【技术实现步骤摘要】
一种基于改进算法的森林空间结构动态多目标优化模型
本申请涉及动态多目标优化
，尤其涉及一种基于改进算法的森林空间结构动态多目标优化模型。
技术介绍
多目标优化问题，尤其是动态多目标优化问题一直以来都是科学和工程领域研究的重点难点之一。在众多智能算法中，粒子群算法因其具有概念简单、容易实现、收敛快速以及调整参数少等特点而被广泛地用来求解多目标优化问题。随着各类森林结构优化模型的建立，多目标优化技术在森林结构优化方面的应用越来越广泛。现有技术中通过将遗传算法与粒子群算法相结合得到混合算法，然后选取多种林分指标构建森林空间多目标优化模型，并针对实际林分对混合算法进行了适当改进，最后用改进的算法求解森林空间多目标优化模型，为林分经营者提供了一定的技术支持。到目前为止，多目标优化技术还只是集中在森林结构空间静态多目标优化方向的研究，缺少包含空间信息以及时间信息的森林结构动态多目标优化模型构建技术的研究。而实际的森林环境中，树木的成长经营受单木材积、竞争指数、大小比数、开阔比数、混交度、角尺度、空间密度指数、林层指数和健康指数等多种复杂的动态函数影响，仅通过空间静态多目...
【技术保护点】
1.一种基于改进算法的森林空间结构动态多目标优化模型，其特征在于，包括：对森林空间结构优化目标进行动态性分析，明确森林结构动态多目标优化的多个动态目标函数；根据所述动态目标函数构建森林空间结构动态多目标优化模型；利用改进算法对所述森林空间结构动态多目标优化模型进行求解。
【技术特征摘要】
1.一种基于改进算法的森林空间结构动态多目标优化模型，其特征在于，包括：对森林空间结构优化目标进行动态性分析，明确森林结构动态多目标优化的多个动态目标函数；根据所述动态目标函数构建森林空间结构动态多目标优化模型；利用改进算法对所述森林空间结构动态多目标优化模型进行求解。2.根据权利要求1所述的基于改进算法的森林空间结构动态多目标优化模型，其特征在于，所述多个动态目标函数包括：单木材积、竞争指数、大小比数、开阔比数、混交度、角尺度、空间密度指数、林层指数和健康指数。3.根据权利要求1所述的基于改进算法的森林空间结构动态多目标优化模型，其特征在于，所述改进算法包括：设置参数；粒子初始化，计算初始粒子的适应度值并将粒子均分为多个子群；将粒子外部集、粒子群外部集和全局最解优外部集初始化为空，迭代次数初始化为0；将非支配解存入外部集中，更新最优位置与迭代次数；根据更新后的最优位置，检测环境是否发生变化：如果环境发生变化，则更新新环境下的粒子的适应度值、粒子外部集、群外部集和全局最优解外部集；更新粒子的速度和位置，计算新的适应度值；计算各粒子群与其他子群的新的最小距离，插入或删除粒子群；检测迭代次数是否达到最大迭代次数；如果所述迭代次数达到了最大迭代次数，则输出最优解；如果所述迭代次数未达到最大迭代次数，则再次将非支配解存入外部集中，更新最优位置与迭代次数。4.根据权利要求3所述的基于改进算法的森林空间结构动态多目标优化模型，其特征在于，所述参数包括：环境阈值、最大迭代次数、粒子群之间的距离上限和粒子群之间的距离下限。5.根据权利要求3所述的基于改进算法的森林空间结构动态多目标优化模型，其特征在于，所述...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。