本發(fā)明涉及一種土地利用領(lǐng)域，尤其是涉及一種智能土地利用布局優(yōu)化配置方法。

背景技術(shù)：
土地利用布局優(yōu)化是實(shí)現(xiàn)土地可持續(xù)利用的重要途徑，是根據(jù)土地利用結(jié)構(gòu)在空間上對各種地類進(jìn)行合理布局，以達(dá)到提高土地利用耦合效益的目的，是一種典型的多目標(biāo)空間優(yōu)化問題。針對土地利用布局優(yōu)化的早期研究主要是利用GIS結(jié)合多準(zhǔn)則評價(jià)技術(shù)，在對自然、社會(huì)經(jīng)濟(jì)條件進(jìn)行評價(jià)的基礎(chǔ)上為每個(gè)地塊分配最適宜的土地利用類型，實(shí)現(xiàn)土地利用布局優(yōu)化，這類方法缺少全局性的目標(biāo)函數(shù)對配置方案進(jìn)行評價(jià)。也有一些研究利用數(shù)學(xué)規(guī)劃模型，包括線性規(guī)劃模型、非線性規(guī)劃模型等，通過數(shù)學(xué)建模完成土地利用布局優(yōu)化，其缺陷在于數(shù)學(xué)規(guī)劃模型需要構(gòu)建模型的變量、目標(biāo)、約束有嚴(yán)格的數(shù)學(xué)定義，但土地利用布局優(yōu)化是一個(gè)復(fù)雜的非線性的復(fù)合地理作用過程，涉及到大量的約束條件、復(fù)雜的空間關(guān)系及利益相關(guān)者的博弈決策，通常難以滿足用數(shù)學(xué)模型處理的條件。近幾年來，許多智能算法被引入到土地利用布局優(yōu)化中，如模擬退火、遺傳算法、粒子群算法、元胞自動(dòng)機(jī)、基因表達(dá)式編程等，這些方法對變量、目標(biāo)、約束幾乎沒有任何要求，同時(shí)能夠結(jié)合多目標(biāo)處理技術(shù)，為決策者提供多種候選方案，為土地利用布局優(yōu)化問題的求解帶來了新的思路。

技術(shù)實(shí)現(xiàn)要素：
本發(fā)明主要是解決現(xiàn)有技術(shù)所存在的技術(shù)問題；提供了一種利用蟻群的群智能模擬人類在土地利用布局優(yōu)化過程中的決策行為，以提高土地利用布局優(yōu)化的合理性和適用性的一種智能土地利用布局優(yōu)化配置方法。本發(fā)明再有一目的是解決現(xiàn)有技術(shù)所存在的技術(shù)問題；提供了一種同多目標(biāo)處理技術(shù)相結(jié)合，能夠在不同的發(fā)展情景下生成多種候選方案，為決策者提供決策支持的一種智能土地利用布局優(yōu)化配置方法。本發(fā)明的上述技術(shù)問題主要是通過下述技術(shù)方案得以解決的：一種智能土地利用布局優(yōu)化配置方法，其特征在于，該方法包括如下步驟：步驟1，獲取土地利用布局優(yōu)化數(shù)據(jù)，包括空間數(shù)據(jù)和統(tǒng)計(jì)數(shù)據(jù)兩類：空間數(shù)據(jù)包括土地利用現(xiàn)狀數(shù)據(jù)、土地利用適宜性評價(jià)數(shù)據(jù)、坡度圖等限制性因素因子圖；統(tǒng)計(jì)數(shù)據(jù)主要包括土地利用結(jié)構(gòu)數(shù)據(jù)；步驟2，應(yīng)用蟻群優(yōu)化算法在步驟1的數(shù)據(jù)基礎(chǔ)上進(jìn)行優(yōu)化，對土地利用布局優(yōu)化問題進(jìn)行建模，包括確定目標(biāo)函數(shù)和約束條件體系，并設(shè)置蟻群優(yōu)化算法的啟發(fā)值，從而構(gòu)建土地利用布局優(yōu)化問題描述圖以確立問題與算法間的映射關(guān)系，并利用蟻群優(yōu)化算法在問題描述圖上求解得出土地利用布局優(yōu)化結(jié)果；所述的建立待求問題與蟻群之間的映射關(guān)系如下：蟻群中的每個(gè)螞蟻代表一種土地利用布局方案，方案的組成成分由兩個(gè)部分組成：圖斑及其土地利用類型，所有的圖斑及其被分配的土地利用類型組成了完整的優(yōu)化方案，這種一個(gè)圖斑及一種土地利用類型的組合即為問題成分，所有的成分組成的完全連接圖即為土地利用布局優(yōu)化問題描述圖，描述圖中各成分的權(quán)重即為蟻群優(yōu)化算法的啟發(fā)值；土地利用綜合效益函數(shù)構(gòu)成了蟻群算法的目標(biāo)函數(shù)，蟻群根據(jù)目標(biāo)函數(shù)從種群中選擇較好的解作為最優(yōu)解，因而蟻群中最優(yōu)螞蟻表征最優(yōu)的配置結(jié)果。在上述的一種智能土地利用布局優(yōu)化配置方法，所述的步驟2中，求解得出土地利用布局優(yōu)化結(jié)果的步驟包括：步驟2.1，初始化算法參數(shù)：算法參數(shù)包括：螞蟻數(shù)目M、啟發(fā)式因子α、期望啟發(fā)式因子β、信息素?fù)]發(fā)率ρ及信息素初始量Q等；算法終止條件參數(shù)包括:最大迭代次數(shù)I、最長運(yùn)行時(shí)間T、期望目標(biāo)收斂值G、最長收斂停滯代數(shù)N，同時(shí)將土地利用適宜性評價(jià)數(shù)據(jù)讀取到啟發(fā)值矩陣中；步驟2.2，初始化螞蟻記憶；步驟2.3，計(jì)算當(dāng)前圖斑對應(yīng)的所有成分的選擇概率，所述選擇概率即所有地類的選擇概率，并判斷圖斑的地類轉(zhuǎn)換是否滿足約束條件，若不滿足約束條件，則將其選擇概率置為0，約束條件包括：地類轉(zhuǎn)換約束，即因政策法規(guī)（如退耕還林、禁止拋荒、城鎮(zhèn)建設(shè)用地不能轉(zhuǎn)化為其他地類）、自然條件（如坡度、土壤質(zhì)地、耕層厚度、PH、交通條件、給排水條件）決定的地塊在發(fā)生地類轉(zhuǎn)換時(shí)必須遵循的規(guī)則；面積約束，即各個(gè)地類的面積必須滿足土地利用結(jié)構(gòu)的要求，然后用輪盤賭隨機(jī)選擇一種地類作為該圖斑的用途，并將該圖斑及為其選擇的地類組成的成分加入到正在構(gòu)建的方案中；步驟2.4，判斷是否完成所有圖斑的訪問，沒有完成將螞蟻移動(dòng)到下一個(gè)圖斑，并執(zhí)行步驟2.3，否則執(zhí)行步驟2.5；步驟2.5，判斷是否有局部搜索機(jī)制，有則進(jìn)行局部搜索；步驟2.6，更新信息素；步驟2.7，將當(dāng)前螞蟻構(gòu)建的解與最優(yōu)解進(jìn)行對比，若更優(yōu)則將其更新為最優(yōu)解，并判斷是否所有螞蟻完成了方案構(gòu)建，沒有完成則選擇下一只螞蟻?zhàn)鳛楫?dāng)前螞蟻，并轉(zhuǎn)至步驟2.2，否則轉(zhuǎn)至步驟2.8；步驟2.8，判斷是否滿足結(jié)束條件（結(jié)束條件為步驟2.1中所述的算法終止條件：最大迭代次數(shù)I、最長運(yùn)行時(shí)間T、期望目標(biāo)收斂值G、最長收斂停滯代數(shù)N，可選擇其中一個(gè)或多個(gè)作為結(jié)束條件，當(dāng)滿足其中任一終止條件時(shí)，算法循環(huán)終止），若不滿足則轉(zhuǎn)至步驟2.1；步驟2.9，結(jié)果輸出。在上述的一種智能土地利用布局優(yōu)化配置方法，所述步驟2.3的具體方法是，定義當(dāng)前圖斑各地類的選擇概率為P(Cij),并計(jì)算當(dāng)前圖斑各地類的選擇概率為P(Cij)，然后輪盤賭隨機(jī)選擇一種地類作為該圖斑的用途，及從當(dāng)前圖斑的成分集中選擇一個(gè)成分，并放入到螞蟻構(gòu)建的方案中，P（Cij）=[PAS（Cij）+Pneighbourhood（Cij）μ]×Pconstraint（Cij）式中：PAS(Cij)表示按螞蟻系統(tǒng)選擇概率計(jì)算方式計(jì)算的的選擇概率，Pneighbourhood(Cij)表示第i個(gè)柵格單元鄰域中地類為j的單元的頻數(shù)，μ為鄰域影響系數(shù)，Pconstraint(Cij)為考慮約束條件的轉(zhuǎn)換概率，即當(dāng)?shù)趇個(gè)單元滿足約束條件，可以轉(zhuǎn)換為地類j時(shí)，其值為1，反之為0。在上述的一種智能土地利用布局優(yōu)化配置方法，所述步驟2.6的更新信息表基于目標(biāo)函數(shù)：fk=Wsfsuitability(k)+WCfcompactness(k)+WUfunchanged(k)式中Ws、Wc及Wu為各目標(biāo)權(quán)重，三者之和為1，各權(quán)重的大小根據(jù)目標(biāo)的相對重要性確定，即越重要的目標(biāo)，其權(quán)重越大，各子目標(biāo)包括最大化適宜性fsuitability：鼓勵(lì)因地制宜，合理利用土地；最大化空間緊湊度fcompactness：鼓勵(lì)空間集聚，最大化不變率funchanged：減少因地類轉(zhuǎn)換帶來的成本的計(jì)算方式如下：式中：n為柵格單元總數(shù)，j為柵格單元i的用途，Sij為柵格單元i用作地類j時(shí)的適宜性；Cij為單元i的8鄰域中類型為j的單元的數(shù)目；nunchanged表示沒有轉(zhuǎn)換的單元數(shù)目，其中Sij與Cij通過下式進(jìn)行歸一化處理：Nnorm=(N-Nmin)/（Nmax-Nmin）信息素按下式進(jìn)行更新：τij←（1-ρ）τij+Δτij式中：ρ為信息素?fù)]發(fā)率，fk為第k只螞蟻構(gòu)建方案的目標(biāo)函數(shù)分值。因此，本發(fā)明具有如下優(yōu)點(diǎn)：1.將蟻群優(yōu)化算法空間化，建立土地利用布局優(yōu)化問題描述圖，使得算法與問題一一映射，更加有利于問題的快速、有效的求解；2.利用蟻群的群智能模擬人類在土地利用布局優(yōu)化過程中的決策行為，以提高土地利用布局優(yōu)化的合理性和適用性；該方法同多目標(biāo)處理技術(shù)相結(jié)合，能夠在不同的發(fā)展情景下生成多種候選方案，為決策者提供決策支持。附圖說明圖1本發(fā)明的土地利用布局優(yōu)化流程圖。圖2本發(fā)明的土地利用布局優(yōu)化問題描述圖，其中每個(gè)節(jié)點(diǎn)即為布局方案的組成成分，由一個(gè)圖斑及一種地類組成，所有的這種成分組成的完全連接圖即為問題描述圖，成分的權(quán)值即為蟻群優(yōu)化算法的啟發(fā)值，通常設(shè)置為土地適宜性評價(jià)結(jié)果。具體實(shí)施方式下面通過實(shí)施例，并結(jié)合附圖，對本發(fā)明的技術(shù)方案作進(jìn)一步具體的說明。本發(fā)明所采用的蟻群優(yōu)化算法流程圖如圖1示。一種智能土地利用布局優(yōu)化配置方法包括如下步驟：步驟1.獲取土地利用布局優(yōu)化的基礎(chǔ)數(shù)據(jù)，包括空間數(shù)據(jù)和統(tǒng)計(jì)數(shù)據(jù)兩類：空間數(shù)據(jù)包括土地利用現(xiàn)狀數(shù)據(jù)、土地利用適宜性評價(jià)數(shù)據(jù)、坡度圖等限制性因素因子圖等，并將這些多種來源、不同格式的數(shù)據(jù)進(jìn)行統(tǒng)一規(guī)范化處理，形成一個(gè)統(tǒng)一的基礎(chǔ)數(shù)據(jù)庫；統(tǒng)計(jì)數(shù)據(jù)包括自然、社會(huì)和經(jīng)濟(jì)數(shù)據(jù)等統(tǒng)計(jì)年鑒數(shù)據(jù)，用以確定土地利用結(jié)構(gòu)以及限制條件和目標(biāo)函數(shù)的計(jì)算。在上述數(shù)據(jù)的基礎(chǔ)上，對土地利用布局優(yōu)化問題進(jìn)行建模，包括確定目標(biāo)函數(shù)和約束條件體系，并設(shè)置蟻群優(yōu)化算法的啟發(fā)值，從而構(gòu)建土地利用布局優(yōu)化問題描述圖以確立問題與算法間的映射關(guān)系：蟻群中的每個(gè)螞蟻代表一種土地利用布局方案，方案的組成成分由兩個(gè)部分組成：圖斑及其土地利用類型，所有的圖斑及其被分配的土地利用類型組成了完整的優(yōu)化方案。這種一個(gè)圖斑及一種土地利用類型的組合即為問題成分，所有的成分組成的完全連接圖即為土地利用布局優(yōu)化問題描述圖，描述圖中各成分的權(quán)重（設(shè)置為適宜性評價(jià)結(jié)果）即為蟻群優(yōu)化算法的啟發(fā)值。土地利用綜合效益函數(shù)構(gòu)成了蟻群算法的目標(biāo)函數(shù)，蟻群根據(jù)目標(biāo)函數(shù)從種群中選擇較好的解作為最優(yōu)解，因而蟻群代表了最優(yōu)的解決方案。步驟2.應(yīng)用蟻群優(yōu)化算法在土地利用布局優(yōu)化問題描述圖上進(jìn)行優(yōu)化，首先初始化各個(gè)算法參數(shù)，包括：基本的算法參數(shù)，如螞蟻數(shù)目M、啟發(fā)式因子α、期望啟發(fā)式因子β、信息素?fù)]發(fā)率ρ及信息素初始量Q等；算法終止條件參數(shù)，如最大迭代次數(shù)I、最長運(yùn)行時(shí)間T、最長收斂停滯代數(shù)N等。同時(shí)將土地利用適宜性評價(jià)數(shù)據(jù)讀取到啟發(fā)值矩陣中。步驟3.清空螞蟻記憶，螞蟻記憶中存儲(chǔ)的是其構(gòu)建的方案，因此在螞蟻開始搜索前應(yīng)清空其記憶，便于新方案的構(gòu)建。步驟4.計(jì)算當(dāng)前圖斑各地類的選擇概率P(Cij),然后輪盤賭隨機(jī)選擇一種地類作為該圖斑的用途，及從當(dāng)前圖斑的成分集中選擇一個(gè)成分，并放入到螞蟻構(gòu)建的方案中。P（Cij）=[PAS（Cij）+Pneighbourhood（Cij）μ]×Pconstraint（Cij）式中：PAS(Cij)表示按螞蟻系統(tǒng)選擇概率計(jì)算方式計(jì)算的的選擇概率，Pneighbourhood(Cij)表示第i個(gè)柵格單元鄰域中地類為j的單元的頻數(shù)，μ為鄰域影響系數(shù)，Pconstraint(Cij)為考慮約束條件的轉(zhuǎn)換概率，即當(dāng)?shù)趇個(gè)單元滿足約束條件，可以轉(zhuǎn)換為地類j時(shí)，其值為1，反之為0。步驟5.按步驟4為所有圖斑選擇地類，并將其代表的成分添加到正在構(gòu)建的方案中，直至方案構(gòu)建完成。步驟6.判斷是否有局部搜索策略，如果有則對步驟5中構(gòu)建的方案進(jìn)行局部搜索，生成局部最優(yōu)解。如果沒有，直接執(zhí)行步驟7.步驟7.螞蟻根據(jù)目標(biāo)函數(shù)評價(jià)構(gòu)建的方案并進(jìn)行信息素的更新。目標(biāo)函數(shù)為：fk=Wsfsuitability(k)+WCfcompactness(k)+WUfunchanged(k)式中Ws、Wc及Wu為各目標(biāo)權(quán)重，三者之和為1，各權(quán)重的大小根據(jù)目標(biāo)的相對重要性確定，即越重要的目標(biāo)，其權(quán)重越大。各子目標(biāo)（最大化適宜性fsuitability：鼓勵(lì)因地制宜，合理利用土地；最大化空間緊湊度fcompactness：鼓勵(lì)空間集聚，最大化不變率funchanged：減少因地類轉(zhuǎn)換帶來的成本）計(jì)算方式如下：式中：n為柵格單元總數(shù)，j為柵格單元i的用途，Sij為柵格單元i用作地類j時(shí)的適宜性；Cij為單元i的8鄰域中類型為j的單元的數(shù)目；nunchanged表示沒有轉(zhuǎn)換的單元數(shù)目。其中Sij與Cij通過下式進(jìn)行歸一化處理：Nnorm=(N-Nmin)/（Nmax-Nmin）信息素按下式進(jìn)行更新：τij←（1-ρ）τij+Δτij式中：ρ為信息素?fù)]發(fā)率，fk為第k只螞蟻構(gòu)建方案的目標(biāo)函數(shù)分值步驟7.所有螞蟻按步驟3只步驟7生成一種方案。步驟8.蟻群從其種群的所有螞蟻構(gòu)建的方案中，選擇目標(biāo)函數(shù)分值最高者作為當(dāng)前迭代最優(yōu)解，將其與全局最優(yōu)解進(jìn)行對比，若更優(yōu)則將其更新為全局最優(yōu)解。步驟9.結(jié)果輸出，包括根據(jù)土地利用布局優(yōu)化方案生成土地利用空間布局圖，并保存算法運(yùn)行的過程數(shù)據(jù)，如每次迭代的運(yùn)行時(shí)間、最優(yōu)解等等。實(shí)施例：選取某一鄉(xiāng)鎮(zhèn)土地利用布局優(yōu)化為例，利用本發(fā)明方法開展土地利用布局優(yōu)化研究的具體實(shí)施過程為：1)提取土地利用布局優(yōu)化所需的土地利用現(xiàn)狀圖、土地適宜性評價(jià)結(jié)果圖、坡度圖等限制性因素因子圖等空間數(shù)據(jù)及鄉(xiāng)鎮(zhèn)統(tǒng)計(jì)年鑒等統(tǒng)計(jì)數(shù)據(jù)，獲取其土地利用結(jié)構(gòu)，并通過數(shù)據(jù)錄入、數(shù)字化和文件導(dǎo)入等方式建立土地利用分區(qū)整合數(shù)據(jù)庫。2）在以上數(shù)據(jù)基礎(chǔ)上對問題建模，構(gòu)建土地利用布局優(yōu)化問題描述圖，建立算法與問題的映射關(guān)系。3）經(jīng)過多次試驗(yàn)過程對比算法的收斂情況及運(yùn)行時(shí)間，獲取最佳算法參數(shù)：M=35，α=1，β=1，ρ=0.5，N=200（Q由算法自習(xí)計(jì)算，結(jié)束條件以最大迭代次數(shù)為準(zhǔn)）。4）約束條件設(shè)置如下：（1）基本農(nóng)田保護(hù)：即在基本農(nóng)田保護(hù)區(qū)的耕地應(yīng)當(dāng)盡量不轉(zhuǎn)換為其他土地利用類型；（2）退耕還林：在坡地和山地的耕地應(yīng)當(dāng)轉(zhuǎn)換為林地；（3）禁止拋荒：即所有其他地類不能轉(zhuǎn)換為未利用地；（4）城鎮(zhèn)用地一般不向農(nóng)用地進(jìn)行轉(zhuǎn)換；（5）城鎮(zhèn)用地的擴(kuò)張應(yīng)當(dāng)在允許建設(shè)區(qū)內(nèi)，不得超出其范圍；（6）交通運(yùn)輸用地、水域、采礦用地、風(fēng)景名勝和特殊用地布局根據(jù)專項(xiàng)規(guī)劃確定單元用途；（7）面積約束：地類面積必須滿足數(shù)量結(jié)構(gòu)約束。5）所有螞蟻在4）中的設(shè)置的約束條件下完成方案構(gòu)建；6）設(shè)置子目標(biāo)權(quán)重（通過多次調(diào)整權(quán)重，獲取在強(qiáng)調(diào)不同的優(yōu)化目標(biāo)情況下的土地利用布局方案）。7）循環(huán)迭代。在循環(huán)達(dá)到200次時(shí)，算法終止。8）優(yōu)化結(jié)果輸出。在不同的子目標(biāo)權(quán)重設(shè)置下，輸出不同的土地利用優(yōu)化方案，并根據(jù)實(shí)驗(yàn)區(qū)域經(jīng)濟(jì)發(fā)展條件好，但土地利用不合理的實(shí)際情況，選擇權(quán)重設(shè)置為WS=0.4，WC=0.2，WU=0.2的情況下所生成的方案作為實(shí)驗(yàn)區(qū)最終的土地利用布局方案。本文中所描述的具體實(shí)施例僅僅是對本發(fā)明精神作舉例說明。本發(fā)明所屬技術(shù)領(lǐng)域的技術(shù)人員可以對所描述的具體實(shí)施例做各種各樣的修改或補(bǔ)充或采用類似的方式替代，但并不會(huì)偏離本發(fā)明的精神或者超越所附權(quán)利要求書所定義的范圍。