[发明专利]基于禁忌搜索算法的土地利用分区方法

说明书

技术领域

本发明涉及一种土地利用分区方法，尤指应用于土地利用空间布局中的基于禁忌搜索算法的土地利用分区方法，属于土地利用规划领域。

背景技术

土地利用空间分区是综合考虑影响土地质量与土地利用方式的各类因素(包括自然、社会、经济方面的因素)的基础上，将研究区域划分为若干均质区片的方法，以建立微观土地利用单元与区域土地利用管制之间的桥梁，以实现土地资源的可持续利用。实际工作中的土地利用空间分区一般包括土地利用总体规划中的土地利用区域分区、土地利用用途分区(功能分区)，专题规划中的基本农田保护区划分、土地开发整理分区，以及土地评价(土地适宜性评价、土地生产潜力评价以及土地经济评价)中的等值区划分。目前，常用的解决方法有叠置分析法、主导因素法、多因素综合评判法以及聚类分析法等。这些方法在具体的土地利用空间分区问题中有着一定的科学性和可操作性，但同时它们的缺陷也十分明显，表现在以下方面：受人为主观因素的影响较大；智能化程度不高；只能考虑某些主导因素，而无法兼顾多种准则和约束条件；只能提供唯一的或较少的候选方案，用户选择的自由度不大。最近，在土地利用优化配置中，多目标遗传算法和多目标模拟退火算法等算法被采用来解决空间优化布局问题。然而，由于土地利用决策的多目标特性，要求对应的空间优化决策兼顾土地利用多目标需求，现有这些方法在求解多目标优化问题时有着一定的局限性，表现在：①在大多数情况下，采用这些方法求解通常只能得到一个Pareto最优解，而且该解的获得与转化过程中参数的设定有着很大的关系。②所有的这些算法都需要根据问题的先验知识来选取合适的参数，不同的参数设置会导致产生不同的Pareto最优解。③一些算法对Pareto最优前端的形状很敏感，无法在非凸区域找到Pareto最优解。因此，针对土地利用多目标决策问题，研究提出基于多目标决策技术的土地利用分区方法是当前土地利用规划编制迫切需要解决的一个关键问题。多目标禁忌搜索方法是一种局部搜索算法，通过邻域搜索来实现全局最优，相关领域研究显示其在解决诸如土地利用空间分区要求连续、连片的优化决策问题方面具有较大的潜力，可望解决多目标要求的土地利用空间分区问题。

发明内容

针对传统的土地利用空间分区方法难以顾及土地利用的多目标特性，缺乏智能高效的分区决策算法的不足，本发明提出了一种基于多目标禁忌搜索算法的土地利用分区方法。将数学领域的多目标禁忌搜索算法应用到土地利用空间分区领域，对其关键问题，如初始方案生成方法、邻域规则定义、邻域生成方法、邻域搜索方法，记忆列表更新，广度搜索、深度搜索以及重启策略进行改进，提供了土地利用分区优化决策支持技术方法。

本发明提供的该基于禁忌搜索算法的土地利用分区方法的步骤为：

步骤一：划分土地整理区域，形成土地利用分区的基本单元，并对这些基本单元进行预处理；

步骤二：步骤一预处理后的基本单元作为该区域的种子，通过种子生长法得到土地利用分区的初始方案，并设置基本参数，至少包括循环参量置为0、设置区片数目、禁忌长度和最大搜索代数，以及执行广度搜索的代数、深度搜索的代数和重启的代数；

步骤三：根据邻域规则确定初始方案的邻域，利用多目标函数与约束条件，评价邻域中所有的点，然后通过邻域搜索确定土地利用分区的当前方案；

步骤四：更新记忆列表，至少包括记忆当前处于禁忌状态点的STM表，记忆移动中没有选择的却满足条件的候选解的IM表，记录当前搜索过的所有解的LTM表，记录当前搜索过的所有解的非劣解集的MTM表；

步骤五：如果迭代的次数大于最大搜索迭代次数，搜索结束，步骤三得到的土地利用分区的当前方案作为最优的土地利用分区结果，否则，继续步骤六；

步骤六：如果MTM中加入有新的点，则循环参量置为0，否则循环变量自增，并且继续步骤七；

步骤七：如果循环变量与执行广度搜索的代数相等，则进行广度搜索，否则继续步骤八；

步骤八：如果循环变量与深度搜索的代数相等，则进行深度搜索，并继续步骤四，否则，继续步骤九；

步骤九：如果循环变量与重启的代数相等，则执行重启搜索，并把循环变量置为0，继续步骤四，否则继续步骤三。

步骤二中的种子生长法包括以下步骤：

a.随机选择一个基本单元作为一个区片的种子；

b.通过种子与其邻接单元的不断合并生成新的区片；

c.当上述区片达到要求时或没有可以合并的邻接单元时，结束合并，否则，随机选择一个新的基本单元，继续步骤a。