多目標粒子群算法在土地開發(fā)項目選址中的應用.pdf

1、當前由于經(jīng)濟發(fā)展迅速，城鎮(zhèn)化腳步不斷加快，我國耕地面積呈不斷減少的趨勢。土地開發(fā)作為嚴守耕地紅線、確保占補平衡的重要途徑，一直是專家學者研究的重點。土地開發(fā)項目前期選址是保障土地開發(fā)項目順利實施的前提和基礎(chǔ)，但是在這方面的研究較少。土地開發(fā)項目選址實質(zhì)上是多目標優(yōu)化問題。解決多目標優(yōu)化問題，特別是采用智能算法已經(jīng)成為研究多目標優(yōu)化問題的熱點。本文將建立土地開發(fā)選址數(shù)學模型，通過對多目標粒子群算法的改進，將粒子群算法與選址數(shù)學模型進行耦合

2、，建立土地開發(fā)項目選址模型，并對改進后的粒子群算法進行性能測試，最后以山西省孝義市驛馬鄉(xiāng)為例進行實例研究。為國土部門更好的開展土地開發(fā)工作提供理論參考。
　　本研究主要內(nèi)容包括：⑴以增加耕地面積，提高農(nóng)用地質(zhì)量，優(yōu)化土地利用結(jié)構(gòu)，促進土地集約利用為目標，構(gòu)建了土地開發(fā)選址多目標函數(shù)及約束體系構(gòu)建。目標函數(shù)包括最大新增耕地面積、最高集中連片程度、最高耕地質(zhì)量等別。約束體系包括決策變量、建設規(guī)模和新增耕地率。⑵介紹基本粒子群算法的概念

3、和基本運算步驟，并與其他智能算法進行了比較。將土地開發(fā)選址模型與粒子群算法進行耦合，對數(shù)據(jù)的預處理、編碼方式、粒子位置更新公式、參數(shù)的確定進行了改進，使得改進后的算法能夠適應土地開發(fā)選址模型。對改進后的算法進行性能測試，通過運用測試函數(shù)集對算法的收斂性、分布性、誤差率進行分析評價，得出算法是可行的。⑶以山西省孝義市驛馬鄉(xiāng)為例，通過設定不同權(quán)重得出多種選址方案。分析不同方案，最終確定最佳方案，并進行實地考察驗證了該模型對實際土地開發(fā)選址具