[发明专利]一种面向“三线”协同优化的多智能体遗传方法

说明书

本发明涉及一种面向“三线”协同优化的多智能体遗传方法，包括：收集并处理研究区数据集A、B、C；采用数据集A对研究区“三线”空间进行叠加诊断分析，获取“三线”冲突空间分布图；对步骤2中获取的“三线”冲突空间分布图进行栅格转换；设置多智能体遗传算法的优化目标及相应权重，构建适应度函数；结合数据集A、B、C设置多智能体遗传算法的约束条件；设置多智能体遗传算法的转换规则、算法参数，包括染色体种群规模，交叉率，变异率，最大迭代次数；构建多智能体遗传算法模型；优化结果输出。本方面解决了当前“多规合一”中的“三线”空间冲突难以协调、空间配置效率低下以及难以模拟多主体的智能行为导致配置结果合理性差等问题。

技术领域

本发明属于地理信息科学技术领域，涉及一种改进的面向土地利用生态保护红线、耕地与基本农田保护红线、城市扩展边界等“三线”协同优化的多智能体遗传算法。

背景技术

空间优化是人类经常面临的最复杂的非结构化问题之一，是在对客观规律认识基础上，通过对现状中不合理的空间格局进行修正和调整，促进空间格局不断完善，空间要素间关系不断协调，从而取得更大综合效益的过程。地理学研究领域中的许多复杂空间问题最终都可以归结为空间优化问题,如设施选址(公园、医院、大型超市选址等)、路线优化(物流配送路径优化等)、资源优化配置(水资源和土地资源的优化配置等)。土地利用生态保护红线、耕地与基本农田保护红线、城市扩展界线等“三线”的冲突协调优化也是空间优化问题在现实世界的一种表现形式，耦合大量的空间知识，具有非线性、多主体及多目标的复杂特征，传统的GIS所提供的叠置分析、网络分析和缓冲区分析等空间分析功能无法实现对这些复杂关系进行建模、表达、推理和学习。

现有的“三线”冲突协同优化方法主要包括两类：基于多准则决策的配置技术以及基于元胞自动机的配置模型。基于多准则决策的配置方法，采用GIS的叠加分析技术，将多目标决策或理想点分析等方法应用于准则规则中，根据“三线”协同优化的优先级别、适宜性评价指数的高低逐步为各个空间单元选择最佳用途。然而此方法由于缺乏全局目标函数无法解决土地利用多宜性及其与土地利用空间结构相冲突的问题，并且得到的配制方案往往基于主观判断。基于元胞自动机的配置模型，建立元胞局域转换规则集和约束体系，运用其强大的空间模拟能力来实现“三线”的空间布局。但是，元胞自动机模型只考虑了自身与邻域状态，缺乏社会、经济等宏观目标的指导，导致模拟结果无法满足全局目标的要求。

智能地理计算，面向多类型地理问题，提出了智能地理计算空间显式映射模型，将智能计算技术中的神经网络模型、遗传算法模型、微粒群优化算法等融入到地理空间，为解决非线性、非结构化、高维的地理空间优化与过程模拟问题提供方法支撑。上述模型在土地利用优化配置方面发挥了应有的作用，但在面对“三线”冲突协同优化等土地利用空间复杂系统问题存在一定的局限性。多智能体系统在模拟土地利用空间复杂系统的时空动态方面具有非常突出的优势。由于智能体(Agent)具有智能性、适应性、协作性等特点，将多智能体系统引入空间优化模型中，一方面将使得模型具备较强的适应能力，另一方面，基于Agent适应性和协作性构建参与土地利用空间优化行为主体之间的联动决策规则，将能够增强模型的合理性与实用性。因此随着当前“三线”协同优化需求的不断增长，迫切需要一种改进的智能优化方法来解决协同优化中的多主体协调问题。

发明内容

为了解决上述问题，本发明提供了一种面向“三线”协同优化的多智能体遗传算法。

本发明所采用的技术方案是：一种面向“三线”协同优化的多智能体遗传算法，包括以下步骤：

步骤1，收集并处理研究区数据集，包括数据集A、数据集B、数据集C；

所述的数据集A包括生态保护红线、耕地与基本农田保护红线、城市扩展边界线“三线”空间规划图；

所述的数据集B包括生态用地适宜性评价图、耕地适宜性评价图、城镇建设用地适宜性评价图、数字高程模型图、土地利用现状图、区县级行政区划图；