Scientia Geographica Sinica 2017 , 37 (3): 426-436 https://doi.org/10.13249/j.cnki.sgs.2017.03.013

Orginal Article

基于蚁群优化算法的城市生态用地空间规划模型

王海鹰¹^,²^,, 秦奋¹^,², 张新长³, 张传才⁴, 李培君¹

1. 河南大学环境与规划学院, 河南开封 475001
2.黄河中下游数字地理技术教育部重点实验室, 河南开封 475001
3. 中山大学地理科学与规划学院, 广东广州 510275
4.安徽理工大学测绘学院, 安徽淮南 232001

The Spatial Planning Model of Urban Ecological Land Based on Ant Colony Optimization Algorithm

Wang Haiying¹^,²^,, Qin Fen¹^,², Zhang Xinchang³, Zhang Chuancai⁴, Li Peijun¹

1. College of Environment and Planning, Henan University, Kaifeng 475004, Henan, China
2. Key Laboratory of Geospatial Technology for Middle and Lower Yellow River Regions/Henan University, Ministry of Education, Kaifeng 475004, Henan, China
3. School of Geography and Planning, Sun Yat-sen University, Guangzhou 510275, Guangdong, China
4.College of Geodesy and Geomatics,Anhui University of Science and Technology, Huainan 232001, Anhui,China

中图分类号: F293.2

文献标识码: A

文章编号: 1000-0690（2017）03-0426-11

收稿日期: 2016-05-18

修回日期: 2016-08-12

网络出版日期: 2017-03-20

基金资助: 国家自然科学基金青年项目（41401457）、国家科技支撑计划项目（2013BAC05B01）、国家自然科学基金重点项目（41431178）、河南省高等学校重点科研项目计划（15A170003）资助

作者简介:

作者简介：王海鹰（1980-）,男,河南洛阳人,博士,讲师,硕导,主要研究方向为城市地理信息系统、空间智能优化与决策。E-mail:whyhdgis@163.com

展开

摘要

城市生态用地规划是城市生态系统保护的重要基础和前提。针对传统空间规划方法的不足,提出基于蚁群优化算法的城市生态用地空间规划模型。研究对蚁群优化算法的空间禁忌策略、选择策略进行改进,考虑了城市生态用地的生态效益和空间集约性,在规划目标函数中引入生态适宜性、空间紧凑度和最邻近距离指数,并设计最邻近距离指数的栅格计算方法。以广州市为例,分别模拟城市生态用地占广州市面积15%,30%和50%情景下的生态用地规划方案,取得了较好的效果。研究表明：基于蚁群优化算法的城市生态用地空间规划模型能够合理的对城市生态用地的空间布局进行配置,明显提高了城市生态用地生态效益和空间集约性。

关键词： 蚁群优化算法 ; 城市生态用地 ; 空间规划模型

Abstract

Urban ecological land plan in cities is an important foundation and premises for the protection of urban ecosystem. Rational planning and protection of the land for ecological use is an effective way to address ecological environment problem. In addition, they are also of strategic importance to safeguard the health and balance of ecosystem, and to establish ecological security pattern and spatial extension in cities. Ecological land plan does not only require the guarantee of index area and target amount, it also involves the insurance of a series of spatial objectives and limitation such as maximization of ecological interests, the integrity, intensiveness and compactness of ecological land, and urban spatial development. This article will propose Urban Ecological Land Plan Model (UELPM) based on Ant Colony Optimization. The article makes improvements in the taboo strategy, site selection mechanism. Additionally, it introduces the ecological suitability, spatial compactness and the index of nearest neighbor distance in the process of establishing plan objectives function. Furthermore it designs Trellis Algorithm of the nearest neighbor distance index. For instance, Guangzhou simulates its ecological land plan in different situation when ecological land takes up 15%, 30% and 50% of the city’s total area, which has achieved satisfying result. According to the research, UELPM which based on Ant Colony Optimization can not only set up objectives function and spatial limitations in line with different plan destinations and requirements, but also reasonably allocate the spatial distribution of ecological land. Compared to the scheme of plan ecological control line, the average suitability, spatial compactness and the nearest neighbor distance index are greatly improved in accordance with the spatial simulation result. In addition, all other indexes are superior to the traditional method like plan ecological control line. Therefore, it is meaningful to provide scientific support and reference to urban ecological land use and it also can find itself broad application prospect.

Keywords： Ant colony Optimization Algorithm ; urban ecological land ; spatial planning model

PDF (4475KB) 元数据多维度评价相关文章收藏文章

本文引用格式导出 EndNote Ris Bibtex

王海鹰, 秦奋, 张新长, 张传才, 李培君. 基于蚁群优化算法的城市生态用地空间规划模型[J]. , 2017, 37(3): 426-436 https://doi.org/10.13249/j.cnki.sgs.2017.03.013

Wang Haiying, Qin Fen, Zhang Xinchang, Zhang Chuancai, Li Peijun. The Spatial Planning Model of Urban Ecological Land Based on Ant Colony Optimization Algorithm[J]. Scientia Geographica Sinica, 2017, 37(3): 426-436 https://doi.org/10.13249/j.cnki.sgs.2017.03.013

引言

在发展中国家,城市化过程往往伴随着城市空间的急剧扩张,使得人类对于各种资源的开采、利用达到前所未有的强度,人与自然环境的矛盾日益突出^{[1, 2]}。在巨大的发展压力和较为脆弱的生态条件下,如何有效地维护和恢复城市的生态系统服务,协调城市发展和生态保护之间的矛盾^[3],已经成为紧迫而现实的问题。因此,保护必需的城市生态用地对于维持城市生态系统健康、改善城市居民生活质量和城市可持续发展具有重要作用和意义^[4]。城市生态用地是为实现城市可持续发展的目标,保护城市生态环境而划定的非建设用地空间^{[5, 6]}。一般包括：农业保护区、水源保护区、生态保护区以及城市长远发展需要控制的绿化隔离带等非城市建设用地。城市生态用地规划是城市生态系统保护的重要基础和前提,其本质是一种复杂的NP-hard组合优化问题,不仅要保证规划指标的数量,还要确保生态效益、集约性和完整性和城市发展空间等一系列空间目标和布局约束。

目前,国内外已有的城市生态用地规划方法主要分为传统规划方法和智能计算方法两种类型。传统规划方法包括生态安全格局^[3,4,7~10]、生态适宜度评价^[11~17]和生态网络规划^[18~22]等方法,以上这些方法具有考虑因素全面、计算操作简单等突出优势,但也存在权重确定主观、未考虑因子之间相互作用、角度单一片面、调整不灵活等缺点,越来越难以满足城市社会、经济、生态目标的要求。另一类方法是智能计算方法,近年来已成为空间优化的一个发展方向^[23,24]。这类模型主要包括遗传算法（genetic algorithm,GA）^[25~27]、模拟退火算法（simulated annealing,SA）^[28,29]、禁忌算法（Taboo Search）^[30,31]、蚁群优化算法^[32~34]（Ant colony Optimization,ACO）和多智能体模型^[35,36]等,这类算法都是基于自底而上的算法框架,考虑了全局性目标和空间约束,具有优异的全局寻优性能。近年来已被陆续应用到空间选址^{[23,24,37~40]}、土地利用优化^[41~45]、土地利用模拟^[46,47]、城市与人口模拟^[48,49]和自然保护区规划^[50~52]等地理空间问题。其中,黎夏等利用地理模拟与优化系统（GeoSOS）提取了广州市的生态保护区空间范围,基于博弈论解决了生态保护区的空间冲突问题。刘小平等改进了蚁群优化算法的选择策略和信息素扩散和更新机制,提取了东莞市生态保护区的范围。虽然国内外在城市模拟和优化上取得了丰硕成果,但是对城市生态用地规划方面的研究还比较少。

鉴于此,本研究以广州市为研究区,提出了基于蚁群优化算法的城市生态用地规划模型（Urban Ecological Land Plan Model,UELPM）,对蚁群优化算法的空间禁忌策略、选择策略进行了改进,在规划目标函数中引入了生态适宜性、空间紧凑性和最邻近距离指数,实现城市生态用地向生态效益最大化和适度空间集约化,以期为城市生态用地规划提供理论模型和分析工具。

1 城市生态用地规划模型

1.1 规划问题描述

对城市生态用地的规划问题进行概念描述,简要分析如下：

1）城市生态用地效益一般受绿地覆盖度、固炭量、绿地空间位置、景观形态等指标的影响。而生态适宜性研究是生态效益的重要基础和前提,两者具有紧密的联系。为了简化研究问题,本研究利用生态适宜性来代表生态效益,将生态效益问题转化为获取研究区的生态适宜性之和的最大化问题。即,生态用地规划的目标是在一定的面积条件之下要获得尽量多的生态适宜性,即 $\begin{matrix} \max \sum_{k}^{=} f_{eco} (k) \end{matrix}$ 。 $\begin{matrix} f_{eco} \end{matrix}$ 表示栅格单元生态适宜性函数, $\begin{matrix} k \end{matrix}$ 为第 $\begin{matrix} k \end{matrix}$ 个栅格单元, $\begin{matrix} m \end{matrix}$ 为栅格单元总数。

2）城市生态用地需满足最大空间紧凑度,即 $\begin{matrix} \max f_{ci} \end{matrix}$ ;最小最邻近距离,即 $\begin{matrix} \min f_{dist} \end{matrix}$ 。 $\begin{matrix} f_{dist} \end{matrix}$ 表示最邻近距离函数。以上指标可使规划目标形成适度聚集的空间分布格局,保障了生态系统的完整性。

以外,还可以根据不同情况调整定义空间约束条件。如：城市发展空间、水域隔离、生态廊道、斑块大小等。

1.2 构建规划目标函数

根据空间约束条件建立单一性复合目标函数,该函数表达多目标空间约束条件下的城市生态用地分布。研究从生态适宜性、空间分布集聚度、空间紧凑度3个方面进行考虑,建立目标函数如下：

$\begin{matrix} \max f_{goal} = \frac{{f_{ci}}^{k_{c}} \times {[\frac{\overset{m}{\sum_{k = 1}} f_{eco} (k)}{m}]}^{k_{e}}}{{f_{dist}}^{k_{d}}} \end{matrix}$ （1）

式中, $\begin{matrix} \max f_{go al} \end{matrix}$ 代表目标函数最大化, $\begin{matrix} \frac{\overset{m}{\sum_{k = 1}} f_{eco} (k)}{m} \end{matrix}$ 表示蚂蚁的平均生态适宜性, $\begin{matrix} f_{dist} \end{matrix}$ 表示最邻近空间距离, $\begin{matrix} f_{ci} \end{matrix}$ 表示紧凑度指数。理论上,当 $\begin{matrix} f_{dist} \end{matrix}$ 小于1时,样本点成聚集状态,当 $\begin{matrix} f_{dist} \end{matrix}$ 接近于0时,样本点接近完美聚集。 $\begin{matrix} f_{ci} \end{matrix}$ 在(0,1]之间,当 $\begin{matrix} f_{ci} \end{matrix}$ 越大,说明空间形态越紧凑,当 $\begin{matrix} f_{ci} \end{matrix}$ 接近于1时,空间形态将达到最紧凑状态, $\begin{matrix} k_{c} \end{matrix}$ 、 $\begin{matrix} k_{d} \end{matrix}$ 、 $\begin{matrix} k_{e} \end{matrix}$ 分别代表各因子的调节系数。

1）城市生态适宜性。城市生态适宜性由自然因子、社会因子、生态保护因子综合构成。研究利用归一化植被指数NDVI、改进归一化差异水体指数MNDWI表示自然因子。利用距已有城市距离和城市发展密度表示社会因子,城市发展密度利用城市建设用地密度表示。利用水源及水库保护、绿地保护、大于25°坡地、超过50 m高地保护表示生态保护因子。

根据生态适宜性概念模型,城市生态适宜性的表达式为：

$\begin{matrix} f_{eco} = w_{1} n + w_{2} s + w_{3} p \end{matrix}$ （2）

式中, $\begin{matrix} n \end{matrix}$ 、 $\begin{matrix} s \end{matrix}$ 、 $\begin{matrix} p \end{matrix}$ 分别表示自然因子、社会因子、生态保护因子, $\begin{matrix} w_{1} \end{matrix}$ 、 $\begin{matrix} w_{2} \end{matrix}$ 、 $\begin{matrix} w_{3} \end{matrix}$ 表示各自权重。

2）最邻近距离指数。对于点状目标在空间的分布特征和相互关系,可以用样方内点数均值变差、点间最近距离均值、点密度距离函数等方法来度量,根据实际观察值与均空间分布条件下的理论值比较,判断点格局的是均匀、聚集,还是随机分布^[53]。

由于蚂蚁在栅格空间表示为栅格点,由其构成的蚁群在栅格空间形成了点的空间分布格局。因此,可以以上方法进行空间度量。本文将点间最近距离均值方法扩展到平面栅格空间,用来度量蚁群在栅格空间的分布格局,栅格扩展计算方法如下：

$\begin{matrix} f_{dist} \end{matrix}$ 表示最邻近距离指数（Nearest Distance In

dex）。检验每个点所点据的面积,即通过比较计算最邻近的点对的平均距离与随机分布模式中最邻近的点对的平均距离, $\begin{matrix} f_{dist} \end{matrix}$ 用其比值判断其与随机分布的偏离。

$\begin{matrix} f_{dist} = \frac{d (nn)}{d (ran)} \end{matrix}$ （3）

式中, $\begin{matrix} d (nn) \end{matrix}$ 为最邻近距离; $\begin{matrix} d (ran) \end{matrix}$ 为随机分布条件下的理论平均距离。一般情况, $\begin{matrix} f_{dist} \in [0, \infty) \end{matrix}$ 。当 $\begin{matrix} f_{dist} < 1 \end{matrix}$ 时,样本点呈集聚分布;当 $\begin{matrix} f_{dist} \end{matrix}$ =0时样点呈完美聚集;当 $\begin{matrix} f_{dist} > 1 \end{matrix}$ 时,样本点呈分散分布。

$\begin{matrix} d (nn) = \overset{n}{\sum_{i}} \frac{\min (d_{ij})}{n} \end{matrix}$ （4）

式中, $\begin{matrix} n \end{matrix}$ 为样本点数目,即蚁群空间大小; $\begin{matrix} d_{ij} \end{matrix}$ 为第 $\begin{matrix} i \end{matrix}$ 点到第 $\begin{matrix} j \end{matrix}$ 点的距离; $\begin{matrix} \min (d_{ij}) \end{matrix}$ 为 $\begin{matrix} i \end{matrix}$ 到最邻近点的距离。

$\begin{matrix} d (ran) = 0.5 \sqrt[]{\frac{A}{N}} \end{matrix}$ （5）

式中, $\begin{matrix} A \end{matrix}$ 为研究区域面积。

由于 $\begin{matrix} f_{dist} \in [0, \infty) \end{matrix}$ ,为避免分母零除现象等极端情况出现。利用Logit函数,将其映射到(0,1)的区间。此时,指数值越大说明空间聚集程度越高。修改后最邻近距离指数公式如下：

$\begin{matrix} f_{mod_dist} = 2 - \frac{2}{1 + \exp (- f_{dist})} \end{matrix}$ （6）

式中, $\begin{matrix} f_{mod_dist} \end{matrix}$ 表示修正后的最邻近距离指数。此时,将目标函数修正为(式7)：

$\begin{matrix} \max f_{goal} = {f_{ci}}^{k_{c}} \times {[\frac{\overset{m}{\underset{k = 1}{\sum^{}}} f_{eco} (k)}{m}]}^{k_{ε}} \times {f_{mod_dist}}^{k_{d}} \end{matrix}$ （7）

相同的 $\begin{matrix} f_{dist} \end{matrix}$ 在栅格空间里可以表现出不同的空间聚集形态,这在空间分布格局的形态评估中有重要意义。如图1所示,两个相同的栅格空间中均有9个栅格单元（红色表示）,在空间中组成不同的空间分布格局。在随机条件下二者的理论平均距离相同,最邻近距离均约为1.046。由式3可知,图1a、b的最邻近距离指数相等。

显示原图| 下载原图ZIP| 生成PPT

图1 相同最邻近距离指数值的两种不同空间分布格局

Fig.1 Two different spatial distribution patterns with the same NNI index

3）空间紧凑度。空间紧凑度是一种用于度量地物形态信息的重要指标^[35,37]。目前常用于城市空间形态的评价。一个空间分布格局较为紧凑的生态用地更加有利于区域生态环境保护。

$\begin{matrix} f_{ci} = \frac{2 \sqrt[]{π \times A}}{P} \end{matrix}$ （8）

其中, $\begin{matrix} P \end{matrix}$ 表示斑块的周长, $\begin{matrix} A \end{matrix}$ 表示斑块的面积。 $\begin{matrix} f_{ci} \end{matrix}$ 表示空间紧凑度,介于0~1之间,其值越大,斑块的空间形态越紧凑。

因此,将目标函数（式7）修改为:

$\begin{matrix} \max f_{goal} = {[\frac{2 \sqrt[]{π \times A}}{P}]}^{k_{c}} \times {[\frac{\overset{m}{\underset{k = 1}{\sum^{}}} f_{eco} (k)}{m}]}^{k_{ε}} \times {f_{mod_dist}}^{k_{d}} \end{matrix}$

（9）

1.3 模型结构设计

1）定义蚂蚁结构体。定义蚂蚁结构体数组Ant[],存储蚂蚁的属性信息,包括：蚂蚁坐标位置、蚂蚁适应性值等。每次迭代后,蚂蚁结构体数组随着禁忌矩阵动态更新信息。

2）禁忌表和禁忌矩阵设计。禁忌表Taboo是蚁群算法的一个重要机制。在本模型中,Taboo记录蚁群所占的栅格位置。设计了蚂蚁禁忌矩阵Taboo Matrix,该矩阵大小为栅格空间的行列数,该矩阵可以实现蚂蚁禁忌位置与栅格空间的快速映射,使蚂蚁在解空间搜索和计算时无需再次遍历禁忌表即可明确禁忌位置,提升了搜索效率。禁忌矩阵根据蚂蚁禁忌表在栅格空间存储蚂蚁的位置,用“-1”表示该位置被蚂蚁所占据。

3）空间位置选择策略。模型通过转移概率公式计算蚂蚁到每一个可选栅格（该可选栅格,通过taboo Matrix获得）的概率。转移概率公式如下：

$\begin{matrix} p_{ij}^{k} (t) = \{\begin{matrix} \frac{{[τ_{ij} (t)]}^{α} ∙ {[η_{ij}]}^{β}}{\sum_{[i, j] \in allowe d_{k}} {[τ_{ij} (t)]}^{α} ∙ {[η_{ij}]}^{β}}, [i, j] \in allowe d_{k} \\ 0, else \end{matrix} \end{matrix}$ （10）

式中, $\begin{matrix} p_{ij}^{k} (t) \end{matrix}$ 表示蚂蚁 $\begin{matrix} k \end{matrix}$ 在第 $\begin{matrix} t \end{matrix}$ 次迭代中,选择栅格空间位置 $\begin{matrix} [i, j] \end{matrix}$ 的概率; $\begin{matrix} τ_{ij} (t) \end{matrix}$ 表示第 $\begin{matrix} t \end{matrix}$ 次迭代中在位置 $\begin{matrix} [i, j] \end{matrix}$ 遗留的信息素; $\begin{matrix} η_{ij} \end{matrix}$ 表示在位置 $\begin{matrix} [i, j] \end{matrix}$ 上的启发信息,在这里定义 $\begin{matrix} η_{ij} = f_{eco} (i, j) \end{matrix}$ ,表示蚂蚁选择栅格位置的期望; $\begin{matrix} α \end{matrix}$ 为信息素启发式因子,表示蚂蚁在栅格空间已积累的信息素对蚂蚁下一次选择选择所起的作用^[14,15],蚂蚁倾向于选择信息素浓度高的栅格位置; $\begin{matrix} β \end{matrix}$ 为期望启发式因子,表示启发信息在蚂蚁选择栅格位置的受重视程度; $\begin{matrix} allowe d_{k} \end{matrix}$ 为表示蚂蚁 $\begin{matrix} k \end{matrix}$ 的允许选择的栅格空间。最后,模型通过轮盘赌（Roulette Wheel Selection）方法最终确定蚂蚁的下一个栅格位置。

在迭代过程中,可能有些蚂蚁所选位置已经非常优越,如果再次选择其它位置未必能有当前位置好。所以在禁忌策略中规定,蚂蚁在下一步位置选择中,还可以继续选择其自身的位置。转移概率公式是一种概率选择方法,在选择过程具有较大的随机性,不能保证蚂蚁一定能找到更优的位置。因此,在获得候选位置后,模型采取精英策略,对精英蚂蚁采用贪婪算法（Greedy selection）来确定最终位置。

为了提高运算效率,降低程序的时间复杂性。在对算法结构进行优化的同时,也有必要牺牲一些算法准确性,来降低时间复杂性。由于蚂蚁算法的适应性、自组织性和鲁棒性,算法也不会因为某些蚂蚁的概率选择误差选择而导致无法找到满意的解,在经过相当次数迭代后,必然会找到全局最优解。

4）信息素更新扩展策略。Dorigo在1996年提出Ant-cycle、Ant-Quantity、Ant-Density3种不同的蚁群算法模型^[33],其中,Ant-cycle类型利用的是蚂蚁的整体信息,当蚂蚁完成一个循环之后,更新所有路径上的信息素^[54]。相关实验表明,Ant-cycle模型比后两者的性能要好很多,研究采用Ant-cycle模型作为基本模型。在本研究中,将信息素的更新扩展为对栅格空间的每个栅格点位置 $\begin{matrix} [i, j] \end{matrix}$ 的信息素更新。在每次循环之后对整个栅格空间的信息素进行更新：

$\begin{matrix} τ_{ij} (t + 1) = (1 - ρ) \times τ_{ij} (t) + ρ \times \overset{m}{\underset{k = 1}{\sum^{}}} ∆ τ_{ij}^{k} (t) \end{matrix}$ （11）

式中, $\begin{matrix} τ_{ij} (t + 1) \end{matrix}$ 表示更新后的栅格空间位置 $\begin{matrix} [i, j] \end{matrix}$ 的信息素; $\begin{matrix} τ_{ij} (t) \end{matrix}$ 表示更新前的栅格空间位置 $\begin{matrix} [i, j] \end{matrix}$ 的信息素; $\begin{matrix} \overset{m}{\underset{k = 1}{\sum^{}}} ∆ τ_{ij}^{k} (t) \end{matrix}$ 表示在本次循环中栅格 $\begin{matrix} [i, j] \end{matrix}$ 上的信息素增量; $\begin{matrix} ρ \in (0,1) \end{matrix}$ ,表示信息素挥发系数。

由于邻域空间存在相关性,蚂蚁在选择候选位置时,候选位置的邻域状态往往也非常接近^[23,24]。为了增强蚂蚁对邻域栅格影响力,研究在信息素更新时采用信息素扩散机制^[55],对蚂蚁的3×3邻域栅格同时进行信息素更新。

以蚂蚁 $\begin{matrix} k \end{matrix}$ 为中心,考虑信息素随3×3邻域衰减。则信息素更新公式如下^[36,50]：

$\begin{matrix} ∆ τ_{ij}^{k} = \{\begin{matrix} \frac{Q ∙ f_{goal}}{[d_{Ω} (i, j) + 1]}, 在蚂蚁 k 所在位置所在区域 Ω 内 \\ 0 ，否则 \end{matrix} \end{matrix}$ （12）

式中, $\begin{matrix} d_{Ω} (i, j) \end{matrix}$ 表示以蚂蚁 $\begin{matrix} k \end{matrix}$ 所在目标栅格到3×3邻域栅格[ $\begin{matrix} i, j \end{matrix}$ ]的欧氏距离; $\begin{matrix} Q \end{matrix}$ 为蚂蚁信息素强度; $\begin{matrix} f_{goal} \end{matrix}$ 为目标函数。

1.4 模型计算流程

模型的计算流程如图2所述。

显示原图| 下载原图ZIP| 生成PPT

图2 模型计算流程

Fig.2 The model calculation flow

Step1;初始化蚂蚁种群和各参数,建立禁忌表和禁忌矩阵,并计算初始目标函数值。

Step2：迭代次数 $\begin{matrix} t \leftarrow t + 1 \end{matrix}$ 。

Step3：蚂蚁 $\begin{matrix} k \leftarrow k + 1 \end{matrix}$ 。

Step4：计算蚂蚁相对适应性值,根据式10选择第 $\begin{matrix} k \end{matrix}$ 个蚂蚁的栅格位置 $\begin{matrix} [i, j] \end{matrix}$ ,且 $\begin{matrix} [i, j] \in allowe d_{k} \end{matrix}$ 。

Step5：计算评估目标函数 $\begin{matrix} f_{goal}^{k} (t) \end{matrix}$ 。如果 $\begin{matrix} f_{goal}^{k} (t) > \max f_{goa l} (t) \end{matrix}$ ,采用贪婪算法（Greedy selection）, $\begin{matrix} \max f_{goal} (t) = f_{goal}^{k} (t) \end{matrix}$ ,同时更新禁忌表、禁忌矩阵和蚂蚁对象数组。

Step6：如果蚂蚁 $\begin{matrix} k < M \end{matrix}$ （M为蚂蚁总量）,跳转至Step3,否则执行Step7。

Step7：获得当前目标函数 $\begin{matrix} f_{goal} (t) \end{matrix}$ 。根据式11和式12,更新栅格空间信息素。

Step8：如果满足结束条件,即当循环次数为 $\begin{matrix} t t_{\max} \end{matrix}$ ,则循环结束,并输出栅格空间的聚类结果。否则,跳转至Step2,直到满足结束条件。

2 模型测试与分析

在UELPM模型应用之前需对模型进行数据测试。研究利用两组数据对模型的有效性进行测试。第1组数据是常量栅格数据,常量等于0.5。第2组测试数据,设计十字型区域为均质的高值区域,十字型区域外是所在单元距离十字型区域的最短距离。两组数据均为150×100的栅格数据,并经过归一化处理。

2.1 测试实验一

第1组数据是常量栅格数据,用于测试蚁群随机聚集的空间分布情况。目标函数分别只考虑最邻近距离指数（NNI）和空间紧凑度指数（CI）。测试在常量栅格均质空间条件下,各指数对蚂蚁聚集形态的性能影响和指数变化规律。设置蚂蚁数量为500,参数见表1所示。模拟过程及结果见图3。

表1 实验一参数设置

Table 1 Parameter setting for experiment one

参数	第1组参数	第2组参数
最邻近距离指数	1	0
空间紧凑度指数	0	1
信息素强度	50	50
初始信息量	20	20
挥发系数	0.3	0.3
信息因子	4	4
期望因子	4	4
迭代次数	1500	1500

新窗口打开

显示原图| 下载原图ZIP| 生成PPT

图3 常量栅格空间蚂蚁分布格局模拟

Fig.3 Simulation of ants distribution pattern in constant grid space

在参数一情况下,模型迭代1 500次, NNI指数为0.818,CI指数为0.207。在参数二的情况下,模型迭代1 500次,NNI指数为0.816,CI指数为0.223。

对实验一结果分析如下：

1）在均质栅格空间下,由于蚂蚁在各个方向上所受启发信息相同,蚂蚁空间聚集分布主要由遗留信息素决定,在图3中我们可以看到两组参数下的空间聚集分布完全不同（图3）。可见,在均质栅格空间下蚂蚁分布表现了很强的随机性。

2）在考虑NNI指数情况下,聚集斑块较多,NNI指数为0.368,呈集聚分布。在只考虑CI指数情况下,聚集块较少,CI指数为0.223,分布格局更加集中。说明NNI指数有利于形成较为分散的空间聚集分布格局,CI指数有利于形成较为集中的空间聚集分布格局。

3）在均质空间条件下,在考虑NNI指数下,NNI指数收敛速度非常快,曲线较为稳定。而在CI指数下,CI指数收敛速度较慢,收敛曲线变化较不稳定。

2.2 测试实验二

第2组数据用于测试模型寻找全局近似最优解的性能,分析NNI指数和CI指数对空间分布格局形成所产生的影响,测试数据的十字区域内共有270个栅格。因此,设置蚂蚁数量为270,设置参数见表2。实验二的模拟过程及结果如图4所示。

表2 实验二参数设置表

Table 2 Parameter setting for experiment two

参数	第1组参数	第2组参数	第3组参数
生态适宜性	1	1	1
最邻近距离指数	0	1	0
紧凑度指数	0	0	1
信息素强度	20	20	15
初始信息量	50	5	50
挥发系数	0.2	0.2	0.2
信息因子	4	5	3
启发因子	3	2	3
迭代次数	1500	1500	3500

新窗口打开

第1组参数实验：模型考虑了生态适宜性权重,迭代次数为1 500次,在320次左右目标函数曲线显示基本达到收敛状态,目标函数值达到0.996 1,非常接近于1.0。这说明270个蚂蚁几乎全部落入十字架区域栅格内（图3）。NNI指数曲线在迭代了520次左右也基本达到收敛状态。CI指数收敛速度较慢,在迭代了1 400次左右才基本达到收敛,左右其曲线状态波动较明显,最终指数值达到0.4左右。

第2组参数实验：模型考虑了生态适宜性和NNI指数。模型迭代了1 500次。观察图3发现蚂蚁除在中心形成了十字架形状以外,在其外侧分布了蚂蚁,蚂蚁越接近中心区域,聚集程度也越高。模型在迭代了880次左右,目标函数已经基本达到收敛状态,此时的CI指数维持在0.1的较低水平。

第3组参数实验：模型考虑了生态适宜度和CI指数。模型迭代了3 500次,在迭代580次左右目标函数曲线基本达到收敛状态。图3所示,在生态适宜性和CI指数约束下,蚂蚁形成了一个更加紧凑和收缩的十字架形状。目标函数大约在迭代800次左右,曲线达到收敛状态,目标函数值大约达到0.6。

对实验二的结果分析如下：

1）模型只考虑生态适宜性时,蚂蚁几乎全部落入十字区域范围,显示出较强的全局最优值寻找性。

2） NNI指数和CI指数均对空间格局均有显著影响。

3）对NNI指数和CI指数进行组合构建多目标函数,可以实现增强中心区域的集中聚集,也可以兼顾周边区域的分散聚集格局。

以上两组实验表明,模型表现出优异空间聚集效果和全局寻优能力,通过不同指数组合可以形成多种空间集聚形态,为解决城市空间规划问题提供了灵活、有效的模型实现手段。

3 模型应用与分析

3.1 研究区和数据

选择广州市主城区作为研究区,包括海珠、黄埔、荔湾、越秀、天河、番禺、白云、萝岗、花都、南沙等10个区,涵盖面积36 17.35 km²。研究采用层次分析法获得自然因素、社会因素和生态保护因素权重,权重分别为0.352、0.287、0.361,获得了2009年的广州市生态用地适宜性数据,利用GIS软件生成2009年广州市生态用地适宜性栅格图层,格网大小设置为300 m。

3.2 结果与分析

根据《广州城市总体规划：2010~2020》和《广州市城市绿地系统规划（2001~2020）》,广州市基本生态控制线规划规模为2 111.3 km²,约占广州市总面积的50%左右。本研究照此规模大小,分别模拟城市生态用地占广州市总面积在50%,30%,15%情景下,城市生态用地的空间分布格局。利用ArcGIS获取数据有效栅格量为40 191个,城市生态用地占其面积的50%,30%,15%,其栅格量分别约为20 096、12 057、6 028。蚂蚁数量分别设置为以上数值,设置模型参数权重如表3所示。城市生态用地的规划模拟结果见图5。

显示原图| 下载原图ZIP| 生成PPT

图5 城市生态用地模拟过程和结果

Fig.5 Simulation process and results of urban ecological land use

表3 城市生态用地规划模型参数

Table 3 Parameters of UELPM

参数设置	参数（50%）	参数（30%）	参数（15%）
生态适宜性权重	1	1	1
空间聚集度权重	1	1	1
信息素强度	50	50	50
初始信息量	20	20	20
挥发系数	0.2	0.3	0.3
信息因子	4	4	4
期望因子	5	4	4
迭代次数	6 000	1 000	1 000

新窗口打开

为了能更好的评价城市生态用地模拟空间分布情况,利用模拟结果的平均适宜性、NNI指数和CI指数来比较不同模拟情景下的城市生态用地规划方案效果（表4）。

表4 不同模拟情景指数

Table 4 Indexes under different simulation scenarios

模拟情景	平均生态适宜性	NNI指数	CI指数
15%情景	0.710	0.631	0.185
30%情景	0.680	0.501	0.124
50%情景	0.647	0.391	0.092

新窗口打开

由表4可知,城市生态用地占总面积比例越小,目标函数值越高,相关指数较高。城市生态用地斑块较少,形态比较紧凑。随着占总面积比例越来越大,目标函数值越来越小,相关指数也逐渐降低。城市生态用地的斑块越来越多,形态也越来越分散。

由图4可知,占地15%情景,城市生态用地规划范围主要分布于花都北部和白云东部山区,以及在花都区中部以西和南沙黄阁镇南部也有小块分布;占地30%情景,城市生态用地在15%的基础上进一步扩大,特别是在花都中西部地区、天河、黄埔等地,在15%的基础上扩大形成了连片的城市生态用地。另外,在流溪河流域以及番禺、海珠等出也出现城市生态用地的零星分布。占地50%情景,城市生态用地进一步扩大,尤其在花都的西部地区,城市生态用地形成连片分布,流溪河的整个流域基本被划入城市生态用地,越秀区的流花湖、海珠区的万亩果园、二沙岛、中山大学部分等地被划入生态用地。在南沙东部地区也形成了大片城市生态用地。

显示原图| 下载原图ZIP| 生成PPT

图4 十字型栅格空间中的蚂蚁分布格局模拟

Fig.4 Simulation of ants distribution pattern in cross type grid space

为了验证空间模拟结果与广州市生态控制线^①(① 广州市城市规划勘测设计研究院.广州市城市绿地系统规划.2011.)边界范围的空间一致性,将规划生态控制线配准和空间矢量化。通过Kappa系数进行分析,计算结果表明,空间模拟结果的Kappa系数为0.305,两

者具备一般一致性,这说明城市生态用地空间模拟的分布与生态控制线的空间分布总体上具有一定的吻合度,但是一致性程度南北具备较大空间分异特点。在广州北部地区（海珠区以北,包括海珠区）,空间模拟结果的Kappa系数为0.478,具备中等一致性,两者吻合度较高。北部地区城市生态用地主要为森林、自然保护区、山体和农田连片区,吻合程度较好,差异部分主要是在炭步镇以北地区的大片山体（空间模拟结果）、白云机场东南部的部分农业用地（规划生态控制线）,可能是由于适宜性评价以及不同因子权重的原因导致。在广州南部的南沙、番禺两区,空间模拟结果与规划生态控制线范围有较大差异。究其原因,是因为南沙、番禺区域内存在较大面积的水体和湿地,在规划中考虑了重要水体和湿地保护的因素,将其纳到城市生态控制线的范围。此外,规划中划定的大量网状生态廊道也对模拟结果的一致性有一定影响。

分别计算了规划生态控制线的平均适宜性值、NNI指数、CI指数,与空间模拟结果对比如表5所示。

表5 指标结果比较

Table 5 Comparison of index results

对比类型	平均适宜度	NNI指数	CI指数
空间模拟结果	0.647	0.391	0.092
规划生态控制线	0.624	0.359	0.069

新窗口打开

由表5可知,空间模拟结果的平均适宜度为0.647,而规划生态控制线的平均适宜度为0.624。说明空间模拟结果可以更好地保护整体生态效益。空间形态方面的指数NNI及CI,空间模拟结果分别为0.391和0.092,而规划生态控制线的NNI和CI分别为0.359和0.069。这说明空间模拟结果的在空间集约性、紧凑性等方面比规划生态控制线表现要好。通过3个指标结果比较,可以看到空间模拟结果均优于规划生态控制线。说明了本模型在城市生态用地的整体规划效果要优于传统方法划定的规划生态控制线。

4 结论

合理规划和保护城市生态用地是解决城市生态环境问题的有效途径,对于维持城市的生态系统健康和平衡,确立城市生态安全格局和城市未来的空间拓展方向,具有重要的战略意义。本文提出了基于蚁群优化算法的城市生态用地空间规划模型（Urban Ecological Land Plan Model,UELPM）,对蚁群优化算法的空间禁忌策略、选择策略进行了改进,在规划目标函数中引入了生态适宜性、空间紧凑性和最邻近距离指数,并设计了最邻近距离指数的栅格计算方法。以广州市为例,对广州市城市生态用地进行了空间模拟和优化,得到了城市生态用地的空间模拟范围。

研究结果表明：基于蚁群优化算法的UELPM模型可以根据不同规划目的和要求设置相应的目标函数和空间约束条件,合理地对城市生态用地的空间布局进行配置,明显提高了城市生态用地生态效益和空间集约性,促进了城市生态环境的协调和城市的可持续发展。与规划生态控制线方案相比,空间模拟结果的平均适宜度、空间紧凑度和最邻近距离指数等指标得到明显提升,各项指标均优化传统方法划定的规划生态控制线。研究能为城市生态用地规划提供有意义的科学依据和参考,在城市规划工作中具有广阔的应用空间和前景。后续研究将探讨城市发展空间与城市生态用地的空间协调问题,在模型框架中引入多种空间规划目标和约束条件,进一步使模型实用化。

The authors have declared that no competing interests exist.

参考文献

原文顺序

文献年度倒序

文中引用次数倒序

被引期刊影响因子

[1]	吕建树,吴泉源,张祖陆,等. 基于RS和GIS的济宁市土地利用变化及生态安全研究 [J]. 地理科学, 2012,32(8): 928-935. URL Magsci [本文引用: 1] 摘要 <p>在RS/GIS 技术的支持下, 选择南四湖流域典型市域——济宁市为研究区, 基于多源数据, 揭示了研究区1987~2008 年的土地利用时空变化特点, 进一步构建“隐患-状态-免疫”的生态安全评价指标体系, 采用组合赋权法确定指标权重, 应用改进TOPSIS模型实现了100 m×100 m栅格水平上的生态安全综合评价。结果表明:研究区土地利用变化较为剧烈且具有独特的区域特色, 其总体特征为耕地、林地、草地和未利用地的面积持续下降, 建设用地急剧扩张, 水域面积则先降后升;20 a 来, 研究区生态安全状况经历了先恶化后改善的变化趋势, 南水北调工程的实施、环境治理和生态建设加大是2000 年后研究区生态安全好转的主要驱动力;研究区生态安全状态空间差异明显, 东部山地丘陵区和南四湖区最好, 中部和西北部地区最差, 其余区域基本处在预警状态。研究结果可为研究区生态建设和土地生态安全格局的制定提供依据。</p> [Lyu Jianshu, Wu Quanyuan, Zhang Zulu et al. Land use change and ecological security assessment in Jining city based on RS and GIS. Scientia Geographica Sinica, 2012, 32(8): 928-935.] URL Magsci [本文引用: 1] 摘要 <p>在RS/GIS 技术的支持下, 选择南四湖流域典型市域——济宁市为研究区, 基于多源数据, 揭示了研究区1987~2008 年的土地利用时空变化特点, 进一步构建“隐患-状态-免疫”的生态安全评价指标体系, 采用组合赋权法确定指标权重, 应用改进TOPSIS模型实现了100 m×100 m栅格水平上的生态安全综合评价。结果表明:研究区土地利用变化较为剧烈且具有独特的区域特色, 其总体特征为耕地、林地、草地和未利用地的面积持续下降, 建设用地急剧扩张, 水域面积则先降后升;20 a 来, 研究区生态安全状况经历了先恶化后改善的变化趋势, 南水北调工程的实施、环境治理和生态建设加大是2000 年后研究区生态安全好转的主要驱动力;研究区生态安全状态空间差异明显, 东部山地丘陵区和南四湖区最好, 中部和西北部地区最差, 其余区域基本处在预警状态。研究结果可为研究区生态建设和土地生态安全格局的制定提供依据。</p>
[2]	张杨,刘艳芳,顾渐萍,等. 武汉市土地利用覆被变化与生态环境效应研究 [J]. 地理科学,2011,31(10):1280-1285. URL Magsci [本文引用: 1] 摘要利用1996年和2006年两期TM遥感影像解译图获取武汉市土地利用变化数据。基于GIS空间分析与数理统计方法对1996~2006年武汉市土地利用/覆被变化特征进行了定量分析。运用区域生态环境质量指数和区域土地利用变化类型生态贡献率,对研究时段内武汉市土地利用变化的生态环境效应以及导致武汉市生态环境质量变化的土地利用变化类型进行了分析与评价。研究结果表明:① 1996~2006年期间武汉市土地利用变化主要表现为耕地、草地和未利用土地的减少,林地、建设用地和水域面积的增加的态势。② 1996年~2006年武汉市的区域生态环境质量指数从0.451 上升至0.468。生态环境在一定程度上维持着相对平衡,并呈现出一种上升趋势。但生态环境改善和恶化的两种趋势并存。③ 局部地区生态环境呈负向发展,其中城市化引起的空间扩张对区域土地利用/覆被变化产生影响最为深刻。 [Zhang Yang, Liu Yanfang, Gu Jianping et al. Land use/land cover change and its environmental effects in Wuhan city. Scientia Geographica Sinica, 2011,31(10): 1280-1285.] URL Magsci [本文引用: 1] 摘要利用1996年和2006年两期TM遥感影像解译图获取武汉市土地利用变化数据。基于GIS空间分析与数理统计方法对1996~2006年武汉市土地利用/覆被变化特征进行了定量分析。运用区域生态环境质量指数和区域土地利用变化类型生态贡献率,对研究时段内武汉市土地利用变化的生态环境效应以及导致武汉市生态环境质量变化的土地利用变化类型进行了分析与评价。研究结果表明:① 1996~2006年期间武汉市土地利用变化主要表现为耕地、草地和未利用土地的减少,林地、建设用地和水域面积的增加的态势。② 1996年~2006年武汉市的区域生态环境质量指数从0.451 上升至0.468。生态环境在一定程度上维持着相对平衡,并呈现出一种上升趋势。但生态环境改善和恶化的两种趋势并存。③ 局部地区生态环境呈负向发展,其中城市化引起的空间扩张对区域土地利用/覆被变化产生影响最为深刻。
[3]	俞孔坚,王思思,李迪华,等. 北京市生态安全格局及城市增长预景 [J].生态学报,2009,29(3):1189-1204. https://doi.org/10.3321/j.issn:1000-0933.2009.03.015 URL Magsci [本文引用: 2] 摘要在快速城市化和城市生态安全面临巨大挑战的时代背景下，构建生态安全格局是实现区域和城市生态安全的基本保障和重要途径。在梳理国内外生态安全格局研究进展的基础上，提出基于景观安全格局理论的北京市生态安全格局网络和城市发展空间格局。通过对北京市水文、地质灾害、生物多样性保护、文化遗产和游憩过程的系统分析，运用GIS和空间分析技术，判别出维护上述各种过程安全的关键性空间格局（景观安全格局），进而综合、叠加各单一过程的安全格局，构建具有不同安全水平的综合生态安全格局，形成保障北京城市和区域生态安全的生态基础设施。在此基础上，提出城镇空间发展预景和土地利用空间布局的优化战略。对不同预景进行综合评价，结果显示：基于生态安全格局的城镇空间发展格局可以维持生态过程的连续性并克服常规城市发展模式下的蔓延，基于“满意生态安全格局”（中安全水平）的城市空间格局可以同时满足生态用地、农用地和建设用地的需求，是一个同时实现精明保护与精明增长的有效工具。 [Yu Kongjian, Wang Sisi, Li Dihua et al. The function of ecological security patterns as an urban growth framework in Beijing. Acta Ecologica Sinica, 2009,29(3):1189-1204.] https://doi.org/10.3321/j.issn:1000-0933.2009.03.015 URL Magsci [本文引用: 2] 摘要在快速城市化和城市生态安全面临巨大挑战的时代背景下，构建生态安全格局是实现区域和城市生态安全的基本保障和重要途径。在梳理国内外生态安全格局研究进展的基础上，提出基于景观安全格局理论的北京市生态安全格局网络和城市发展空间格局。通过对北京市水文、地质灾害、生物多样性保护、文化遗产和游憩过程的系统分析，运用GIS和空间分析技术，判别出维护上述各种过程安全的关键性空间格局（景观安全格局），进而综合、叠加各单一过程的安全格局，构建具有不同安全水平的综合生态安全格局，形成保障北京城市和区域生态安全的生态基础设施。在此基础上，提出城镇空间发展预景和土地利用空间布局的优化战略。对不同预景进行综合评价，结果显示：基于生态安全格局的城镇空间发展格局可以维持生态过程的连续性并克服常规城市发展模式下的蔓延，基于“满意生态安全格局”（中安全水平）的城市空间格局可以同时满足生态用地、农用地和建设用地的需求，是一个同时实现精明保护与精明增长的有效工具。
[4]	张林波,李伟涛,王维,等. 基于GIS的城市最小生态用地空间分析模型研究——以深圳市为例 [J]. 自然资源学报, 2008,23(1): 69-78. https://doi.org/10.3321/j.issn:1000-3037.2008.01.008 URL Magsci [本文引用: 2] 摘要 21世纪,全球范围内城市化已经成为人类社会发展的必然趋势,城市扩张不可避免地将大量的森林、农田、草地、湿地和水域等发挥着重要生态服务功能的生态用地转化为城市建设用地,对城市、区域乃至全球的生态系统造成较大的影响。在未来快速城市化过程中,保护必需的生态用地对于维持城市自身生态系统健康、改善城市居民生活质量和城市可持续发展有着重要意义。研究以中国经济特区深圳市为例,将景观生态概念模型与生态系统服务功能价值评估方法结合起来,在GIS技术的支持下,构建了城市最小生态用地空间分析模型,并分别按照保留城市面积30%、40%、50%和60%生态用地的4种情景,分析最小生态用地空间分布的合理性,结果表明论文所构建的最小生态用地模型能够很好地将城市当中具有重要生态系统服务功能的土地提取出来。 [Zhang Linbo, Li Weitao, WangWei et al. Research on space modeling for minimum urban ecological land based on GIS: A Case in Shenzhen. Journal of Natural Resources, 2008,23(1): 69-78.] https://doi.org/10.3321/j.issn:1000-3037.2008.01.008 URL Magsci [本文引用: 2] 摘要 21世纪,全球范围内城市化已经成为人类社会发展的必然趋势,城市扩张不可避免地将大量的森林、农田、草地、湿地和水域等发挥着重要生态服务功能的生态用地转化为城市建设用地,对城市、区域乃至全球的生态系统造成较大的影响。在未来快速城市化过程中,保护必需的生态用地对于维持城市自身生态系统健康、改善城市居民生活质量和城市可持续发展有着重要意义。研究以中国经济特区深圳市为例,将景观生态概念模型与生态系统服务功能价值评估方法结合起来,在GIS技术的支持下,构建了城市最小生态用地空间分析模型,并分别按照保留城市面积30%、40%、50%和60%生态用地的4种情景,分析最小生态用地空间分布的合理性,结果表明论文所构建的最小生态用地模型能够很好地将城市当中具有重要生态系统服务功能的土地提取出来。
[5]	岳健,张雪梅. 关于我国土地利用分类问题的讨论 [J]. 干旱区地理, 2003,26(1):78-88. https://doi.org/10.3321/j.issn:1000-6060.2003.01.014 URL [本文引用: 1] 摘要在分析了我国于 2 0 0 2年 1月起试行的最新土地利用分类系统所存在的问题之后 ,提出了生态用地的概念 ,并提出了将我国土地利用划分为农用地、建设用地和生态用地这三大类用地的设想 ,同时尝试提出了另一个土地利用分类方案。 [Yue Jian, Zhang Xuemei. A discussion on classification of land use in China. Arid Land Geography, 2003,26(1):78-88.] https://doi.org/10.3321/j.issn:1000-6060.2003.01.014 URL [本文引用: 1] 摘要在分析了我国于 2 0 0 2年 1月起试行的最新土地利用分类系统所存在的问题之后 ,提出了生态用地的概念 ,并提出了将我国土地利用划分为农用地、建设用地和生态用地这三大类用地的设想 ,同时尝试提出了另一个土地利用分类方案。
[6]	邓小文,孙贻超,韩士杰. 城市生态用地分类及其规划的一般原则 [J]. 应用生态学报,2005,16(10): 2003-2006. URL Magsci [本文引用: 1] 摘要城市生态用地的规划布局是城市规划的难点之一,也是急待解决的问题.本文根据城市生态系统的特点,给出了城市生态用地定义,指出城市生态用地同时具有自然属性和社会属性,依据这个特点,将城市生态用地划分为服务型生态用地和功能型生态用地两大类型,并结合具体的城市生态规划对各种类型的生态用地规划进行了定性分析. [Deng Xiaowen, Sun Yichao, Han Shijie. General principles of urban ecological land classification and planning. Chinese Journal of Applied Ecology, 2005,16(10):2003-2006.] URL Magsci [本文引用: 1] 摘要城市生态用地的规划布局是城市规划的难点之一,也是急待解决的问题.本文根据城市生态系统的特点,给出了城市生态用地定义,指出城市生态用地同时具有自然属性和社会属性,依据这个特点,将城市生态用地划分为服务型生态用地和功能型生态用地两大类型,并结合具体的城市生态规划对各种类型的生态用地规划进行了定性分析.
[7]	俞孔坚,王思思,李迪华,等. 北京城市扩张的生态底线——基本生态系统服务及其安全格局 [J]. 城市规划, 2010,34(2): 19-24. URL [本文引用: 1] 摘要在土地极其有限、保护与发展压力同样巨大的形势下,科学判别和保护城市扩张的生态底线具有重要战略意义。探讨城市生态底线的科学内涵,提出通过构建生态安全格局保障城市的基本生态系统服务。以北京市为例,运用景观安全格局理论和GIS技术,通过对水文、地质灾害、生物、文化遗产和游憩过程的模拟和分析,判别维护上述过程安全的关键性空间格局,构建不同安全水平的综合生态安全格局,特别是界定最低安全标准下的景观格局。并以生态安全格局为刚性框架,模拟北京城镇扩张格局。结果显示:基于生态安全格局的城镇发展格局,用尽可能少的土地,维护城市的基本生态系统服务,同时为城市发展提供充足的建设用地,是实现精明保护与精明增长的有效途径。 [Yu Kongjian, Wang Sisi, Li Dihua et al. Ecological baseline for beijing’s urban sprawl: Basic ecosystem services and their security patterns. City Planning Review, 2010,34(2): 19-24.] URL [本文引用: 1] 摘要在土地极其有限、保护与发展压力同样巨大的形势下,科学判别和保护城市扩张的生态底线具有重要战略意义。探讨城市生态底线的科学内涵,提出通过构建生态安全格局保障城市的基本生态系统服务。以北京市为例,运用景观安全格局理论和GIS技术,通过对水文、地质灾害、生物、文化遗产和游憩过程的模拟和分析,判别维护上述过程安全的关键性空间格局,构建不同安全水平的综合生态安全格局,特别是界定最低安全标准下的景观格局。并以生态安全格局为刚性框架,模拟北京城镇扩张格局。结果显示:基于生态安全格局的城镇发展格局,用尽可能少的土地,维护城市的基本生态系统服务,同时为城市发展提供充足的建设用地,是实现精明保护与精明增长的有效途径。
[8]	刘孝富,舒俭民,张林波. 最小累积阻力模型在城市土地生态适宜性评价中的应用——以厦门为例 [J]. 生态学报, 2010, 30(2): 421-428. URL 摘要将城市土地景观动态模拟为生态保护用地和城镇用地扩张两个过程,建立了以两个过程最小累积阻力差值为基础的城市土地生态适宜性评价方法,可用公式MCR差值=MCR生态保护月地扩张-MCR城市用地扩张表示.当被评价单元的MCR差值0,应被划分为适宜建设的用地;而当MCR差值=0时,为适宜建设用地和适宜生态用地之间的分界线.以厦门为例, 选取已有的城镇用地和生态保护用地作为扩张源,分别从地形、景观类型、水文地质、生态价值、生态敏感性、生态功能6个方面建立了阻力因子评价体系,并运用最小累积阻力差值法将厦门市划分为禁止开发、限制开发、重点开发、优化开发4个适宜性分区,各区的面积分别为525.3、455.0、340.8、 243.9km2,生态适宜用地面积总和为980.3km.,建设适宜用地面积总和为584.7km2. [Liu Xiaofu, Shu Jianmin, Zhang Linbo. Research on applying minimal cumulative resistance model in urban land ecological suitability assessment: As an example of Xiamen City. Acta Ecologica Sinica, 2010, 30(2): 421-428.] URL 摘要将城市土地景观动态模拟为生态保护用地和城镇用地扩张两个过程,建立了以两个过程最小累积阻力差值为基础的城市土地生态适宜性评价方法,可用公式MCR差值=MCR生态保护月地扩张-MCR城市用地扩张表示.当被评价单元的MCR差值0,应被划分为适宜建设的用地;而当MCR差值=0时,为适宜建设用地和适宜生态用地之间的分界线.以厦门为例, 选取已有的城镇用地和生态保护用地作为扩张源,分别从地形、景观类型、水文地质、生态价值、生态敏感性、生态功能6个方面建立了阻力因子评价体系,并运用最小累积阻力差值法将厦门市划分为禁止开发、限制开发、重点开发、优化开发4个适宜性分区,各区的面积分别为525.3、455.0、340.8、 243.9km2,生态适宜用地面积总和为980.3km.,建设适宜用地面积总和为584.7km2.
[9]	李晖,易娜,姚文璟,等. 基于景观安全格局的香格里拉县生态用地规划 [J]. 生态学报, 2011,31(20): 5928-5936. URL Magsci 摘要通过构建不同水平的景观安全格局,可以为区域的生态用地规划提供相应对策。香格里拉县近年来随着经济的发展生态安全问题已经提到日程。选择研究区内的5个自然保护区和风景名胜区为"源",以生物多样性保护为目标,选择地表景观类型、坡度两个因子及相应的阻力因子系数进行分析。采用GIS中的空间分析工具,计算建立了地表景观类型、坡度两个单因子的最小累积阻力面,在此基础上,利用加权叠加方法构建了两个因子的最小累积阻力面。根据最小累积阻力阈值,建立了"源"间生态廊道及"源"与外部联系的辐射道,确定了关键的战略点,最终完成景观安全格局的构建。基于生物多样性目标得到了低、中、高3个不同安全水平的生态用地分别占研究区总面积的12.81%、44.1%和80.3%。为制定研究区生态安全策略提供了重要参考。 [Li Hui, Yi Na, Yao Wenjing et al. Shangri-La county ecological land use planning based on landscape security pattern. Acta Ecologica Sinica, 2011,31(20): 5928-5936.] URL Magsci 摘要通过构建不同水平的景观安全格局,可以为区域的生态用地规划提供相应对策。香格里拉县近年来随着经济的发展生态安全问题已经提到日程。选择研究区内的5个自然保护区和风景名胜区为"源",以生物多样性保护为目标,选择地表景观类型、坡度两个因子及相应的阻力因子系数进行分析。采用GIS中的空间分析工具,计算建立了地表景观类型、坡度两个单因子的最小累积阻力面,在此基础上,利用加权叠加方法构建了两个因子的最小累积阻力面。根据最小累积阻力阈值,建立了"源"间生态廊道及"源"与外部联系的辐射道,确定了关键的战略点,最终完成景观安全格局的构建。基于生物多样性目标得到了低、中、高3个不同安全水平的生态用地分别占研究区总面积的12.81%、44.1%和80.3%。为制定研究区生态安全策略提供了重要参考。
[10]	周锐,苏海龙,钱欣,等. 城市生态用地的安全格局规划探索 [J]. 城市发展研究,2014,21(6): 21-27. https://doi.org/10.3969/j.issn.1006-3862.2014.06.010 URL [本文引用: 1] 摘要以平项山新区为例,基于生态安全格局理论和GIS、RS空间技术,运用最小累积阻力模型,构建了生态用地综合安全格局,并划定了禁建区、限建区和适建区.结果显示:(1)研究区最小生态用地(禁建区)面积为97.89km2,主要包括重要的生态“源”及其周边一定范围内的湿地、林地、草地等;中、高水平生态用地(限建区)面积共计69.48km2;适建区的面积为127.63km2,集中分布在新区的中部至西北部.(2)生态用地安全格局的构建,将显著提高新区内生态“源”地间的连通性和生态过程的连续性.基于安全格局理论的生态规划方法,为城市生态用地定量研究和科学规划以及“三区”划定提供了新的空间途径.研究成果旨在为平顶山新区的空间布局规划和生态规划提供决策依据,也为其他同类地区的生态用地规划提供借鉴. [Zhou Rui,Su Hailong,Qian Xin et al. Exploration of urban ecological land planning method based on ecological security pattern. Urban Development Studies, 2014,21(6): 21-27.] https://doi.org/10.3969/j.issn.1006-3862.2014.06.010 URL [本文引用: 1] 摘要以平项山新区为例,基于生态安全格局理论和GIS、RS空间技术,运用最小累积阻力模型,构建了生态用地综合安全格局,并划定了禁建区、限建区和适建区.结果显示:(1)研究区最小生态用地(禁建区)面积为97.89km2,主要包括重要的生态“源”及其周边一定范围内的湿地、林地、草地等;中、高水平生态用地(限建区)面积共计69.48km2;适建区的面积为127.63km2,集中分布在新区的中部至西北部.(2)生态用地安全格局的构建,将显著提高新区内生态“源”地间的连通性和生态过程的连续性.基于安全格局理论的生态规划方法,为城市生态用地定量研究和科学规划以及“三区”划定提供了新的空间途径.研究成果旨在为平顶山新区的空间布局规划和生态规划提供决策依据,也为其他同类地区的生态用地规划提供借鉴.
[11]	岳晨,崔亚莉,饶戎,等. 基于生态规划的长春市土地生态适宜性评价 [J]. 水土保持研究, 2016, 23(2): 318-322. URL [本文引用: 1] [Yue Chen, Cui Yali, Rao Rong et al. Evaluation on ecological applicability of land in changchun City based on ecological planning. Research of Soil And Water Conservation, 2016, 23(2): 318-322.] URL [本文引用: 1]
[12]	王海鹰,张新长,康停军. 基于GIS的城市建设用地适宜性评价理论与应用 [J]. 地理与地理信息科学, 2009, 25(1): 14-17. [Wang Haiying, Zhang Xinchang, Kang Tingjun. Theory and application of evaluation on ecological applicability for urban construction land based on GIS. Geography and Geo-Information Science, 2009, 25(1): 14-17.]
[13]	杨轶,赵楠琦,李贵才. 城市土地生态适宜性评价研究综述 [J]. 现代城市研究,2015,(4): 91-96. https://doi.org/10.3969/j.issn.1009-6000.2015.03.014 URL 摘要城市土地生态适宜性评价是城市生态规划的核心内容,是应对城市建设用地无序扩张,实现土地资源合理利用的有效方法。本文从城市土地生态适宜性评价的内涵入手,针对不同地域类型的特征,从评价指标体系、评价方法和实践应用三个方面,对国内外研究进行了系统回顾。研究认为,国内外现有研究成果已十分丰富,但仍存在一些问题和研究难点。 [Yang Yi, Zhao Nanqi, Li Guicai. Study on urban land ecological suitability assessment. Modern Urban Research, 2015,(4): 91-96.] https://doi.org/10.3969/j.issn.1009-6000.2015.03.014 URL 摘要城市土地生态适宜性评价是城市生态规划的核心内容,是应对城市建设用地无序扩张,实现土地资源合理利用的有效方法。本文从城市土地生态适宜性评价的内涵入手,针对不同地域类型的特征,从评价指标体系、评价方法和实践应用三个方面,对国内外研究进行了系统回顾。研究认为,国内外现有研究成果已十分丰富,但仍存在一些问题和研究难点。
[14]	陈燕飞,杜鹏飞,郑筱津,等. 基于GIS的南宁市建设用地生态适宜性评价 [J]. 清华大学学报(自然科学版), 2006, 46(6): 801-804. https://doi.org/10.3321/j.issn:1000-0054.2006.06.013 URL [本文引用: 1] 摘要为了评估城市土地用作建设用地的生态适宜程度,以南宁市为例,识别市域内可用于进行城市建设的土地资源和生态敏感、脆弱、必须重点保护的区域。应用了生态适宜性评价方法,采用A rcM ap空间分析软件,综合考虑了水域、保护区、用地现状、地形地貌、工程地质等多项因子,并对不同因子赋予不同的权重进行叠加得到适宜性评价,为合理有效地安排土地资源的用途提供了重要依据。从保护城市生态环境的角度为城市的土地利用提出建议,为城市规划提供有益尝试和补充。 [Chen Yanfei, Du Pengfei, Zheng Xiaojin et al. Evaluation on ecological applicability of land construction in Nanning city based on GIS. J Tsinghua Univ (Sci & Tech ), 2006, 46(6): 801-804.] https://doi.org/10.3321/j.issn:1000-0054.2006.06.013 URL [本文引用: 1] 摘要为了评估城市土地用作建设用地的生态适宜程度,以南宁市为例,识别市域内可用于进行城市建设的土地资源和生态敏感、脆弱、必须重点保护的区域。应用了生态适宜性评价方法,采用A rcM ap空间分析软件,综合考虑了水域、保护区、用地现状、地形地貌、工程地质等多项因子,并对不同因子赋予不同的权重进行叠加得到适宜性评价,为合理有效地安排土地资源的用途提供了重要依据。从保护城市生态环境的角度为城市的土地利用提出建议,为城市规划提供有益尝试和补充。
[15]	邱从毫,李阳兵,冯元嵩. 贵阳市城市土地扩展空间的生态适宜性与优化 [J]. 应用生态学报, 2015, 26(9): 2777-2784. URL Magsci [本文引用: 1] 摘要 <p>以贵阳市为例,利用ArcGIS 9.3成本分析得出城镇空间扩展的阻力值,建立“建设用地为源+生态刚性约束+生态功能型阻力要素”的最小累积阻力模型(MCR)应用模式,动态模拟贵阳2010年城市空间扩展的生态阻力,并将其进行生态适宜性分区,分析了2014年新增加城市建设用地与生态适宜性的冲突,根据城市扩展土地空间配置与冲突格局,找出城市空间扩展现状不合理之处.结果表明: 2010—2014年间,生态适宜性分区与研究区城市扩展方向基本吻合,但新增城市建设用地生态冲突比较严重.在新增的城市建设用地中,生态冲突区面积占58.2%,其中,生态调控区占35.4%、限制开发区占13.9%、禁止开发区占8.9%.生态用地冲突加剧会引起生态服务功能及生态安全下降,提出以保留生态用地为目的的城市空间拓展优化路径,为贵阳土地空间格局优化、保障生态安全提供指导.</p> [Qiu Conghao, Li Yangbing, Feng Yuansong. Ecological suitability assessment and optimization of urban land expansion space in Guiyang City. Chinese Journal of Applied Ecology, 2015, 26(9): 2777-2784.] URL Magsci [本文引用: 1] 摘要 <p>以贵阳市为例,利用ArcGIS 9.3成本分析得出城镇空间扩展的阻力值,建立“建设用地为源+生态刚性约束+生态功能型阻力要素”的最小累积阻力模型(MCR)应用模式,动态模拟贵阳2010年城市空间扩展的生态阻力,并将其进行生态适宜性分区,分析了2014年新增加城市建设用地与生态适宜性的冲突,根据城市扩展土地空间配置与冲突格局,找出城市空间扩展现状不合理之处.结果表明: 2010—2014年间,生态适宜性分区与研究区城市扩展方向基本吻合,但新增城市建设用地生态冲突比较严重.在新增的城市建设用地中,生态冲突区面积占58.2%,其中,生态调控区占35.4%、限制开发区占13.9%、禁止开发区占8.9%.生态用地冲突加剧会引起生态服务功能及生态安全下降,提出以保留生态用地为目的的城市空间拓展优化路径,为贵阳土地空间格局优化、保障生态安全提供指导.</p>
[16]	杨少俊,刘孝富,舒俭民. 城市土地生态适宜性评价理论与方法 [J].生态环境学报,2009,18(1):380-385. URL [Yang Shaojun, Liu Xiaofu, Shu Jianmin. Urban land ecological suitability assessment: Theories and methods. Ecology and Environmental Sciences, 2009,18(1): 380-385.] URL
[17]	Li F, Ye Y, Song B et al. Evaluation of urban suitable ecological land based on the minimum cumulative resistance model: A case study from Changzhou, China [J]. Ecological Modelling, 2015, 318: 194-203. https://doi.org/10.1016/j.ecolmodel.2014.09.002 URL [本文引用: 1] 摘要 Urbanization is accompanied by the intense transformation and conflicts among different land use types that produce a series of economic, social, and environmental impacts. Ascertaining the quantity and pattern optimization of urban ecological land is critical to solving urban environmental problems and realizing urban sustainable development. Using the Chinese city of Changzhou, an important and typical city in the Yangtze River delta, as the case study, we applied the minimum cumulative resistance model (MCRM) to calculate the amount of ecological land that meets the demand of socioeconomic development and ecological protection considerating the source of ecological land and constructed land, ecosystem services, and the resistance plane. Results showed that the suitable ecological land area is about 1006.9km2, which is 53.8% of the total urban area of Changzhou, and is mainly distributed in Wujin and Xinbei districts. Considering the ecological land space and functional changes of the study area and comparing the current land use status with the model simulation results, we propose three land use types. For urban ecological land, positive protection measures and prohibiting economic development initiatives are necessary. For ecotones between urban developed land and ecological land, protection should be given priority and economic development activities should be rigidly controlled. For constructed land, measurements and policies should be taken to promote reasonable development and improve land intensity.
[18]	郭微,俞龙生,孙延军,等. 佛山市顺德中心城区城市绿地生态网络规划 [J]. 生态学杂志,2012,31(4): 1022-1027. URL Magsci [本文引用: 1] 摘要以佛山市顺德区中心城区为研究样区,基于景观连通性定量评价方法确定绿地系统核心斑块,并采用最小费用路径法构建了绿地系统潜在的生态廊道,同时还对绿地生态网络各组分的景观格局特征进行了分析。结果表明:斑块连通性指数距离阈值设定为500m时能够合理反映各绿地斑块重要性程度,并以连通性指数重要值排序结果确定了20个绿地斑块作为绿地生态网络的核心斑块;通过最小费用路径法构建的研究区31条潜在生态廊道,符合绿地系统分布特征并能够较好地连通各绿地核心斑块;生态网络景观格局分析表明,生态廊道缓冲区内斑块类型较复杂,景观格局破碎化程度较高。 [Guo Wei, Yu Longsheng, Sun Yanjun et al. Ecological network planning of urban green space in urban center of Shunde District, Foshan City, Guangdong Province of South China. Chinese Journal of Ecology, 2012,31(4): 1022-1027.] URL Magsci [本文引用: 1] 摘要以佛山市顺德区中心城区为研究样区,基于景观连通性定量评价方法确定绿地系统核心斑块,并采用最小费用路径法构建了绿地系统潜在的生态廊道,同时还对绿地生态网络各组分的景观格局特征进行了分析。结果表明:斑块连通性指数距离阈值设定为500m时能够合理反映各绿地斑块重要性程度,并以连通性指数重要值排序结果确定了20个绿地斑块作为绿地生态网络的核心斑块;通过最小费用路径法构建的研究区31条潜在生态廊道,符合绿地系统分布特征并能够较好地连通各绿地核心斑块;生态网络景观格局分析表明,生态廊道缓冲区内斑块类型较复杂,景观格局破碎化程度较高。
[19]	刘滨谊,王鹏. 绿地生态网络规划的发展历程与中国研究前沿 [J]. 中国园林, 2010,(3):1-5. URL [Liu Binyi, Wang Peng. Green Space Ecological Network Planning: Evolution and Research Frontier in China. Chinese Landscape Architecture, 2010,(3): 1-5.] URL
[20]	陈小平,陈文波. 鄱阳湖生态经济区生态网络构建与评价 [J].应用生态学报,2016,27(5): 1611-1618. https://doi.org/10.13287/j.1001-9332.201605.016 URL Magsci 摘要 <p>大型生态斑块是区域生物多样性保护的重要基础.然而，随着我国城镇化的快速推进，人类活动对环境的干扰越来越强烈，不仅大型生态斑块数量不断减少、质量不断下降，而且斑块之间连接出现弱化， “孤岛化”现象严重，严重影响区域生物多样性保护.本文以鄱阳湖生态经济区为例，通过GIS技术手段，充分考虑景观类型、坡度和人类活动干扰的影响，采用最小费用模型构建了该区域的潜在生态廊道.基于重力模型定量分析了生态斑块间的相互作用强度，并以此将潜在生态廊道分成2级以便区别保护，识别了研究区重要生态节点和生态断裂点，分析了该潜在生态网络结构的连通性.结果表明：森林和农田是构成研究区生态廊道的主要景观类型；生态斑块之间的相互作用强度差异显著；区域生态网络结构较复杂，网络连接度和闭合度较高.研究结果可为鄱阳湖生态经济区生物多样性保护和生态网络优化提供科学依据.</p> [Chen Xiaoping, Chen Wenbo. Construction and evaluation of ecological network in Poyang Lake Eco-economic Zone, China. Chinese Journal of Applied Ecology, 2016, 27(5): 1611-1618.] https://doi.org/10.13287/j.1001-9332.201605.016 URL Magsci 摘要 <p>大型生态斑块是区域生物多样性保护的重要基础.然而，随着我国城镇化的快速推进，人类活动对环境的干扰越来越强烈，不仅大型生态斑块数量不断减少、质量不断下降，而且斑块之间连接出现弱化， “孤岛化”现象严重，严重影响区域生物多样性保护.本文以鄱阳湖生态经济区为例，通过GIS技术手段，充分考虑景观类型、坡度和人类活动干扰的影响，采用最小费用模型构建了该区域的潜在生态廊道.基于重力模型定量分析了生态斑块间的相互作用强度，并以此将潜在生态廊道分成2级以便区别保护，识别了研究区重要生态节点和生态断裂点，分析了该潜在生态网络结构的连通性.结果表明：森林和农田是构成研究区生态廊道的主要景观类型；生态斑块之间的相互作用强度差异显著；区域生态网络结构较复杂，网络连接度和闭合度较高.研究结果可为鄱阳湖生态经济区生物多样性保护和生态网络优化提供科学依据.</p>
[21]	Yu D, Xun B, Shi P et al. Ecological restoration planning based on connectivity in an urban area [J]. Ecological Engineering, 2012, 46: 24-33. https://doi.org/10.1016/j.ecoleng.2012.04.033 URL 摘要 In urban areas, the competition between land development and ecological conservation is intense. To mitigate the negative effects of urbanization, we developed a methodology to plan a spatially explicit conservation network based on widely available remotely sensed data and other auxiliary data. First, as an area of strategic significance for the conservation of regional flora and fauna and for maintaining high environmental quality to promote human well-being, the remaining natural and semi-natural areas were identified as ecologically primary areas. Second, integrating the graph-theoretic model, we evaluated the overall connectivity of core habitats and identified which core habitats were and what landscape-pattern-context was most important to the conservation network. Third, focusing on maximizing the ability to utilize the existing conditions to reduce construction costs while meeting the ecological aims, an ecological corridor system was suggested to improve both the ecological connectivity and the livable environment. Finally, a comprehensive optimization scheme was suggested for the overall conservation planning. We concluded that successful and pragmatic ecological restoration planning in an urban area should consider the requirements of socially, economically and ecologically sustainable development and optimize the structure and function of the urban ecosystem, rather than maximize certain ecological aims. Our planning has been adopted by the local government, and a legally binding system of regulations has been established to guarantee the plan's enforcement. Our findings may provide an actual reference for the world, especially to manage the intertwined issues of economic development and ecological sustainability in rapidly urbanizing areas.
[22]	Qiang Yu A D Y A J, Jinxing Chen A N L A. The optimization of urban ecological infrastructure network based on the changes of county landscape patterns a typical case study of ecological fragile zone located at Deng Kou (Inner Mongolia) [J/OL].Journal of Cleaner Production(2016), . URL [本文引用: 1]
[23]	赵元,张新长,康停军. 并行蚁群算法及其在区位选址中的应用 [J]. 测绘学报,2010, 39(3): 322-327. URL [本文引用: 3] 摘要提出基于多叉树并行蚁群算法的区位选址优化方法。算法依据蚁群算法具有的并行特性,采用GPU（graphicprocessing unit,图形处理器）并行运算技术,对地理空间进行多叉树划分,收集蚂蚁在多叉树层间旅行时逐步留下的信息素信息,进行路径选优获得理想的候选解,从而为解决平面空间资源优化配置问题提供新的思路。实验结果表明,与普通蚁群算法相比,采用基于多叉树搜索的并行蚁群算法,能够发挥蚁群算法的并行特征,在短时间内求得较为理想的解,适合计算大区域的空间资源配置问题。 [Zhao Yuan, Zhang Xinchang, Kang Tingjun. A Parallel Ant Colony Optimization Algorithm for Site Location. Acta geodaetica et Cartographica Sinica, 2010,39(3):322-327.] URL [本文引用: 3] 摘要提出基于多叉树并行蚁群算法的区位选址优化方法。算法依据蚁群算法具有的并行特性,采用GPU（graphicprocessing unit,图形处理器）并行运算技术,对地理空间进行多叉树划分,收集蚂蚁在多叉树层间旅行时逐步留下的信息素信息,进行路径选优获得理想的候选解,从而为解决平面空间资源优化配置问题提供新的思路。实验结果表明,与普通蚁群算法相比,采用基于多叉树搜索的并行蚁群算法,能够发挥蚁群算法的并行特征,在短时间内求得较为理想的解,适合计算大区域的空间资源配置问题。
[24]	赵元,张新长,康停军. 多叉树蚁群算法及在区位选址中的应用研究 [J]. 地理学报, 2011, 66(2): 279-286. URL Magsci [本文引用: 3] 摘要本文提出了基于多叉树蚁群算法(ant colony optimization based on multi-way tree) 的区位选址优化方法。在多目标和大型空间尺度约束条件下，地理区位选址的解决方案组合呈现海量规模、空间搜索量庞大，难以求出理想解。基于多叉树的蚁群算法对地理空间进行多叉树划分，在多叉树的层上构造蚂蚁路径(ant path)，让蚂蚁在多叉树的搜索路径上逐步留下信息素，借助信息素的通讯来间接协作获得理想的候选解。采用该方法用于广州市的地理区位选址，取得良好结果。实验结果表明：采用基于多叉树的蚁群算法，改善了蚂蚁在空间搜索能力，适合求解大规模空间下的区位选址问题。 [Zhao Yuan, Zhang Xinchang, Kang Tingjun. A Multi-way Tree Ant Colony Optimization Algorithm for Site Location. Acta Geographica Sinica, 2011,66(2):279-286.] URL Magsci [本文引用: 3] 摘要本文提出了基于多叉树蚁群算法(ant colony optimization based on multi-way tree) 的区位选址优化方法。在多目标和大型空间尺度约束条件下，地理区位选址的解决方案组合呈现海量规模、空间搜索量庞大，难以求出理想解。基于多叉树的蚁群算法对地理空间进行多叉树划分，在多叉树的层上构造蚂蚁路径(ant path)，让蚂蚁在多叉树的搜索路径上逐步留下信息素，借助信息素的通讯来间接协作获得理想的候选解。采用该方法用于广州市的地理区位选址，取得良好结果。实验结果表明：采用基于多叉树的蚁群算法，改善了蚂蚁在空间搜索能力，适合求解大规模空间下的区位选址问题。
[25]	Fathali M. A genetic algorithm for the p-median problem with pos/neg weights [J]. Applied Mathematics And Computation,2006, 183(2): 1071-1083. https://doi.org/10.1016/j.amc.2006.05.143 URL [本文引用: 1] 摘要 Abstract Let a connected undirected graph G = (V, E) be given. In the classical p-median problem we want to find a set X containing p points in G such that the sum of weighted distances from X to all vertices in V is minimized. We consider the semi-obnoxious case where every vertex has either a positive or negative weight. In this case we have two different objective functions: the sum of the minimum weighted distances from X to all vertices and the sum of the weighted minimum distances. In this paper we propose a genetic algorithm for both problems. Computational results are compared with a previously investigated variable neighborhood search algorithm.
[26]	Mladenovic N, Brimberg J, Hansen P et al. The p-median problem: A survey of metaheuristic approaches [J]. European Journal of Operational Research, 2007, 179(3): 927-939. https://doi.org/10.1016/j.ejor.2005.05.034 URL 摘要 The p -median problem is one of the basic models in discrete location theory. As with most location problems, it is classified as NP-hard, and so, heuristic methods are usually used to solve it. Metaheuristics are frameworks for building heuristics. In this survey, we examine the p -median, with the aim of providing an overview on advances in solving it using recent procedures based on metaheuristic rules.
[27]	Brookes C J. A genetic algorithm for designing optimal patch configurations in GIS [J]. International Journal of Geographical Information Science, 2001, 15(6): 539-559. https://doi.org/10.1080/136588101316907227 URL [本文引用: 1] 摘要 Geographical Information Systems (GIS) are used for several types of spatial planning but so far they have not been used for optimal patch design. Optimal patch design is a generic spatial problem in which the objective is to design spatially explicit landuse maps when both the composition and configuration of patches are important criteria. There are many applications in conservation, forestry management, watershed management and the management of large military estates. This thesis describes a new autonomous computer program, the genetic algorithm for optimal patch design (GAPD). GAPD combines four components: a genetic search algorithm, a parameterised region growing (PRG) program, raster GIS measurement functions and multi-criteria decision-making methods. The key component is the PRG which translates between the aspatial domain of the search algorithm and the spatial domain of the GIS. GAPD generates landuse maps that optimise the configuration and composition of patches to meet multiple objectives for a given set of input maps and criteria. The theories of landscape ecology are used to establish a framework for formulating optimal patch design problems. The thesis describes the conceptual design of GAPD and its implementation and test, first as a prototype for solving single patch problems and then as a fully functional system for solving multi-objective multi-patch problems. The feasibility of GAPD was established by investigations of issues concerning the representation and measurement of configuration in raster data structures and by testing the efficiency and effectiveness of GAPD with simple problems. GAPD was further evaluated in five hypothetical problems designed to cover a range of different scenarios. The results are promising and show that GAPD has potential as a decision support tool. The final section recommends a number of topics for further research covering technical developments of GAPD, the application of GAPD to real problems and investigations of general issues of optimal patch design.
[28]	Aerts J, Heuvelink G. Using simulated annealing for resource allocation [J]. International Journal of Geographical Information Science, 2002, 16(6): 571-587. https://doi.org/10.1080/13658810210138751 URL [本文引用: 1] 摘要 Many resource allocation issues, such as land use- or irrigation planning, require input from extensive spatial databases and involve complex decisionmaking problems. Spatial decision support systems (SDSS) are designed to make these issues more transparent and to support the design and evaluation of resource allocation alternatives. Recent developments in this field focus on the design of allocation plans that utilise mathematical optimisation techniques. These techniques, often referred to as multi-criteria decision-making (MCDM) techniques, run into numerical problems when faced with the high dimensionality encountered in spatial applications. In this paper we demonstrate how simulated annealing, a heuristic algorithm, can be used to solve high-dimensional non-linear optimisation problems for multi-site land use allocation (MLUA) problems. The optimisation model both minimises development costs and maximises spatial compactness of the land use. Compactness is achieved by adding a non-linear neighbourhood objective to the objective function. The method is successfully applied to a case study in Galicia, Spain, using an SDSS for supporting the restoration of a former mining area with new land use.
[29]	Lockwood C, Moore T. Harvest scheduling with spatial constraints: A simulated annealing approach [J]. Canadian journal of forest research, 1993, 23(3): 468-478. https://doi.org/10.1139/x93-065 URL [本文引用: 1] 摘要 Abstract Simulated annealing is a stochastic approach to solving large combinatorial problems. This approach was used to model a harvest scheduling problem having block size constraints (no limit, 100-200, and 200-400 ha), a 20-year adjacency delay, and objectives to meet harvest volume targets on the minimum area possible. Spatially explicit harvest schedules complying with the constraints were successfully generated on test data sets of 6148 and 27 548 forest stands.
[30]	Zhou P, Deng Q S. Hybridizing Fast Taboo Search with Ant Colony Optimization Algorithm for Solving Large Scale Permutation Flow Shop Scheduling Problem [C]// Lin Tsauyoung, Hu Xiaohua, Xia Jiali et al.IEEE International Conference on Granular Computing, Grc 2009. CA, United States: Los Alamitos,2009. [本文引用: 1]
[31]	Bettinger P, Sessions J, Boston K. Using tabu search to schedule timber harvests subject to spatial wildlife goals for big game [J]. Ecological Modelling,1997, 94(2): 111-123. https://doi.org/10.1016/S0304-3800(96)00007-5 URL [本文引用: 1] 摘要 ABSTRACT An algorithm was developed that uses Tabu search to schedule timber harvests subject to even-flow of timber volume harvested, adjacency constraints, and spatial wildlife habitat quality goals. A subroutine within the algorithm senses the size of contiguous cover blocks in order to evaluate the wildlife habitat quality goals. The wildlife habitat quality goals consist of (1) maintaining at least 80% of the forage area within 200 m of a hiding or thermal patch at least 3 ha in size, and (2) maintaining 80% of the forage area within 300 m of a hiding or thermal patch at least 17 ha in size. To illustrate the procedure, feasible harvest plans for a three-period planning horizon were developed. Two scenarios were examined: (1) units 0 39 years old were considered forage, and there was no minimum harvest age for timbered units, and (2) units 0 9 years old were considered forage with a minimum harvest age of 50 years for timbered units. The second wildlife habitat quality goal was found to be the most limiting in both scenarios, while the first wildlife goal was at a minimum for only one of the three periods in the case study. The results of the first scenario showed that the second wildlife goal was at the minimum level for all three periods when the algorithm has reached a steady-state area of locating solutions. The second scenario resulted in a much more spatially and temporally constrained set of results, where all solutions met the wildlife goals, yet a steady state was not reached and harvest levels eventually deviated widely from an even-flow perspective. We demonstrate that an algorithm can be developed to simultaneously evaluate these types of spatial wildlife goals which do not have a predictable response to decision choices.
[32]	Dorigo M G L M J. Ant colony system: A cooperative learning approach to the traveling salesman problem [J]. IEEE Transaction on Evolutionary Computation,1991, 1(1): 53-56. https://doi.org/10.1109/4235.585892 URL [本文引用: 1] 摘要 This paper introduces the ant colony system (ACS), a distributed algorithm that is applied to the traveling salesman problem (TSP). In the ACS, a set of cooperating agents called ants cooperate to find good solutions to TSPs. Ants cooperate using an ...
[33]	Dorigo M M V C A. Ant System: Optimization by a Colony of Cooperating Agent [J]. IEEE Transactions on Systems, 1996, 26(1): 29-41. https://doi.org/10.1109/3477.484436 URL PMID: 18263004 [本文引用: 1] 摘要 An analogy with the way ant colonies function has suggested the definition of a new computational paradigm, which we call ant system (AS). We propose it as a viable new approach to stochastic combinatorial optimization. The main characteristics of this model are positive feedback, distributed computation, and the use of a constructive greedy heuristic. Positive feedback accounts for rapid discovery of good solutions, distributed computation avoids premature convergence, and the greedy heuristic helps find acceptable solutions in the early stages of the search process. We apply the proposed methodology to the classical traveling salesman problem (TSP), and report simulation results. We also discuss parameter selection and the early setups of the model, and compare it with tabu search and simulated annealing using TSP. To demonstrate the robustness of the approach, we show how the ant system (AS) can be applied to other optimization problems like the asymmetric traveling salesman, the quadratic assignment and the job-shop scheduling. Finally we discuss the salient characteristics-global data structure revision, distributed communication and probabilistic transitions of the AS.
[34]	Dorigo M S T. Ant Colony Optimization[M]. Cambridge, Masschusetts London, England: The MIT Press., 2004. [本文引用: 1]
[35]	黎夏. 地理模拟系统:元胞自动机与多智能体[M].北京:科学出版社,2007. [本文引用: 2] [Li Xia.Geographical Simulation Systems:Cellular Automata and Multi-agent Systems. Beijing: Science Press, 2007.] [本文引用: 2]
[36]	黎夏,刘小平,李少英. 智能式GIS 与空间优化[M]. 北京:科学出版社, 2010. [本文引用: 2] [Li Xia, Liu Xiaoping, Li Shaoying.Intelligent type of GIS and spatial optimization. Beijing:Science Press, 2010.] [本文引用: 2]
[37]	黎海波,黎夏,刘小平,等. 多目标粒子群算法与选址中的形状优化 [J]. 遥感学报,2008,12(5): 724-733. https://doi.org/10.3321/j.issn:1007-4619.2008.05.007 URL Magsci [本文引用: 2] 摘要选址问题是GIS最基本的任务之一.一般性的选址是基于点的位置优化,可利用有关GIS功能完成.实际的选址问题是很复杂的.在给定设施的数量和面积前提下,需要在空间上确定设施的最佳位置,并对形状进行优化,以获取最大的效用.采用一般的方法无法求解这种最优化问题.而且,当选址问题涉及多个目标和不同的约束性条件时,就会变得异常复杂.提出了利用多目标粒子群优化算法和区域形状变异算法相结合来解决复杂的空间选址问题.具有智能的搜索方法,大大提高了空间搜索能力,并保持了搜索区域的连通性,取得了较好的效果. [Li Haibo, Li Xia, Liu Xiaoping et al. Particle-Swarm Optimization for Site Selection with Contiguity Constraints. Journal of Remote Sensing, 2008,12(5): 724-733.] https://doi.org/10.3321/j.issn:1007-4619.2008.05.007 URL Magsci [本文引用: 2] 摘要选址问题是GIS最基本的任务之一.一般性的选址是基于点的位置优化,可利用有关GIS功能完成.实际的选址问题是很复杂的.在给定设施的数量和面积前提下,需要在空间上确定设施的最佳位置,并对形状进行优化,以获取最大的效用.采用一般的方法无法求解这种最优化问题.而且,当选址问题涉及多个目标和不同的约束性条件时,就会变得异常复杂.提出了利用多目标粒子群优化算法和区域形状变异算法相结合来解决复杂的空间选址问题.具有智能的搜索方法,大大提高了空间搜索能力,并保持了搜索区域的连通性,取得了较好的效果.
[38]	胡海龙,曾永年,张鸿辉,等. 多智能体与蚁群算法结合选址模型:长沙市生态用地选址 [J]. 资源科学,2011,33(6): 1211-1217. URL Magsci 摘要快速的城市化进程严重的影响着城市生态环境质量，为了缓解城市生态环境压力急需合理配置城市生态用地，特别是空间布局优化。传统的空间布局选址方法没有考虑政府政策、方针的影响，其选址结果的科学性、可行性不够。本文根据生态安全格局理论和城市可持续发展观念，提出了多智能体与蚁群算法结合选址新模型。新模型对多智能体在生态用地选址中的应用以及和蚁群算法的结合上进行了首次尝试。为了验证模型，以国家确立的“资源节约型、环境友好型”两型社会建设实验区的重要组成部分长沙市城区为研究区域，在调研和收集整理的GIS数据以及经济社会统计数据的基础上，利用新模型解决了长沙市城区新增一块生态用地的选址问题。实验结果表明，提出的结合模型能够比较好的解决城市生态用地选址问题，比传统的简单选址方法更科学、合理。同时，蚁群算法的引入使模型运行时间由简单选址方法的51.29S减少为22.37S，运行效率有了很大的提高。 [Hu Hailong, Zeng Yongnian, Zhang Honghui et al. Integration of a Site Selection Model with the Multi-Agent System and the Ant Colony Algorithm and Its Application to Changsha. Resources Science, 2011,33(6): 1211-1217.] URL Magsci 摘要快速的城市化进程严重的影响着城市生态环境质量，为了缓解城市生态环境压力急需合理配置城市生态用地，特别是空间布局优化。传统的空间布局选址方法没有考虑政府政策、方针的影响，其选址结果的科学性、可行性不够。本文根据生态安全格局理论和城市可持续发展观念，提出了多智能体与蚁群算法结合选址新模型。新模型对多智能体在生态用地选址中的应用以及和蚁群算法的结合上进行了首次尝试。为了验证模型，以国家确立的“资源节约型、环境友好型”两型社会建设实验区的重要组成部分长沙市城区为研究区域，在调研和收集整理的GIS数据以及经济社会统计数据的基础上，利用新模型解决了长沙市城区新增一块生态用地的选址问题。实验结果表明，提出的结合模型能够比较好的解决城市生态用地选址问题，比传统的简单选址方法更科学、合理。同时，蚁群算法的引入使模型运行时间由简单选址方法的51.29S减少为22.37S，运行效率有了很大的提高。
[39]	胡海龙. 多智能体城市生态用地选址模型及其应用[D] . 长沙:中南大学,2011. [Hu Hailong. Multi-Agent urban ecological land allocation model and application. Changsha:Central South University, 2011.]
[40]	何晋强,黎夏,刘小平,等. 蚁群智能及其在大区域基础设施选址中的应用 [J]. 遥感学报, 2009,13(2): 246-256. https://doi.org/10.11834/jrs.20090245 URL Magsci [本文引用: 1] 摘要提出了基于蚁群智能的空间选址模型,通过蚁群智能和GIS的结合来解决复杂的空间优化配置问题.这种启发式的智能搜索方法大大提高了空间搜索能力.为符合选址问题的求解,从信息素更新方式和禁忌表调整策略两方面对基本蚁群算法进行改进.同时,为了使得模型能实用于大区域的基础设施选址,提出了"分步逼近"的策略,取得了较好的效果.将所提出的模型应用于广州市公共没施的空间优化选址.实验结果表明,该方法比简单搜索方法和遗传算法更有优势. [He Jinqiang, Li Xia, Liu Xiaoping et al. Ant colony algorithms for optimal site selection in large regions. Journal of Remote Sensing, 2009,13(2): 246-256.] https://doi.org/10.11834/jrs.20090245 URL Magsci [本文引用: 1] 摘要提出了基于蚁群智能的空间选址模型,通过蚁群智能和GIS的结合来解决复杂的空间优化配置问题.这种启发式的智能搜索方法大大提高了空间搜索能力.为符合选址问题的求解,从信息素更新方式和禁忌表调整策略两方面对基本蚁群算法进行改进.同时,为了使得模型能实用于大区域的基础设施选址,提出了"分步逼近"的策略,取得了较好的效果.将所提出的模型应用于广州市公共没施的空间优化选址.实验结果表明,该方法比简单搜索方法和遗传算法更有优势.
[41]	马世发,何建华,俞艳. 基于粒子群算法的城镇土地利用空间优化模型 [J]. 农业工程学报,2010,26(9): 321-326. https://doi.org/10.3969/j.issn.1002-6819.2010.09.053 URL Magsci [本文引用: 1] 摘要土地利用结构优化是土地资源优化配置的核心，包括数量结构优化和空间结构优化。针对传统的优化模型如线性规划、多目标、灰色系统和景观生态等不能实现土地数量结构和空间结构的有效统一，在研究现有智能优化模型如元胞自动机、遗传算法的基础上，采用近年来新兴的粒子群优化算法，利用其空间飞行搜索特性和较强的全局优化能力，构建了基于粒子群算法的土地利用空间优化模型。研究表明，该模型能利用粒子的群体空间分布模拟土地利用空间格局，并能在多目标控制下进行全局优化处理，实现土地利用数量结构和空间结构的有效统一。 [Ma Shifa, He Jianhua, Yu Yan. Model of urban land-use spatial optimization based on particle swarm optimization algorithm. Transactions of the CSAE, 2010, 26(9): 321-326.] https://doi.org/10.3969/j.issn.1002-6819.2010.09.053 URL Magsci [本文引用: 1] 摘要土地利用结构优化是土地资源优化配置的核心，包括数量结构优化和空间结构优化。针对传统的优化模型如线性规划、多目标、灰色系统和景观生态等不能实现土地数量结构和空间结构的有效统一，在研究现有智能优化模型如元胞自动机、遗传算法的基础上，采用近年来新兴的粒子群优化算法，利用其空间飞行搜索特性和较强的全局优化能力，构建了基于粒子群算法的土地利用空间优化模型。研究表明，该模型能利用粒子的群体空间分布模拟土地利用空间格局，并能在多目标控制下进行全局优化处理，实现土地利用数量结构和空间结构的有效统一。
[42]	赵方胤. 土地利用规划中城市土地多目标空间优化配置模型及其求解算法研究[D] . 济南:山东师范大学, 2012. [Zhao Fangyin. The urban land multi-objective optimal allocation model and its algorithm in land use planning. Jinan:Shandong Normal University,2012.]
[43]	袁满,刘耀林. 基于多智能体遗传算法的土地利用优化配置 [J]. 农业工程学报,2014,30(1): 191-199. URL [Yuan Man, Liu Yaolin. Land use optimization allocation based on multi-agent genetic algorithm. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2014, 30(1): 191-199.] URL
[44]	Liu Y, Tang W, He J et al. A land-use spatial optimization model based on genetic optimization and game theory [J]. Computers Environment And Urban Systems, 2015, 49: 1-14. https://doi.org/10.1016/j.compenvurbsys.2014.09.002 URL 摘要 Land-use patterns can be considered as a consequence of competitions between different land-use types. How to coordinate the competitions is the key to land-use spatial optimization. In order to improve the ability of existing land-use spatial optimization models for addressing local land-use competitions (the competitions on land units), a loosely coupled model based on a genetic algorithm (GA) and game theory is constructed. The GA is repeatedly executed to separately optimize the spatial layout of each land-use type. The land-use status quo is overlaid with the optimization results to find local land-use competitions. The concept of land-use competition zones is introduced in this study. Using the competition zones as the basic units, the model utilizes multi-stakeholder games and the knowledge of land-use planning to coordinate the local land-use competitions. The final solution is obtained after the land-use coordination. Gaoqiao Town, Zhejiang Province is selected as the study area to verify the validity of the model. The experimental results confirm that the model is feasible to undertake land-use spatial optimization and to coordinate the competitions between different land-use types.
[45]	Liu Y, Yuan M, He J et al. Regional land-use allocation with a spatially explicit genetic algorithm [J]. Landscape And Ecological Engineering, 2015, 11(1): 209-219. https://doi.org/10.1007/s11355-014-0267-6 URL [本文引用: 1] 摘要 Land-use allocation is an important way to promote the intensive and economic use of land resources and achieve the goal of sustainable development. It is a complex spatial optimization problem, and heuristic algorithms have been one of the most effective ways to solve it in past studies. However, heuristic algorithms lack the guidance of planning knowledge, which makes land-use patterns usually unreasonable in practice. This research proposes a spatially explicit genetic algorithm (SEGA) that integrates land-use planning knowledge with the genetic algorithm (GA). The SEGA transforms the spatially implicit computation mode of the GA into a spatially explicit optimization style, which helps to promote the effectiveness of regional land-use allocation. Gaoqiao Town, China, was selected as the study area to test the SEGA. Results show that: (1) land-use conversions are reasonable in accordance with planning knowledge, and they improve overall land-use suitability and spatial compactness; (2) compared with the GA, the SEGA is superior in achieving global objectives and simulating local dynamics. We demonstrated that planning knowledge is essential to heuristic algorithms for land-use allocation.
[46]	张云鹏,孙燕,陈振杰. 基于多智能体的土地利用变化模拟 [J]. 农业工程学报,2013,29(4): 255-265. https://doi.org/10.3969/j.issn.1002-6819.2013.04.032 URL Magsci [本文引用: 1] 摘要建立土地利用变化模型，模拟多种情景下的土地利用变化过程，能够为科学的土地利用决策提供辅助支持。以常州市新北区为研究区，从政策特征因子、全局特征因子和空间特征因子3个方面构建土地利用情景特征因子体系；运用多智能体建模方法构建基于主体的土地利用情景模拟模型；设定快、中、慢3种经济社会发展条件下的土地利用情景（I、II、III），模拟研究区2006－2020年土地利用变化。结果表明：3种土地利用类型的空间全局拟合度都相对较高，城镇用地、农村居民点用地和耕地的空间全局拟合度分别为78.45%、99.85%、98.35%；空间变化拟合度较低，分别为55.18%、0.02%、69.11%。在3种土地利用情景下，城镇用地增加面积分别为3788.44、2922.83和2114.64 hm2，农村居民点用地减少面积分别为1106.60、858.61和592.35 hm2，耕地减少面积分别为5378.72、4817.03和4238.97 hm2。说明情景I下城镇化速度较快，城乡用地转换明显，农村居民点整治力度较大；情景II下城镇用地空间扩张和人口增长都减缓速度，耕地资源的流失得到一定程度控制；情景III下城乡用地变化速度显著放缓，耕地资源流失得到有效控制。 [Zhang Yunpeng,Sun Yan,Chen Zhenjie. Simulation of land use change using multi-agent model. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2013, 29(4): 255-265.] https://doi.org/10.3969/j.issn.1002-6819.2013.04.032 URL Magsci [本文引用: 1] 摘要建立土地利用变化模型，模拟多种情景下的土地利用变化过程，能够为科学的土地利用决策提供辅助支持。以常州市新北区为研究区，从政策特征因子、全局特征因子和空间特征因子3个方面构建土地利用情景特征因子体系；运用多智能体建模方法构建基于主体的土地利用情景模拟模型；设定快、中、慢3种经济社会发展条件下的土地利用情景（I、II、III），模拟研究区2006－2020年土地利用变化。结果表明：3种土地利用类型的空间全局拟合度都相对较高，城镇用地、农村居民点用地和耕地的空间全局拟合度分别为78.45%、99.85%、98.35%；空间变化拟合度较低，分别为55.18%、0.02%、69.11%。在3种土地利用情景下，城镇用地增加面积分别为3788.44、2922.83和2114.64 hm2，农村居民点用地减少面积分别为1106.60、858.61和592.35 hm2，耕地减少面积分别为5378.72、4817.03和4238.97 hm2。说明情景I下城镇化速度较快，城乡用地转换明显，农村居民点整治力度较大；情景II下城镇用地空间扩张和人口增长都减缓速度，耕地资源的流失得到一定程度控制；情景III下城乡用地变化速度显著放缓，耕地资源流失得到有效控制。
[47]	全泉,田光进,沙默泉. 基于多智能体与元胞自动机的上海城市扩展动态模拟 [J]. 生态学报,2011, 31(10): 2875-2887. URL Magsci [本文引用: 1] 摘要利用元胞自动机模型和多智能体模型相结合的方法,在GIS技术手段的支持下构建了一个能够兼顾两种模型优点的城市扩展动态模型,并以上海市为实证对象,模拟了上海市2005年的城市扩展动态,分别预测了2010年和2020年上海城市扩展的动态演化结果。在元胞自动机模型中定义城市系统中的各种自然、社会和交通等要素,在智能体模型中定义政府和居民智能体的行为。模型将二者结合起来,模拟上海中心城区、城郊区及外围区的城市用地扩展模式。对模型模拟的上海2005年土地利用状态和实际土地利用状态进行验证,Kappa系数的平均值达到0.75以上,说明模型具有较高的可信度。对预测出2010年和2020年上海市土地利用状态分析表明,城镇用地以向东部和南部扩张最为明显。 [Quan Quan, Tian Guangjin, Sha Moquan. Dynamic simulation of Shanghai urban expansion based on multi-agent system and cellular automata models. Acta Ecologica Sinica, 2011, 31(10): 2875-2887.] URL Magsci [本文引用: 1] 摘要利用元胞自动机模型和多智能体模型相结合的方法,在GIS技术手段的支持下构建了一个能够兼顾两种模型优点的城市扩展动态模型,并以上海市为实证对象,模拟了上海市2005年的城市扩展动态,分别预测了2010年和2020年上海城市扩展的动态演化结果。在元胞自动机模型中定义城市系统中的各种自然、社会和交通等要素,在智能体模型中定义政府和居民智能体的行为。模型将二者结合起来,模拟上海中心城区、城郊区及外围区的城市用地扩展模式。对模型模拟的上海2005年土地利用状态和实际土地利用状态进行验证,Kappa系数的平均值达到0.75以上,说明模型具有较高的可信度。对预测出2010年和2020年上海市土地利用状态分析表明,城镇用地以向东部和南部扩张最为明显。
[48]	康停军,张新长,赵元,等. 基于多智能体的城市人口分布模型 [J]. 地理科学,2012,32(7): 790-797. URL Magsci [本文引用: 1] 摘要人口是城市发展中最为活跃的因素,快速增长的人口给城市安全、经济和生态环境带来了深远的影响,获取不同尺度的高精度人口空间分布信息对于城市安全管理、提高资源环境的综合管理能力具有非常重要的意义。针对常用的城市人口空间分布模拟方法存在的不足,构建了基于多智能体的城市人口分布模型,模型由影响要素、智能体、决策规则等组成。在两个不同尺度区域进行了模型应用实验,并以重力模型进行了对比分析。实验结果表明,与重力模型相比,此模型所模拟的结果具有更高的精度,且接近于实际的人口空间分布,为城市人口分布模拟提供了新的思路。 [Kang Tingjun, Zhang Xinchang, Zhao Yuan et al. Agent-based Urban Population Distribution Model. Scientia Geographica Sinica, 2012,32(7): 790-797.] URL Magsci [本文引用: 1] 摘要人口是城市发展中最为活跃的因素,快速增长的人口给城市安全、经济和生态环境带来了深远的影响,获取不同尺度的高精度人口空间分布信息对于城市安全管理、提高资源环境的综合管理能力具有非常重要的意义。针对常用的城市人口空间分布模拟方法存在的不足,构建了基于多智能体的城市人口分布模型,模型由影响要素、智能体、决策规则等组成。在两个不同尺度区域进行了模型应用实验,并以重力模型进行了对比分析。实验结果表明,与重力模型相比,此模型所模拟的结果具有更高的精度,且接近于实际的人口空间分布,为城市人口分布模拟提供了新的思路。
[49]	张鸿辉,王丽萍,金晓斌,等. 基于多智能体系统的城市增长时空动态模拟——以江苏省连云港市为例 [J]. 地理科学,2012,32(11):1289-1296. Magsci [本文引用: 1] 摘要 <p>城市化是土地利用/覆盖变化中最典型形式之一, 探索城市增长的驱动机制并预测其未来变化, 对于实现城市可持续发展十分重要。鉴于多智能体系统强大的模拟复杂空间系统的能力, 基于联合“自上而下”和“自下而上”决策行为的视角, 构建了一个城市增长时空动态模拟多智能体模型, 在模型中, 宏观Agent 实施的“自上而下”的宏观土地利用规划行为和微观Agent 自主发起的“自下而上”的微观土地利用空间诉求行为通过二维空间网格相互作用, 并通过联合决策共同推动研究区域的城市化进程。以连云港市中心城区为例, 考虑了基于目前趋势、经济发展优先和环境保护优先的3 种目标情景, 并进行了相应的城市增长情景模拟。模拟结果表明:联合“自上而下”和“自下而上”决策行为的城市增长时空动态模拟多智能体模型能够充分发挥多智能体系统的潜力来了解城市化的驱动机制, 为城市管理提供基于情景分析的决策支持。</p> [Zhang Honghui,Wang Liping, Jin Xiaobin et al. Simulation of spatio-temporal dynamical change of urban growth based on Multi-Agent System: Case study of Lianyungang city, China. Scientia Geographica Sinica,2012,32(11): 1289-1296.] Magsci [本文引用: 1] 摘要 <p>城市化是土地利用/覆盖变化中最典型形式之一, 探索城市增长的驱动机制并预测其未来变化, 对于实现城市可持续发展十分重要。鉴于多智能体系统强大的模拟复杂空间系统的能力, 基于联合“自上而下”和“自下而上”决策行为的视角, 构建了一个城市增长时空动态模拟多智能体模型, 在模型中, 宏观Agent 实施的“自上而下”的宏观土地利用规划行为和微观Agent 自主发起的“自下而上”的微观土地利用空间诉求行为通过二维空间网格相互作用, 并通过联合决策共同推动研究区域的城市化进程。以连云港市中心城区为例, 考虑了基于目前趋势、经济发展优先和环境保护优先的3 种目标情景, 并进行了相应的城市增长情景模拟。模拟结果表明:联合“自上而下”和“自下而上”决策行为的城市增长时空动态模拟多智能体模型能够充分发挥多智能体系统的潜力来了解城市化的驱动机制, 为城市管理提供基于情景分析的决策支持。</p>
[50]	Xia Li C L X L. Coupling urban cellular automata with ant colony optimization for zoning protected natural areas under a changing landscape [J]. International Journal of Geographical Information Science,2011, 25(4): 575-593. https://doi.org/10.1080/13658816.2010.481262 URL [本文引用: 2] 摘要 Optimal zoning of protected natural areas is important for conserving ecosystems. It is an NP-hard problem which is difficult to solve by using common geographic information system (GIS) functions. Another problem is that existing optimization methods ignore potential land-use dynamics in formulating optimal patterns. This article has developed a new method for solving complicated zoning problems by using ant colony optimization (ACO) techniques. Significant modifications have been made, so that traditional ACO can be extended to the solution of area optimization problems. Two strategies, the single-year coupling strategy and the merging-year coupling strategy, have been proposed to couple urban cellular automata with ACO for zoning protected natural areas under a changing landscape. This proposed method has been tested in the metropolitan region of Guangzhou, China, by using Geographical Simulation and Optimization System (GeoSOS) software. The experiments indicate that the modified ACO can effectively solve this optimization problem without getting stuck in local optima. This method has better performances compared to other traditional methods, such as simulated annealing (SA), iterative relaxation (IR), and density slicing (DS). The use of the best coupling strategy can improve the accumulative utility value of the zoning by 4.3%. Moreover, it is also found that the adoption of the best protection pattern could significantly promote the compactness of future urban forms in the study area.
[51]	Lin J, Li X. Conflict resolution in the zoning of eco-protected areas in fast-growing regions based on game theory [J]. Journal of Environmental Management, 2016, 170: 177-185. https://doi.org/10.1016/j.jenvman.2015.11.036 URL PMID: 26829451 摘要 Environmental management problems involving many stakeholders are complex in nature. Often, some of the stakeholders are not consulted in the decision-making process leading to problems and conflicts. Furthermore, conventional methods such as local citizen meetings on problem solving do not adequately address stakeholder interests. These conflicts can be resolved by agreement on collaborative management of natural resources. Stakeholder analysis can provide negotiated options leading to conflict resolution. A study was conducted to examine various concerns and issues relating to the management of Ayer Hitam Forest Reserve (AHFR) using the cognitive approach. The stakeholders were interviewed and cognitive maps of issues were drawn. Then the stakeholders discussed the issues and reached consensus on a prioritized list of issues. The stakeholders were then presented with the economic valuation of timber and non-timber resources of AHFR and were asked to reprioritize the issues and rank them again. The stakeholders ranked the ecological role of forest as the most important while the use of forest as a social-cultural heritage was ranked the least important. The information on the value of conservation and non-timber products of the forest presented during the second workshop has influenced the stakeholders thus allowing them to reconsider the issues. This new list would be used as a basis for the management of the Ayer Hitam Forest Reserve.
[52]	Liu X, Lao C, Li X et al. An integrated approach of remote sensing, GIS and swarm intelligence for zoning protected ecological areas [J]. Landscape Ecology, 2012, 27(3): 447-463. https://doi.org/10.1007/s10980-011-9684-1 URL Magsci [本文引用: 1] 摘要 Interest in protecting ecological areas is increasing because of land uses conflicts and environmental pressures. The optimal zoning of protected ecological areas belongs to a NP-hard problem because it is subject to both box and spatial constraints. A challenge in solving area optimization problems emerges with the increasing size of a study region. In this article, an integrated approach of remote sensing, GIS and modified ant colony optimization (ACO) is proposed for application in zoning protected ecological areas. Significant modifications have been made in the conventional ACO so that it can be further extended to solve zoning problems in large regions. An improved selection strategy is designed to accelerate the progress of sites selection for artificial ants. Another important modification in ACO is to incorporate the neighborhood diffusion strategy into pheromone updating. The optimal objective is to generate protected areas that maximize both ecological suitability and spatial compactness. The modified ACO model has been successfully applied to a case study involving an area of 25,483 cells in Dongguan, Guangdong, China. The experiments have demonstrated that the proposed model is an efficient and effective optimization technique for generating optimal protection. The modified ACO model only requires approximately 119 s for determining near-optimal solutions. Furthermore, the proposed method performs better than other methods, including simulated annealing, genetic algorithm, iterative relaxation, basic ACO, and density slicing.
[53]	王劲峰. 空间分析[M]. 北京: 科学出版社, 2006. [本文引用: 1] [Wang Jinfeng. Spatial Analysis.Beijing: Science Press, 2006.] [本文引用: 1]
[54]	段海滨,张祥银,徐春芳. 仿生智能算法[M]. 北京: 科学出版社, 2011. [本文引用: 1] [Duan Haibin, Zhang Xiangyin, Xu Chunfang.Bionic intelligence algorithms. Beijing: Science Press, 2011.] [本文引用: 1]
[55]	黄国锐,曹先彬,王煦法. 基于信息素扩散的蚁群算法 [J]. 电子学报,2004, 32(5): 865-868. https://doi.org/10.3321/j.issn:0372-2112.2004.05.039 URL Magsci [本文引用: 1] 摘要蚁群算法是一种新型的搜索算法,其模拟的是蚁群依赖信息素进行通信而表现出的社会性行为.在基本蚁群算法中,蚂蚁之间协作不足,存在滞后的缺陷.本文在分析这一算法的基础上,提出了一种新的更加忠实了真实蚁群信息系统的蚁群算法.该算法通过建立信息素扩散模型,使相距较近的蚂蚁之间能更好地进行协作.TSP问题的仿真结果表明了该算法的有效性. [Huang Guorui, Cao Xianbin, Wang Xufa. An ant colony optimization algorithm based on pheromone diffusion. Acta Electronica Sinica, 2004, 32(5):865-868.] https://doi.org/10.3321/j.issn:0372-2112.2004.05.039 URL Magsci [本文引用: 1] 摘要蚁群算法是一种新型的搜索算法,其模拟的是蚁群依赖信息素进行通信而表现出的社会性行为.在基本蚁群算法中,蚂蚁之间协作不足,存在滞后的缺陷.本文在分析这一算法的基础上,提出了一种新的更加忠实了真实蚁群信息系统的蚁群算法.该算法通过建立信息素扩散模型,使相距较近的蚂蚁之间能更好地进行协作.TSP问题的仿真结果表明了该算法的有效性.

基于RS和GIS的济宁市土地利用变化及生态安全研究

2012

... 在发展中国家,城市化过程往往伴随着城市空间的急剧扩张,使得人类对于各种资源的开采、利用达到前所未有的强度,人与自然环境的矛盾日益突出^{[1, 2]}.在巨大的发展压力和较为脆弱的生态条件下,如何有效地维护和恢复城市的生态系统服务,协调城市发展和生态保护之间的矛盾^[3],已经成为紧迫而现实的问题.因此,保护必需的城市生态用地对于维持城市生态系统健康、改善城市居民生活质量和城市可持续发展具有重要作用和意义^[4].城市生态用地是为实现城市可持续发展的目标,保护城市生态环境而划定的非建设用地空间^{[5, 6]}.一般包括：农业保护区、水源保护区、生态保护区以及城市长远发展需要控制的绿化隔离带等非城市建设用地.城市生态用地规划是城市生态系统保护的重要基础和前提,其本质是一种复杂的NP-hard组合优化问题,不仅要保证规划指标的数量,还要确保生态效益、集约性和完整性和城市发展空间等一系列空间目标和布局约束. ...

基于RS和GIS的济宁市土地利用变化及生态安全研究

2012

武汉市土地利用覆被变化与生态环境效应研究

2011

武汉市土地利用覆被变化与生态环境效应研究

2011

北京市生态安全格局及城市增长预景

2009

... 目前,国内外已有的城市生态用地规划方法主要分为传统规划方法和智能计算方法两种类型.传统规划方法包括生态安全格局^[3,4,7~10]、生态适宜度评价^[11~17]和生态网络规划^[18~22]等方法,以上这些方法具有考虑因素全面、计算操作简单等突出优势,但也存在权重确定主观、未考虑因子之间相互作用、角度单一片面、调整不灵活等缺点,越来越难以满足城市社会、经济、生态目标的要求.另一类方法是智能计算方法,近年来已成为空间优化的一个发展方向^[23,24].这类模型主要包括遗传算法（genetic algorithm,GA）^[25~27]、模拟退火算法（simulated annealing,SA）^[28,29]、禁忌算法（Taboo Search）^[30,31]、蚁群优化算法^[32~34]（Ant colony Optimization,ACO）和多智能体模型^[35,36]等,这类算法都是基于自底而上的算法框架,考虑了全局性目标和空间约束,具有优异的全局寻优性能.近年来已被陆续应用到空间选址^{[23,24,37~40]}、土地利用优化^[41~45]、土地利用模拟^[46,47]、城市与人口模拟^[48,49]和自然保护区规划^[50~52]等地理空间问题.其中,黎夏等利用地理模拟与优化系统（GeoSOS）提取了广州市的生态保护区空间范围,基于博弈论解决了生态保护区的空间冲突问题.刘小平等改进了蚁群优化算法的选择策略和信息素扩散和更新机制,提取了东莞市生态保护区的范围.虽然国内外在城市模拟和优化上取得了丰硕成果,但是对城市生态用地规划方面的研究还比较少. ...

北京市生态安全格局及城市增长预景

2009

基于GIS的城市最小生态用地空间分析模型研究——以深圳市为例

2008

基于GIS的城市最小生态用地空间分析模型研究——以深圳市为例

2008

关于我国土地利用分类问题的讨论

2003

关于我国土地利用分类问题的讨论

2003

城市生态用地分类及其规划的一般原则

2005

城市生态用地分类及其规划的一般原则

2005

北京城市扩张的生态底线——基本生态系统服务及其安全格局

2010

北京城市扩张的生态底线——基本生态系统服务及其安全格局

2010

最小累积阻力模型在城市土地生态适宜性评价中的应用——以厦门为例

2010

最小累积阻力模型在城市土地生态适宜性评价中的应用——以厦门为例

2010

基于景观安全格局的香格里拉县生态用地规划

2011

基于景观安全格局的香格里拉县生态用地规划

2011

城市生态用地的安全格局规划探索

2014

城市生态用地的安全格局规划探索

2014

基于生态规划的长春市土地生态适宜性评价

2016

基于生态规划的长春市土地生态适宜性评价

2016

基于GIS的城市建设用地适宜性评价理论与应用

2009

基于GIS的城市建设用地适宜性评价理论与应用

2009

城市土地生态适宜性评价研究综述

2015

城市土地生态适宜性评价研究综述

2015

基于GIS的南宁市建设用地生态适宜性评价

2006

... 式中,

\begin{matrix} p_{ij}^{k} (t) \end{matrix}

表示蚂蚁

\begin{matrix} k \end{matrix}

在第

\begin{matrix} t \end{matrix}

次迭代中,选择栅格空间位置

\begin{matrix} [i, j] \end{matrix}

的概率;

\begin{matrix} τ_{ij} (t) \end{matrix}

表示第

\begin{matrix} t \end{matrix}

次迭代中在位置

\begin{matrix} [i, j] \end{matrix}

遗留的信息素;

\begin{matrix} η_{ij} \end{matrix}

表示在位置

\begin{matrix} [i, j] \end{matrix}

上的启发信息,在这里定义

\begin{matrix} η_{ij} = f_{eco} (i, j) \end{matrix}

,表示蚂蚁选择栅格位置的期望;

\begin{matrix} α \end{matrix}

为信息素启发式因子,表示蚂蚁在栅格空间已积累的信息素对蚂蚁下一次选择选择所起的作用^[14,15],蚂蚁倾向于选择信息素浓度高的栅格位置;

\begin{matrix} β \end{matrix}

为期望启发式因子,表示启发信息在蚂蚁选择栅格位置的受重视程度;

\begin{matrix} allowe d_{k} \end{matrix}

为表示蚂蚁

\begin{matrix} k \end{matrix}

的允许选择的栅格空间.最后,模型通过轮盘赌（Roulette Wheel Selection）方法最终确定蚂蚁的下一个栅格位置. ...

基于GIS的南宁市建设用地生态适宜性评价

2006

... 式中,

\begin{matrix} p_{ij}^{k} (t) \end{matrix}

表示蚂蚁

\begin{matrix} k \end{matrix}

在第

\begin{matrix} t \end{matrix}

次迭代中,选择栅格空间位置

\begin{matrix} [i, j] \end{matrix}

的概率;

\begin{matrix} τ_{ij} (t) \end{matrix}

表示第

\begin{matrix} t \end{matrix}

次迭代中在位置

\begin{matrix} [i, j] \end{matrix}

遗留的信息素;

\begin{matrix} η_{ij} \end{matrix}

表示在位置

\begin{matrix} [i, j] \end{matrix}

上的启发信息,在这里定义

\begin{matrix} η_{ij} = f_{eco} (i, j) \end{matrix}

,表示蚂蚁选择栅格位置的期望;

\begin{matrix} α \end{matrix}

为信息素启发式因子,表示蚂蚁在栅格空间已积累的信息素对蚂蚁下一次选择选择所起的作用^[14,15],蚂蚁倾向于选择信息素浓度高的栅格位置;

\begin{matrix} β \end{matrix}

为期望启发式因子,表示启发信息在蚂蚁选择栅格位置的受重视程度;

\begin{matrix} allowe d_{k} \end{matrix}

为表示蚂蚁

\begin{matrix} k \end{matrix}

的允许选择的栅格空间.最后,模型通过轮盘赌（Roulette Wheel Selection）方法最终确定蚂蚁的下一个栅格位置. ...

贵阳市城市土地扩展空间的生态适宜性与优化

2015

... 式中,

\begin{matrix} p_{ij}^{k} (t) \end{matrix}

表示蚂蚁

\begin{matrix} k \end{matrix}

在第

\begin{matrix} t \end{matrix}

次迭代中,选择栅格空间位置

\begin{matrix} [i, j] \end{matrix}

的概率;

\begin{matrix} τ_{ij} (t) \end{matrix}

表示第

\begin{matrix} t \end{matrix}

次迭代中在位置

\begin{matrix} [i, j] \end{matrix}

遗留的信息素;

\begin{matrix} η_{ij} \end{matrix}

表示在位置

\begin{matrix} [i, j] \end{matrix}

上的启发信息,在这里定义

\begin{matrix} η_{ij} = f_{eco} (i, j) \end{matrix}

,表示蚂蚁选择栅格位置的期望;

\begin{matrix} α \end{matrix}

为信息素启发式因子,表示蚂蚁在栅格空间已积累的信息素对蚂蚁下一次选择选择所起的作用^[14,15],蚂蚁倾向于选择信息素浓度高的栅格位置;

\begin{matrix} β \end{matrix}

为期望启发式因子,表示启发信息在蚂蚁选择栅格位置的受重视程度;

\begin{matrix} allowe d_{k} \end{matrix}

为表示蚂蚁

\begin{matrix} k \end{matrix}

的允许选择的栅格空间.最后,模型通过轮盘赌（Roulette Wheel Selection）方法最终确定蚂蚁的下一个栅格位置. ...

贵阳市城市土地扩展空间的生态适宜性与优化

2015

... 式中,

\begin{matrix} p_{ij}^{k} (t) \end{matrix}

表示蚂蚁

\begin{matrix} k \end{matrix}

在第

\begin{matrix} t \end{matrix}

次迭代中,选择栅格空间位置

\begin{matrix} [i, j] \end{matrix}

的概率;

\begin{matrix} τ_{ij} (t) \end{matrix}

表示第

\begin{matrix} t \end{matrix}

次迭代中在位置

\begin{matrix} [i, j] \end{matrix}

遗留的信息素;

\begin{matrix} η_{ij} \end{matrix}

表示在位置

\begin{matrix} [i, j] \end{matrix}

上的启发信息,在这里定义

\begin{matrix} η_{ij} = f_{eco} (i, j) \end{matrix}

,表示蚂蚁选择栅格位置的期望;

\begin{matrix} α \end{matrix}

为信息素启发式因子,表示蚂蚁在栅格空间已积累的信息素对蚂蚁下一次选择选择所起的作用^[14,15],蚂蚁倾向于选择信息素浓度高的栅格位置;

\begin{matrix} β \end{matrix}

为期望启发式因子,表示启发信息在蚂蚁选择栅格位置的受重视程度;

\begin{matrix} allowe d_{k} \end{matrix}

为表示蚂蚁

\begin{matrix} k \end{matrix}

的允许选择的栅格空间.最后,模型通过轮盘赌（Roulette Wheel Selection）方法最终确定蚂蚁的下一个栅格位置. ...

城市土地生态适宜性评价理论与方法

2009

城市土地生态适宜性评价理论与方法

2009

Evaluation of urban suitable ecological land based on the minimum cumulative resistance model: A case study from Changzhou, China

2015

佛山市顺德中心城区城市绿地生态网络规划

2012

佛山市顺德中心城区城市绿地生态网络规划

2012

绿地生态网络规划的发展历程与中国研究前沿

2010

绿地生态网络规划的发展历程与中国研究前沿

2010

鄱阳湖生态经济区生态网络构建与评价

2016

鄱阳湖生态经济区生态网络构建与评价

2016

Ecological restoration planning based on connectivity in an urban area

2012

The optimization of urban ecological infrastructure network based on the changes of county landscape patterns a typical case study of ecological fragile zone located at Deng Kou (Inner Mongolia)

2016

并行蚁群算法及其在区位选址中的应用

2010

... [23,24,37~40]、土地利用优化^[41~45]、土地利用模拟^[46,47]、城市与人口模拟^[48,49]和自然保护区规划^[50~52]等地理空间问题.其中,黎夏等利用地理模拟与优化系统（GeoSOS）提取了广州市的生态保护区空间范围,基于博弈论解决了生态保护区的空间冲突问题.刘小平等改进了蚁群优化算法的选择策略和信息素扩散和更新机制,提取了东莞市生态保护区的范围.虽然国内外在城市模拟和优化上取得了丰硕成果,但是对城市生态用地规划方面的研究还比较少. ...

... 由于邻域空间存在相关性,蚂蚁在选择候选位置时,候选位置的邻域状态往往也非常接近^[23,24].为了增强蚂蚁对邻域栅格影响力,研究在信息素更新时采用信息素扩散机制^[55],对蚂蚁的3×3邻域栅格同时进行信息素更新 . ...

并行蚁群算法及其在区位选址中的应用

2010

多叉树蚁群算法及在区位选址中的应用研究

2011

... ,24,37~40]、土地利用优化^[41~45]、土地利用模拟^[46,47]、城市与人口模拟^[48,49]和自然保护区规划^[50~52]等地理空间问题.其中,黎夏等利用地理模拟与优化系统（GeoSOS）提取了广州市的生态保护区空间范围,基于博弈论解决了生态保护区的空间冲突问题.刘小平等改进了蚁群优化算法的选择策略和信息素扩散和更新机制,提取了东莞市生态保护区的范围.虽然国内外在城市模拟和优化上取得了丰硕成果,但是对城市生态用地规划方面的研究还比较少. ...

多叉树蚁群算法及在区位选址中的应用研究

2011

A genetic algorithm for the p-median problem with pos/neg weights

2006

The p-median problem: A survey of metaheuristic approaches

2007

A genetic algorithm for designing optimal patch configurations in GIS

2001

Using simulated annealing for resource allocation

2002

Harvest scheduling with spatial constraints: A simulated annealing approach

1993

Hybridizing Fast Taboo Search with Ant Colony Optimization Algorithm for Solving Large Scale Permutation Flow Shop Scheduling Problem

2009

Using tabu search to schedule timber harvests subject to spatial wildlife goals for big game

1997

Ant colony system: A cooperative learning approach to the traveling salesman problem

1991

Ant System: Optimization by a Colony of Cooperating Agent

1996

... 4）信息素更新扩展策略.Dorigo在1996年提出Ant-cycle、Ant-Quantity、Ant-Density3种不同的蚁群算法模型^[33],其中,Ant-cycle类型利用的是蚂蚁的整体信息,当蚂蚁完成一个循环之后,更新所有路径上的信息素^[54].相关实验表明,Ant-cycle模型比后两者的性能要好很多,研究采用Ant-cycle模型作为基本模型.在本研究中,将信息素的更新扩展为对栅格空间的每个栅格点位置

\begin{matrix} [i, j] \end{matrix}

的信息素更新.在每次循环之后对整个栅格空间的信息素进行更新： ...

2004

2007

... 3）空间紧凑度.空间紧凑度是一种用于度量地物形态信息的重要指标^[35,37].目前常用于城市空间形态的评价.一个空间分布格局较为紧凑的生态用地更加有利于区域生态环境保护. ...

2007

2010

... 以蚂蚁

\begin{matrix} k \end{matrix}

为中心,考虑信息素随3×3邻域衰减.则信息素更新公式如下^[36,50]： ...

2010

... 以蚂蚁

\begin{matrix} k \end{matrix}

为中心,考虑信息素随3×3邻域衰减.则信息素更新公式如下^[36,50]： ...

多目标粒子群算法与选址中的形状优化

2008

多目标粒子群算法与选址中的形状优化

2008

多智能体与蚁群算法结合选址模型:长沙市生态用地选址

2011

多智能体与蚁群算法结合选址模型:长沙市生态用地选址

2011

多智能体城市生态用地选址模型及其应用[D]

2011

多智能体城市生态用地选址模型及其应用[D]

2011

蚁群智能及其在大区域基础设施选址中的应用

2009

蚁群智能及其在大区域基础设施选址中的应用

2009

基于粒子群算法的城镇土地利用空间优化模型

2010

基于粒子群算法的城镇土地利用空间优化模型

2010

土地利用规划中城市土地多目标空间优化配置模型及其求解算法研究[D]

2012

土地利用规划中城市土地多目标空间优化配置模型及其求解算法研究[D]

2012

基于多智能体遗传算法的土地利用优化配置

2014

基于多智能体遗传算法的土地利用优化配置

2014

A land-use spatial optimization model based on genetic optimization and game theory

2015

Regional land-use allocation with a spatially explicit genetic algorithm

2015

基于多智能体的土地利用变化模拟

2013

基于多智能体的土地利用变化模拟

2013

基于多智能体与元胞自动机的上海城市扩展动态模拟

2011

基于多智能体与元胞自动机的上海城市扩展动态模拟

2011

基于多智能体的城市人口分布模型

2012

基于多智能体的城市人口分布模型

2012

基于多智能体系统的城市增长时空动态模拟——以江苏省连云港市为例

2012

基于多智能体系统的城市增长时空动态模拟——以江苏省连云港市为例

2012

Coupling urban cellular automata with ant colony optimization for zoning protected natural areas under a changing landscape

2011

... 以蚂蚁

\begin{matrix} k \end{matrix}

为中心,考虑信息素随3×3邻域衰减.则信息素更新公式如下^[36,50]： ...

Conflict resolution in the zoning of eco-protected areas in fast-growing regions based on game theory

2016

An integrated approach of remote sensing, GIS and swarm intelligence for zoning protected ecological areas

2012

2006

... 2）最邻近距离指数.对于点状目标在空间的分布特征和相互关系,可以用样方内点数均值变差、点间最近距离均值、点密度距离函数等方法来度量,根据实际观察值与均空间分布条件下的理论值比较,判断点格局的是均匀、聚集,还是随机分布^[53]. ...

2006

2011

\begin{matrix} [i, j] \end{matrix}

的信息素更新.在每次循环之后对整个栅格空间的信息素进行更新： ...

2011

\begin{matrix} [i, j] \end{matrix}

的信息素更新.在每次循环之后对整个栅格空间的信息素进行更新： ...

基于信息素扩散的蚁群算法

2004

基于信息素扩散的蚁群算法

2004

〈

〉

基于蚁群优化算法的城市生态用地空间规划模型

The Spatial Planning Model of Urban Ecological Land Based on Ant Colony Optimization Algorithm

引言

1 城市生态用地规划模型

1.1 规划问题描述

1.2 构建规划目标函数

1.3 模型结构设计

1.4 模型计算流程

2 模型测试与分析

2.1 测试实验一

2.2 测试实验二

3 模型应用与分析

3.1 研究区和数据

3.2 结果与分析

4 结论

参考文献 文献选项 原文顺序 文献年度倒序 文中引用次数倒序 被引期刊影响因子

参考文献

原文顺序

文献年度倒序

文中引用次数倒序

被引期刊影响因子