基于遗传算法的土地利用优化：NSGA-Ⅱ和NSGA-Ⅲ的对比研究

土地利用优化通常要兼顾不同群体的多种要求,理论上是复杂的超多目标(4个及以上)优化问题。但实际操作中却往往被简化为多目标(2—3个)优化问题,通过一种流行的多目标优化算法第Ⅱ代非支配排序遗传算法(NSGA-Ⅱ)求解。究其原因是对超多目标优化算法认知的缺失和与多目标优化算法理论对比的匮乏。对NSGA系列中应用最广泛的多目标优化算法NSGA-Ⅱ和最新提出、面向超多目标优化的算法NSGA-Ⅲ进行探究,从理论和实验两方面对Ⅲ和Ⅱ进行对比,从而探究二者进行土地利用优化时的优劣。在理论上,对比两种算法原理的异同。在实验中,分别设计多目标(3个目标)和超多目标(13个目标)土地利用优化问题,利用两种算法进行求解。对实验结果采用四层架构、六大指标进行全面评价,以对比两种算法的可用性。理论对比发现,两个算法只有种群多样性保护的方法不同,其中NSGA-Ⅲ是基于与固定的参考点的距离,而NSGA-Ⅱ则是基于相邻解间的距离。通过实验对比发现,NSGA-Ⅲ在超多目标优化时运算速度快,且产生的最优方案实用价值更高,NSGA-Ⅱ在算法的有效性方面更有优势。     

基于文献计量和遗传算法的土地利用优化研究进展

以Web of Science数据库中1999—2022年(截止2022年1月22日)关于遗传算法与土地利用的164篇英文和27篇中文文献为数据源,基于文献计量方法,对每年中英文发文量、文献来源国家、中英文文献学科方向、中英文载文期刊进行分析,探究基于遗传算法的土地利用优化的总体研究概况,然后利用CiteSpace软件对作者和研究机构合作网络、关键词共现网络和文献共被引网络进行可视化,分析研究热点。研究发现,(1)基于遗传算法的土地利用优化研究整体呈上升趋势,中国(包括港澳台地区)、美国、伊朗是发文量前三国家,研究属于环境、地理和规划的交叉领域。(2)研究者间形成了2个较大规模的合作网络和众多中小规模的合作网络,处于核心地位的研究机构来自发文量前十的国家。(3)绿色基础设施是重要的研究对象,多目标优化是主要的优化模型,与其它技术,如粒子群算法的结合和对比为重要的研究方向。(4)风力能源规划、自然环境保护、海绵城市规划、生物多样性、交通规划、规划支持系统构建是重要的研究内容,主要的研究方法包括带约束的多目标优化和空间优化模型。