pareto多目标遗传算法在森林收获调整中的应用.pdfVIP

福 建 电 脑 2008年第7期 pareto多目标遗传算法在森林收获调整中的应用 陈 桢-，沈 群 ，黄石德 f1．福建农林大学计算机与信息学院 福建福州 350002 2．福建林业科学研究院 福建福州 350002) 【摘 要1：遗传算法由-t-~-内在并行机制及全局优化的特点适合解决目标规划问题。本文主要应用基于pareto多目标 遗传算法来解决森林收获调整中多目标规划问题．并以实例给予证明算法的可用性，为收获调整提供一种新的方法。 【关键词】：pareoto；遗传算法；森林收获调整； 1．引言 出了一种基于秩的适应值函数形式。设t世代目标矢量u对应 森林是一个复杂的生态系统．只有具备合理的系统结构，才 的可行解个体为 为t世代种群中优于个体 。的个体数，则 能最终实现森林资源多效益的永续利用。收获调整l是建立合 个体的秩为 理森林结构的途径 前人用的一系列方法都是利用线性规划进 rank(v,,f)=7．- 行求解单目标优化问题。在林业实际生产经营中，不可能单纯追 首先按照个体的秩大小对种群中个体进行由小到大排列， 求单一的目标．往往涉及到多层次多目标决策问题。 然后采用线性函数或指数函数依据最好(秩为0)个体适应值最 在本文中．将产量作为直接的决策变量，针对木材收获量、 大最差(秩为懈 ))个体适应值最小的原则进行内插来得到个 投资成本、木材净收益三个目标建立收获调整模型。显然，此问 体 的适应值 j，最后对秩相同的个体的适应值求均值，并 题是一个多目标的优化问题．存在着一系列非劣解集(即Pareto 以该均值作为这些个体的适应值以保证秩相同的个体具有相同 最优解集)。如果能够知道该问题的Pareto最优解集，不仅可以 的选择概率。按下式估算小生境半径 ： 极大地方便人们进行采伐面积的预测，而且可以对设计目标或 兀(△+ 一兀△ 设计变量之间关系进行研究。本文尝试采用多目标遗传算法来 N on -! 一 ·-l L 求解森林收获多目标优化2问题。遗传算法的内在并行机制及 a 其全局优化的特点在解决多目标优化问题时得到了充分的体 其中：△ M 一m ， i 2’ m ．=mm ， ( )，M，=m ．(x)N为当前 现。多目标遗传算法通过一次运行就能够求解出所有的Pareto 世代种群中最佳个体数。 最优解集．避免了权值选择的过程，大大方便了问题的求解。 个体 的适应值函数经共享后变为： 2、森林收获调整模型的建立 本着”持续发展和永续利用”的原则，为了避免资源危机以 ， vJ) 及经济危困局面的出现．选择木材收获量最大、投资成本最小、 木材净收益最大为主要为目标，建立模型。 max v=EEa ， (1) IlI J·■ 舯： |} d nun =∑【∑ ／(1+p 】 (2) d= m =∑【∑ j ／(1+p ， 、 其中：i为分期，j为采伐的龄级；新为第 i分期第j龄级的 3、种群初始化 采伐面积 为第i分期第i龄级单位面积出材量i，；为第i分期 种群初始化是遗传算法最为基本的步骤。为了保证种群的 第i龄级单位面积净收入；c 为第 i分期第 j龄级单位面积经营 可行性．首先选择一个满足所有约束条件的点