多目标优化NSGA系列算法与地理决策：原理、现状与展望

地理学正在经历“剧变”时代,愈发强调决策支持。地理决策过程中往往涉及众多因素,需要通盘考量不同因素、权衡利弊,并提出最优方案,是典型的多目标优化过程。数学领域的多目标优化算法因而在地理决策中具有广阔的应用潜力和重要意义,其最新进展是地理学中新方法、新工具的重要来源。本文综述了多目标优化领域最前沿、最流行的算法代表“非支配排序遗传系列算法”（Nondominated Sorting Genetic Algorithms,NSGAs）,对其三代不同算法的原理、适用性进行对比,并综述了这些算法在地理决策领域的应用现状、改进方法、问题与局限。研究发现：在三代算法中,NSGA-Ⅱ因其在计算复杂性和使用场景方面的优势在地理决策中最为流行;NSGA-Ⅲ对建模要求较高,尚未得到广泛关注。在地理决策的各领域中,水资源管理领域是NSGA算法应用最多、最成熟的领域,该领域的问题建模和在NSGA算法中融入局部搜索的经验值得其它领域借鉴和推广;土地利用规划领域提出了较多的NSGA改进算法,为更好地融合NSGA算法进行地理决策树立了典范。未来研究中,可通过凝练行业共性问题、构建通用优化模型降低NSGA算法的应用门...     

基于多目标蚁狮优化算法的微震震源定位数学模型组合北大核心CSCD

通过多目标智能优化算法研究微震震源定位存在的模型组合合理性未阐明、易陷入局部最优解、定位结果波动性较大等问题。为解决这些问题,首先在到时差模型与到时差商模型基础上设计4个不同的微震震源定位数学模型,两两组合构建6个多目标优化定位模型;再设计3组基于不同台网形状(三维多面体、二维长方形、一维直线型)的微震震源正演仿真实验和1组工程数据验证实验,并引入多目标蚁狮优化(multi-objective ant lion optimization,MOALO)算法求解这些模型;最后采用多个统计指标评判各个模型组合定位效果的优劣。结果表明,数学模型组合(TDA-P1,TDQA)结合MOALO算法的多目标优化定位策略能够得到较高的微震震源定位精度,且模型稳健性较好,优于其他模型组合和传统多目标定位方法,在微震监测领域具有一定的应用价值。     

基于多目标遗传算法和FLUS模型的西北农牧交错带土地利用优化配置

西北农牧交错带生态环境脆弱,区位特殊性和生态重要性使其在我国社会经济发展和生态环境保护方面具有重要战略意义。通过对该区域进行土地利用优化配置,使有限的土地资源支撑起生态环境保护和经济发展的重任是本文的出发点。多目标遗传算法和FLUS模型的应用可以从多方面（数量结构、空间布局、综合效益）完善土地利用优化配置,为土地利用优化配置提供更多的选择方案。本文选用多目标遗传算法和FLUS模型对该区域进行2025年的土地利用变化模拟,通过设置自然发展、生态保护优先、经济发展优先、生态-经济均衡4种情景,探讨了如何在兼顾生态环境保护与社会经济发展的情况下进行土地利用的优化配置。结果表明,基于生态-经济均衡情景下的优化方案,土地利用类型的数量结构和空间布局更为合理,其综合效益优于另外3种情景。该情景在合理限制经济发展速度的前提下,使生态建设获得稳定发展,其经济效益较生态保护优先情景下增长了8.96%,生态效益较经济发展优先情景下增长了0.77%,在生态保护与经济发展2种目标之间达到平衡,为西北农牧交错带的土地利用规划提供了决策辅助。