專利名稱：一種基于遺傳算法的土地資源評價因子級別劃分方法
技術(shù)領(lǐng)域：
本發(fā)明屬于土地資源評價技術(shù)領(lǐng)域，特別是涉及ー種基于遺傳算法的土地資源評價因子級別劃分方法。
背景技術(shù)：
隨著21世紀的到來，人類面臨的人口問題、糧食安全問題等諸多全球性問題日益嚴峻。我國作為人口大國，土地資源相對稀缺，如何合理利用土地，實現(xiàn)土地資源的可持續(xù)利用是當前迫切需要解決的問題。因此，采用科學的技術(shù)手段和方法對土地資源的質(zhì)量進行評價，是促進土地資源合理利用的必要手段。
根據(jù)聯(lián)合國糧農(nóng)組織FAO的定義，土地資源評價是指對土地針對特定的利用方式所表現(xiàn)出來的效果進行評估的過程，包括對土地的形態(tài)、土壌、植被、氣候等方面屬性進行質(zhì)量綜合鑒定，從而區(qū)分并比較不同土地利用方式對評價目標所表現(xiàn)出的適宜性程度。有關(guān)文獻[I] FAO. Land Evaluation. Towards a revised framework. 2007.。在借鑒國外先進技術(shù)的基礎(chǔ)上，我國已形成了包括針對農(nóng)用地與建設用地的土地分等、定級、估價、土地適宜性評價、土地集約利用評價、土地退化評價等在內(nèi)的符合當前國情需求的土地評價體系。在進行評價土地資源質(zhì)量時，對土地資源質(zhì)量有著顯著影響的各種因素實體如商服中心、集貿(mào)市場、灌溉水源、道路網(wǎng)絡等對象，被定義為“土地資源評價因子”(簡稱為“評價因子”)或“土地資源評價指標”。由于評價因子的規(guī)模(或大小)的差異將直接導致評價因子所具備的功能和作用存在差別，其對土地質(zhì)量的影響的空間范圍和強度也存在明顯的不同，在進行評價因子分析時也需要進行區(qū)別對待。例如城鎮(zhèn)土地資源評價中，大小和規(guī)模不同的商服中心、醫(yī)院等服務設施，其所具備的功能和能提供的各類服務也不同，進而對土地資源質(zhì)量的空間影響范圍、作用方式和強度也各不相同。因此，在進行土地資源評價時，需要根據(jù)評價因子規(guī)模將其劃分為若干級別，分別對不同級別的評價因子的空間影響范圍和作用強度進行分析。有關(guān)文獻[2]國家質(zhì)量監(jiān)瞀檢驗檢疫總局.城鎮(zhèn)土地分等定級規(guī)程(GB/T 18507-2001) [S], 2001 ;有關(guān)文獻[3]國土資源部·農(nóng)用地定級規(guī)程(TD/T1005-2004)[S]· 2003。然而，目前有關(guān)土地評價因子級別劃分的方法主要是根據(jù)帶分級的評價因子規(guī)模指數(shù)，由土地評價專家根據(jù)自身經(jīng)驗人為將土地評價因子劃分為若干級別。(注規(guī)模指數(shù)用于反映各因子對象對土地資源質(zhì)量的影響程度，規(guī)模指數(shù)越大，則其對土地資源質(zhì)量影響的強度越大。規(guī)模指數(shù)通常根據(jù)能夠反應評價因子大小、規(guī)模的一系列指標綜合計算得至IJ，其計算方法在相關(guān)的土地評價標準規(guī)范中都有較為詳細的闡述，如城鎮(zhèn)土地分等定級規(guī)程、農(nóng)用地定級規(guī)程等，不是本發(fā)明的關(guān)注重點。)其缺點主要在于主觀性太強，劃分結(jié)果的科學性嚴重依賴于專家經(jīng)驗。因此，為了更加科學、合理的劃分土地評價因子，進而為土地評價因子空間影響范圍和強度分析提供準確的基礎(chǔ)數(shù)據(jù)支持，必須開發(fā)出更為合理的土地評價因子級別劃分方法。遺傳算法(Genetic Algorithm)是ー種模擬達爾文生物進化論的隨機搜索方法，參見圖I.，其求解問題的基本思路是將待求解的問題的求解過程表示成染色體的適者生存過程，把捜索空間映射為遺傳空間，即把每ー個可能的解編碼為ー個向量，向量的每ー個元素稱為基因。所有染色體組成的種群初始化后按照ー個適應度函數(shù)計算其適應度，即進行適應度評價。經(jīng)過染色體的選擇、交叉、變異等遺傳操作，然后重新進行適應度評價，剔除適應度低的個體，保留適應度高的個體，從而得到新的種群。新種群比上一代種群具有更有的性態(tài)，如此反復迭代，直到滿足預定的優(yōu)化目標，即滿足終止條件，解碼得到問題的解。有關(guān)文獻[5]陳森發(fā)，復雜系統(tǒng)建模理論與方法[M]，2005.南京東南大學出版社.采用遺傳算法解決問題的基本流程見附圖
I.遺傳算法作為ー種隨機搜索算法，即使搜索空間非常大、非常復雜，遺傳算法也能找到全局最優(yōu)解。相對于傳統(tǒng)的搜索和優(yōu)化算法，遺傳算法的主要優(yōu)勢在于其具有自組織、自適應、自學習性，因而被廣泛應用于組合優(yōu)化、機器學習、聚類分析和人工生命等領(lǐng)域。有關(guān)文獻[6]黎夏等.智能式GIS與空間優(yōu)化[M]. 2010.北京科學出版社.

發(fā)明內(nèi)容
針對現(xiàn)有土地資源評價中評價因子級別劃分方法的局限性，發(fā)明ー種智能化、自動化的基于遺傳算法的土地資源評價因子級別劃分方法。為科學合理的研究與分析評價因子對土地資源質(zhì)量的影響提供準確的基礎(chǔ)依據(jù)，為合理、可持續(xù)利用土地資源提供技術(shù)方法支持。本發(fā)明提供的技術(shù)方案是ー種基于遺傳算法的土地資源評價因子級別劃分方法，包括以下步驟步驟1，輸入每個評價因子的規(guī)模指數(shù)，規(guī)模指數(shù)是取值范圍為
的實數(shù)；步驟2，設染色體種群規(guī)模為M,染色體的基因位長度為K，第i個基因位上存儲第i個級別的中心規(guī)模指數(shù)，i的取值為1、2. . .K ;采用隨機的方式生成M個染色體，形成初始的染色體種群；隨機生成的約束條件是，每個基因位上的中心規(guī)模指數(shù)是取值范圍為
的實數(shù)；步驟3，對當前的染色體種群中各染色體分別進行染色體適應度評價，評價方式包括以下步驟，步驟3. 1，針對每個染色體所存儲的各級別中心規(guī)模指數(shù)，按照最小距離原則和步驟I輸入的規(guī)模指數(shù)，將各評價因子劃分到距離最近的一個級別中；步驟3. 2，采用適應度函數(shù)評價各染色體的適應度，適應度函數(shù)如式1，/ = 1/ΣΣ(Χ廠cD2式 I式中，Ci表示第i個級別的中心規(guī)模指數(shù)，J為第i個級別中評價因子的總數(shù)，Xj為第i個級別中第j個評價因子的規(guī)模指數(shù)；步驟4，選擇，包括根據(jù)染色體適應度值從當前的染色體種群中隨機選擇染色體，選擇出的染色體個數(shù)記為η ；步驟5，交叉，包括從步驟4中選擇的η個染色體中，按照事先設定的概率Pc隨機選擇Round(nXPc)對染色體進行交叉，得到交叉后的染色體種群，其中Round為取整數(shù)操作；對ー對染色體執(zhí)行交叉時，在染色體上隨機確定ー個交叉點，這對染色體在交叉點處互相交換編碼；步驟6，變異，包括對步驟5所得交叉后的染色體種群中的每個染色體，將每個基因位根據(jù)事先設定的概率Pm隨機確定該基因位是否進行變異，若執(zhí)行變異，則該基因位上的數(shù)值更改為ー個隨機生成的
的實數(shù)值，得到變異后的染色體種群；步驟7，判斷是否滿足終止條件，不滿足則返回步驟3繼續(xù)對染色體種群進行進化，直至滿足終止條件，進入步驟8 ；步驟8，對當前的染色體種群中各染色體分別進行染色體適應度評價，得到劃分結(jié)果，包括以下步驟，步驟8. 1，針對每個染色體所存儲的各級別中心規(guī)模指
權(quán)利要求
1.一種基于遺傳算法的土地資源評價因子級別劃分方法，其特征是，包括以下步驟 步驟1，輸入每個評價因子的規(guī)模指數(shù)，規(guī)模指數(shù)是取值范圍為
的實數(shù)； 步驟2，設染色體種群規(guī)模為M，染色體的基因位長度為K，第i個基因位上存儲第i個級別的中心規(guī)模指數(shù)，i的取值為1、2. . . K ;采用隨機的方式生成M個染色體，形成初始的染色體種群；隨機生成的約束條件是，每個基因位上的中心規(guī)模指數(shù)是取值范圍為
的實數(shù)； 步驟3，對當前的染色體種群中各染色體分別進行染色體適應度評價，評價方式包括以下步驟， 步驟3. 1，針對每個染色體所存儲的各級別中心規(guī)模指數(shù)，按照最小距離原則和步驟I輸入的規(guī)模指數(shù)，將各評價因子劃分到距離最近的一個級別中； 步驟3. 2，采用適應度函數(shù)評價各染色體的適應度，適應度函數(shù)如式1，
2.如權(quán)利要求I所述基于遺傳算法的土地資源評價因子級別劃分方法，其特征是步驟7中，終止條件為滿足以下三種條件任一，(一)達到設定的最大進化代數(shù)； (二)達到設定的最長執(zhí)行時間； (三)進化陷入停滯，當連續(xù)y代的染色體種群適應度差值都小于預設的閾值F時認定進化陷入停滯，y為預設的自然數(shù)。
3.如權(quán)利要求I或2所述基于遺傳算法的土地資源評價因子級別劃分方法，其特征是步驟4中，從當前的染色體種群中隨機選擇染色體的具體方式如下， 首先，按照式3計算染色體種群中每個染色體被選中的概率， p =Jl- Pt M -p. 0 式3 t=l 式中，Pt為染色體t被選中的概率，ft為染色體t的適應度，M為染色體種群中染色體的個數(shù)； 然后，對于每個染色體產(chǎn)生一個隨機數(shù)rnd，若隨機數(shù)rnd的值大于染色體的選擇概率Pt，則該染色體不被選中；若小于或等于染色體的選擇概率Pt，則該染色體被選中。
全文摘要
本發(fā)明涉及一種基于遺傳算法的土地資源評價因子級別劃分方法，充分利用遺傳算法在優(yōu)化問題求解方面的優(yōu)勢，將遺傳算法引入評價因子級別劃分問題的求解；根據(jù)評價因子級別劃分問題的特點，設計了遺傳算法適應度函數(shù)和約束條件，構(gòu)建了適用于評價因子級別劃分的遺傳算法模型；本發(fā)明能夠為土地資源質(zhì)量評價的因子影響分析提供科學、準確的基礎(chǔ)依據(jù)，進而為促進土地資源的合理利用提供技術(shù)支持。
文檔編號G06F19/00GK102663230SQ20121006036
公開日2012年9月12日 申請日期2012年3月8日 優(yōu)先權(quán)日2012年3月8日
發(fā)明者何建華, 劉耀林, 唐旭, 焦利民, 趙翔 申請人:武漢大學