[发明专利]一种面向“三线”协同优化的粒子群改进算法

摘要

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。

主权项

一种面向“三线”协同优化的粒子群改进算法，其特征在于，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；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；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，对以上数据集中除各项用地指标比例数据与各类土地需求量外的所有数据按照统一的范围和格网大小进行栅格化，使得不同图层的栅格单元属性信息通过相同的行列号能够对应起来，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；步骤4.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。