机选择一个地类L。作为当前基因位实施变异后的地类； 步骤8.8，在抗体中寻找到一个地类编码为L。的基因位C，与当前基因位交换地类编码； 步骤8.9，若i〈N，则返回步骤8.1继续执行，否则退出循环，抗体变异操作完成。
5.根据权利要求4所述基于多目标人工免疫系统的土地资源空间布局优化方法，其特征是:步骤8.8包括以下步骤， 步骤8.1.1，在抗体内除当前基因位以外的区域随机生成一个位置y ; 步骤8.1.2，若位置y的地类Ly为L。，则进入下一步，否则返回步骤8.1.1 ; 步骤8.1.3，获得位置y的邻域象元集P，并统计P内地类的数量，若P内只有一种地类，则返回步骤8.1.1，否则进入下一步； 步骤8.1.4，若y的邻域象元中包含Li则循环终止，以位置y作为抗体基因交换位，否则返回步骤8.1.1继续查找交换位。
6.根据权利要求1或2或3或4或5所述基于多目标人工免疫系统的土地资源空间布局优化方法，其特征是:步骤五中，对于新的Pareto解集,统计Pareto解的数量TP,若TP大于预设的最大Pareto解数量MP，则根据各解的拥挤距离大小，删除拥挤距离较小的TP-MP个Pareto解,剩下的Pareto解构成新的记忆抗体种群。
7.根据权利要求6所述基于多目标人工免疫系统的土地资源空间布局优化方法，其特征是:各Pareto解相应抗体的拥挤距离计算方法如下: 1)按照第k个优化目标的目标值对抗体种群进行排序； 2)将排序最前和最末的抗体在目标k方向的距离分量设置为一个正无穷大值； 3)根据抗体在种群中的排序位置，计算各抗体在目标k方向的距离分量dk，得到第i个抗体在第k个目标上的亲和度距离dik ； 4)对各抗体在所有目标方向的距离分量值求和，得到各抗体的拥挤距离； 相关计算公式如下，
【文档编号】G06F19/00GK103473465SQ201310425251
【公开日】2013年12月25日 申请日期:2013年9月17日 优先权日:2013年9月17日
【发明者】刘耀林, 赵翔, 刘艳芳, 刘殿锋, 何建华, 焦利民 申请人:武汉大学