[发明专利]一种面向“三线”协同优化的粒子群改进算法

说明书

本发明公开了一种面向“三线”协同优化的粒子群改进算法，首先进行数据收集与整理，然后对“三线”冲突图斑进行提取与综合，算法操作单元划分，最后将数据导入至“三线”协同优化粒子群模型中，进行问题建模，建立待求解问题和粒子群之间的概念映射关系：一种“三线”协同优化方案对应于粒子群算法中的一个粒子，每一个栅格单元在当前被指定的用地类型对应于粒子的位置，栅格单元向各种用地类型变化的转换概率对应于粒子的速度，“三线”协同优化方案优劣的评价函数对应于粒子群的适应度函数，通过算法的寻优过程对冲突图斑的用地类型进行优化，得到最终“三线”协同优化结果。本发明保证了图斑的连通性与紧凑性，提高了协同优化方案结果的质量。

技术领域

本发明涉及到“三线”冲突协同优化领域，即主要是协同耕地/基本保护红线、土地利用生态保护红线和城市增长边界线互相之间的空间冲突。

背景技术

“三线”冲突的来源于土地利用过程中不同主体的利益重叠和土地利用目标间的矛盾。其在规划空间上的表现形式就是对同一个的土地单元各规划部门规定了不同的用途，对土地单元的利用方向提出了不同的期望，并限定了不同的空间管制要求。在当前中国城镇化快速推进的背景下，“三线”冲突正日益引起广泛的关注。

因此对于“三线”空间协同优化技术的研究变得愈发迫切，尤其是通过智能优化方法解决“三线”冲突更为急迫。而“三线”协同优化这样的类型组合优化问题，其候选解的数量面临着陷入组合“爆炸”的困境，采用暴力枚举的方法在目前的计算机硬件水平下无法在给定的时间内求出满意解，因此需引入智能优化方法才能在可以接受的时间范围内输出最优解。

组合优化问题中决策变量可以通过整数编码或二进制编码与离散函数在形式上高度相似，但二者在本质上是不同的，组合优化问题种决策变量没有实数空间的性质，变量之间不能进行算术运算。因此将粒子群算法运用于处理“三线”协同优化这样的类型组合优化问题时，需要对粒子的速度和位置更新公式进行相应的改进，才能实现粒子群算法向“三线”协同优化问题的映射。

发明内容

本发明主要是提供一种采用粒子群智能优化方法进行“三线”协同优化，将智能优化方法引入“三线”协同优化领域，克服了暴力枚举方法无法解决的协同优化候选方案的组合“爆炸”难题。

本发明的上述技术问题主要是通过下述技术方案得以解决的：

一种面向“三线”协同优化的粒子群改进算法，包括如下步骤：

步骤1，数据收集与整理，包括数据集A、数据集B和数据集C，对所有空间数据统一坐标范围；

数据集A：土地利用总体规划及耕地/基本农田保护区数据，生态保护相关规划及生态保护区数据，城市总体规划及城市增长边界线数据，各项用地指标比例数据，各类土地的需求量；

数据集B：土地利用现状分类数据，根据一定的语义与空间规则将其重新分类为只包含建设用地、农业用地、生态用地三种用地类型的基础数据(三类用地互不重合且覆盖全部研究区域)；

数据集C：数字高程模型数据(DEM)，植被覆盖数据，土壤肥力数据、土壤侵蚀数据、耕层厚度分布图、行政边界数据；重要基础设施数据，包括主干道、次干道、高速公路、铁路、城市中心(市政府所在地)、区县中心(区县政府所在地)；生态用地竞争力评价图、耕地竞争力评价图、城镇建设用地竞争力评价图；

步骤2，“三线”冲突图斑提取与综合，在空间上叠加“三线”划定结果，识别出冲突图斑，根据制图综合的方法进行预处理，对于小于一定面积的冲突图斑视为无冲突，将其归并到周围相近的面积较大的地类图斑中；

步骤3，算法操作单元划分，所有空间数据按照相同的规则格网大小进行栅格化，使得相同行列号的栅格单元的属性信息可以对应起来，冲突图斑的每一个栅格对应一个粒子的维度，在冲突图斑中被指定为相同用地类型且相互连通的所有栅格划分为一个操作单元；