بررسی الگوی اختصاص فضایی و مکانی استفاده از زمین و کاربری ارضی

بررسی الگوی اختصاص فضایی و مکانی استفاده از زمین و کاربری ارضی

نوع فایل : word

تعداد صفحات : 13

تعداد کلمات : 3400

مجله : Geo-spatial Information Science

انتشار : 2013

ترجمه ی متون جدول : ترجمه شده است

درج جداول در فایل ترجمه : درج شده است

منابع داخل متن : به صورت فارسی درج شده است

کیفیت ترجمه : طلایی

فونت ترجمه : ب نازنین 12

تاریخ انتشار
4 جولای 2020
دسته بندی
تعداد بازدیدها
1532 بازدید
19,500 تومان
دانلود اصل مقاله

عنوان فارسی مقاله:بررسی  الگوی اختصاص فضایی و مکانی استفاده از زمین و کاربری ارضی بر اساس بهینه سازی کلنی مورچه

  چکیده

تخصیص فضایی کاربری اراضی بهینه سازی فضا برای بهبود راندمان کاربری اراضی با توزیع انواع کاربری اراضی تحت محدوده ساختار کاربری اراضی منطقه ای با توجه به اهداف برنامه ریزی خاص در مقیاس های مکانی و زمانی است (ژانگ و همکاران ۲۰۱۲). این بسیار پیچیده است زیرا باید نه تنها عوامل مکانی ، خصوصیات و محدودیت های بی شماری را در نظر گرفت بلکه اهداف متعدد و غالباً متناقضی را نیز در نظر گرفت (چن و همکاران ۲۰۱۰ و کائو و همکاران ۲۰۱۱). بنابراین ، ارائه روشی مؤثر برای تصمیم گیرندگان برای تعیین تأثیر و هزینه راه حلها در سناریوهای مختلف ، اهمیت فزاینده ای پیدا می کند (لونن و همکاران ۲۰۰۷). بسیاری از روش های بهینه سازی برای مقابله با مشکلات تخصیص مکانی در کاربری اراضی استفاده شده است. این روش ها را می توان به دو دسته تقسیم کرد: مدل های برنامه ریزی ریاضی و روش های اکتشافی. مدل های برنامه نویسی ریاضی ، به عنوان مثال. مدل برنامه نویسی خطی (کمپبل و همکاران ۱۹۹۲ و آرتز و همکاران ۲۰۰۳) و مدل برنامه نویسی مخلوط عدد صحیح (کرون و همکاران ۱۹۹۸) ، نیاز دارند که کلیه متغیرها ، محدودیت ها ، اهداف دارای تعریف دقیق ریاضی باشند ، در حالی که تخصیص مکانی از زمین است. فرایند جغرافیایی پیچیده ای که شامل تعداد زیادی محدودیت ، روابط مکانی پیچیده و تصمیم گیری بازی توسط ذینفعان است ، تحقق شرایط مدل های برنامه ریزی ریاضی را دشوار می کند. روشهای اکتشافی به سختی محدودیتی در تدوین متغیرها ، محدودیت ها و اهداف دارند و آنها قادر به ارائه گزینه های جایگزین برای تصمیم گیرندگان با توجه به اهداف بهینه سازی هستند (لونن و همکاران ۲۰۰۷). در بسیاری از تحقیقات ، الگوریتم های اکتشافی مانند الگوریتم ژنتیکی (استوارت و همکاران ۲۰۰۴ و کائو و همکاران ۲۰۱۱) ، تبرید شبیه سازی شده (دوه ۲۰۰۸) ، بهینه سازی ذرات ذره (م عصومی و همکاران ۲۰۱۲) با استفاده از تکنیک های بهینه سازی چند هدفه ، می توانند سناریوهای برنامه ریزی کاربری اراضی متنوع را ایجاد کنند تا پشتیبانی از تصمیم گیری را ارائه دهند. بهینه سازی کلنی مورچه (ACO)، که نخستین بار توسط دوریگو و همکاران (۱۹۹۱) پیشنهاد شد، مسائل بهینه سازی نظیر مسائل مسیر یابی، مسائل تخصیص و مسائل فروشنده دوره گرد را با شبیه سازی رفتار مورچه‌ها در انتخاب بهترین مسیر از منبع غذا تا لانه ان ها حل می‌کند. لی زیا و همکاران (۲۰۰۹، ۲۰۱۰،۲۰۱۱، ۲۰۱۲)، بهینه سازی کلنی مورچه پیشرفته را وارد فرایند برنامه ریزی کاربری ارضی کرد که نتایج آن‌ها نشان می‌دهد ACO وقتی که برای حل این مسائل در نظر گرفته شد، اثر مثبتی داشت(بررسی الگوی اختصاص فضایی و مکانی).

ادامه مطلب

راهنمای خرید:
  • لینک دانلود فایل بلافاصله بعد از پرداخت وجه به نمایش در خواهد آمد.
  • همچنین لینک دانلود به ایمیل شما ارسال خواهد شد به همین دلیل ایمیل خود را به دقت وارد نمایید.
  • ممکن است ایمیل ارسالی به پوشه اسپم یا Bulk ایمیل شما ارسال شده باشد.
  • در صورتی که به هر دلیلی موفق به دانلود فایل مورد نظر نشدید با ما تماس بگیرید.

Title: A Land Use Spatial Allocation Model based on Ant Colony Optimization

Abstract

Land use spatial allocation is a space optimization to improve the land use efficiency by distributing different land use types under the limits of regional land use structure according to specific planning objectives in spatial and temporal scales(Zhang et al. 2012). It is very complex because it need to consider not only numerous spatial factors, attributes and constraints,but also multiple and often conflicting objectives(Chen et al. 2010 and Cao et al. 2011). Therefore providing an effective method for decision-makers to determine effects and costs of solutions in different scenarios becomes increasingly important(Loonen et al. 2007). Many optimizing methods have been used to deal with the land use spatial allocation problems. These methods can be classified into two categories: mathematical programming models and Heuristic methods. Mathematical programming models,e.g. linear programming model(Campbell et al. 1992 and Aerts et al. 2003) and mixed-integer programming model(Crohn et al. 1998), require that all variables, constraints, objectives have strict mathematical definition, while land use spatial allocation is a complicated geographic process which involves a large number of constraints, complex spatial relationships and game decision-making by stakeholders,making it difficult to meet the conditions of the mathematical programming models. Heuristic methods hardly have any restrictions regarding the formulation of the variables, constraints and objectives, and they are able to provide alternatives for decision-makers according to the optimization objectives(Loonen et al. 2007). In many researches,heuristic algorithms such as genetic algorithm(Stewart et al. 2004 and Cao et al. 2011), simulated annealing(Duh et al. 2007 and Sante-Riveira 2008), particle swarm optimization(Masoomi et al. 2012 and Liu et al. 2012) combining with multi-objective optimization techniques,can generate diversified land use planning scenarios to provide decision support.These researches provide a new approach to solve land use spatial allocation problems(Cao et al. 2011).

 

     

    دیدگاهتان را بنویسید