CN109934513B - 基于多智能体进化算法的不规则临港产业区布局系统及方法 - Google Patents

基于多智能体进化算法的不规则临港产业区布局系统及方法 Download PDF

Info

Publication number
CN109934513B
CN109934513B CN201910255612.8A CN201910255612A CN109934513B CN 109934513 B CN109934513 B CN 109934513B CN 201910255612 A CN201910255612 A CN 201910255612A CN 109934513 B CN109934513 B CN 109934513B
Authority
CN
China
Prior art keywords
grid
area
industry
block
port
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201910255612.8A
Other languages
English (en)
Other versions
CN109934513A (zh
Inventor
蒋柳鹏
彭广益
封学军
张艳
雷智鷁
许博
鲁轲
陆玉华
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hohai University HHU
Original Assignee
Hohai University HHU
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Hohai University HHU filed Critical Hohai University HHU
Priority to CN201910255612.8A priority Critical patent/CN109934513B/zh
Publication of CN109934513A publication Critical patent/CN109934513A/zh
Application granted granted Critical
Publication of CN109934513B publication Critical patent/CN109934513B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Compression Or Coding Systems Of Tv Signals (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种基于多智能体进化算法的不规则临港产业区布局系统及方法，系统具体包括：数据获取单元，用于获取待布局的临港产业区的地图数据；栅格化处理单元，用于将该临港产业区的区域进行栅格化处理；栅格分配单元，用于将临港各产业按其拟建面积、将既有建筑物按其实际面积分配相应数量的栅格；模型建立单元，将各栅格间关联度总和作为综合关联度，以整个临港产业区综合关联度最大为目标构建不规则临港产业布局模型；模型求解单元，用于对不规则临港产业布局模型进行多智能体进化算法求解，所得结果为该临港产业区临港产业布局方案。本发明的系统可以实现产业区布局方案的自动生成。

Description

基于多智能体进化算法的不规则临港产业区布局系统及方法
技术领域
本发明涉及数据处理技术，尤其涉及一种基于多智能体进化算法的不规则临港产业区布局系统及方法。
背景技术
现代港口正由原来单纯的货物转运站转变为集合各种功能于一体的综合体，且由于港口的地理位置和交通便利特性，聚集大量相关行业，产生以港口码头为中心，以港口城市和经济腹地为依托，以临港区域为载体，以金融和港航相关产业为支撑，发挥港航和综合运输优势，利用临港资源禀赋，参与产业分工和贸易交流的临港经济。
临港产业的建设有利于充分发挥港口的区位优势和竞争优势，并对所在地区的经济发展起到引领和带动作用，而临港产业受到自然资源、经济条件、生态环境、生态环境、社会协作、技术水平以及人力资本水平等因素的影响，其布局合理与否将直接影响该区域优势的发挥和经济的发展。
合理的临港产业布局规划，可以发挥临港产业的优势，推动区域经济发展。有利于充分发挥港口优势，推动港口城市的工业化和城市化进程，发挥产业集聚优势，加快技术创新，实现集约式增长。临港产业规划方法目前虽有较多方法，但主要集中在临港产业布局的定性规划，不能够定量规划。
发明内容
发明目的：本发明针对现有技术存在的问题，提供一种基于多智能体进化算法的不规则临港产业区布局系统及方法，可以实现定量规划。
技术方案：本发明所述的基于多智能体进化算法的不规则临港产业区布局系统具体包括：
数据获取单元，用于获取待布局的临港产业区的地图数据；
栅格化处理单元，用于将该临港产业区的区域进行栅格化处理；
栅格分配单元，用于将临港各产业按其拟建面积、将既有建筑物按其实际面积分配相应数量的栅格；
模型建立单元，将各栅格间关联度总和作为综合关联度，以整个临港产业区综合关联度最大为目标构建不规则临港产业布局模型；
模型求解单元，用于对不规则临港产业布局模型进行多智能体进化算法求解，所得结果为该临港产业区临港产业布局方案。
进一步的，所述栅格化处理单元对临港产业区的栅格化处理具体为：把临港产业区按其面积大小划分为若干个完全相同的正方形栅格，并将港区及产业区内已有建筑物按照各自面积大小划分为相应数量的正方形栅格，按照四舍五入的方法，即边缘区域面积不低于1/2栅格的则保留，否则不保留，将临港产业区域栅格化。
进一步的，所述临港产业拟建面积为临港产业区各临港产业规划建设的面积，且已确定各产业间及产业与港口间的关联度。
进一步的，所述模型建立单元中以整个临港产业区综合关联度最大为目标具体为：各产业之间、各产业与港口、各产业与现有建筑物的综合关联度最大，以此目标建立的不规则临港产业布局模型具体为：
Figure BDA0002013643860000021
式中，f为综合关联度，
Figure BDA0002013643860000022
为栅格aij与其所有相邻栅格之间关联度之和，aij为栅格地图中第i列第j行的栅格；栅格aij与其所有相邻栅格之间关联度为：
Figure BDA0002013643860000023
式(2)中，r(aij,ai'j')表示栅格aij与相邻栅格ai'j'之间的关联度，|i-i'|+|j-j'|＝1表示栅格aij与栅格ai'j'直接相邻，|i-i'|·|j-j'|＝1表示栅格aij与栅格ai'j'间接相邻；式(1)和(2)中的栅格aij属于第k个临港产业：aij∈Ak,k＝1,2,…,K，Ak表示第k个区块栅格集合；栅格aij与栅格ai'j'之间的关联度计算公式为：
Figure BDA0002013643860000024
式(4)中，
Figure BDA0002013643860000025
表示栅格aij属于第k个区块栅格集合Ak，
Figure BDA0002013643860000026
表示栅格aij所属的第k个区块与栅格ax'j'所属的第k'个区块之间的关联度，α表示对角相邻系数，保证对角关联弱于直接关联；
面积约束具体为各个区块栅格数之和等于规划区域总栅格数：
A＝A0∪A1∪A2∪…∪AK∪AK+1…∪AK+L∪AK+L+1 (5)
式(5)中，A为规划区域所有区块栅格集合，Ak表示第k个区块栅格集合，k＝0,1,2,…,K,K+1,…,K+L,K+L+1，其中：A0表示空白区块栅格集合，A1,A2,…,AK表示产业区块栅格集合，AK+1,AK+2,…,AK+L表示现有建筑区块栅格集合，AK+L+1表示港口区块栅格集合；
唯一性约束为每一栅格属于且仅属于一个区块：
Figure BDA0002013643860000031
Figure BDA0002013643860000032
式(6)中，I为规划区域栅格地图列数，i＝1,2,…,I，J为规划区域栅格地图行数，j＝1,2,…,J；
相对集中连续性约束为同一个产业区块中的栅格分布要相对集中，不能过度狭长：
Figure BDA0002013643860000033
式(8)中，ik、i'k为第k个区块栅格集合中任一栅格的列序号，jk、j'k为第k个区块栅格集合中任一栅格的行序号，β为形状控制系数，card(Ak)为第k个区块栅格集合Ak中的元素个数，即第k个区块所占栅格的数量。
进一步的，所述模型求解单元采用的多智能体进化算法为基于整数编码的排列优化的多智能体进化算法，将格栅编号进行整数排列从而确定最大目标值，算法包括竞争、淘汰和自学习三个主要操作。
本发明所述的基于多智能体进化算法的不规则临港产业区布局方法具体包括：
获取待布局的临港产业区的地图数据；
将该临港产业区的区域进行栅格化处理；
将临港各产业按其拟建面积、既有建筑物按其实际面积分配相应数量的栅格；
将各栅格间关联度总和作为综合关联度，以整个临港产业区综合关联度最大为目标构建不规则临港产业布局模型；
对不规则临港产业布局模型进行多智能体进化算法求解，所得结果为该临港产业区临港产业布局方案。
进一步的，所述对临港产业区的栅格化处理具体为：把临港产业区按其面积大小划分为若干个完全相同的正方形栅格，并将港区及产业区内已有建筑物按照各自面积大小划分为相应数量的正方形栅格，按照四舍五入的方法，即边缘区域面积不低于1/2栅格的则保留，否则不保留，将临港产业区域栅格化。
进一步的，所述临港产业拟建面积为临港产业区各临港产业规划建设的面积，且已确定各产业间及产业与港口间的关联度。
进一步的，所述以整个临港产业区综合关联度最大为目标具体为：各产业之间、各产业与港口、各产业与现有建筑物的综合关联度最大，以此目标建立的不规则临港产业布局模型具体为：
Figure BDA0002013643860000041
式中，f为综合关联度，
Figure BDA0002013643860000042
为栅格aij与其所有相邻栅格之间关联度之和，aij为栅格地图中第i列第j行的栅格；栅格aij与其所有相邻栅格之间关联度为：
Figure BDA0002013643860000043
式(2)中，r(aij,ai'j')表示栅格aij与相邻栅格ai'j'之间的关联度，|i-i'|+|j-j'|＝1表示栅格aij与栅格ai'j'直接相邻，|i-i'|·|j-j'|＝1表示栅格aij与栅格ai'j'间接相邻；式(1)和(2)中的栅格aij属于第k个临港产业：aij∈Ak,k＝1,2,…,K，Ak表示第k个区块栅格集合；栅格aij与栅格ai'j'之间的关联度计算公式为：
Figure BDA0002013643860000044
式(4)中，
Figure BDA0002013643860000045
表示栅格aij属于第k个区块栅格集合Ak，
Figure BDA0002013643860000046
表示栅格aij所属的第k个区块与栅格ai'j'所属的第k'个区块之间的关联度，α表示对角相邻系数，保证对角关联弱于直接关联；
面积约束具体为各个区块栅格数之和等于规划区域总栅格数：
A＝A0∪A1∪A2∪…∪AK∪AK+1…∪AK+L∪AK+L+1 (5)
式(5)中，A为规划区域所有区块栅格集合，Ak表示第k个区块栅格集合，k＝0,1,2,…,K,K+1,…,K+L,K+L+1，其中：A0表示空白区块栅格集合，A1,A2,…,AK表示产业区块栅格集合，AK+1,AK+2,…,AK+L表示现有建筑区块栅格集合，AK+L+1表示港口区块栅格集合；
唯一性约束为每一栅格属于且仅属于一个区块：
Figure BDA0002013643860000051
Figure BDA0002013643860000052
式(6)中，I为规划区域栅格地图列数，i＝1,2,…,I，J为规划区域栅格地图行数，j＝1,2,…,J；
相对集中连续性约束为同一个产业区块中的栅格分布要相对集中，不能过度狭长：
Figure BDA0002013643860000053
式(8)中，ik、i'k为第k个区块栅格集合中任一栅格的列序号，jk、j'k为第k个区块栅格集合中任一栅格的行序号，β为形状控制系数，card(Ak)为第k个区块栅格集合Ak中的元素个数，即第k个区块所占栅格的数量。
进一步的，所述多智能体进化算法为基于整数编码的排列优化的多智能体进化算法，将格栅编号进行整数排列从而确定最大目标值，算法包括竞争、淘汰和自学习三个主要操作。
有益效果：本发明与现有技术相比，其显著优点是：本发明基于多智能体进化算法的不规则临港产业区布局研究方法，是通过将不规则临港产业区进行栅格化处理，从而能够精细化表征各临港产业，建立了不规则临港产业区栅格模型，利用多智能体进化算法对模型进行求解，从而获得临港产业布局规划方案，为临港产业布局规划提供理论依据，也为资源合理、布局分布提供研究方法。本发明所述的系统可以实现根据地图数据自动化处理得到布局方案。
附图说明
图1为本发明提供的基于多智能体进化算法的不规则临港产业区布局系统的结构示意图；
图2为临港产业区栅格化示意图；
图3为多智能体进化算法流程示意图；
图4为滨海港临港产业总体规划图；
图5为滨海港临港产业区布局方案图。
具体实施方式
本实施例提供了一种基于多智能体进化算法的不规则临港产业区布局系统，如图1所示，具体包括：
数据获取单元，用于获取待布局的临港产业区的地图数据；
栅格化处理单元，用于将该临港产业区的区域进行栅格化处理；具体为：把临港产业区按其面积大小划分为若干个完全相同的正方形栅格，并将港区及产业区内已有建筑物按照各自面积大小划分为相应数量的正方形栅格，按照四舍五入的方法，即边缘区域面积不低于1/2栅格的则保留，否则不保留，将临港产业区域栅格化；栅格化后的图形如图2所示；
栅格分配单元，用于将临港各产业按其拟建面积、将既有建筑物按其实际面积分配相应数量的栅格；所述临港产业拟建面积为临港产业区各临港产业规划建设的面积，且已确定各产业间及产业与港口间的关联度；
模型建立单元，将各栅格间关联度总和作为综合关联度，以整个临港产业区综合关联度最大为目标构建不规则临港产业布局模型；
模型求解单元，用于对不规则临港产业布局模型进行多智能体进化算法求解，所得结果为该临港产业区临港产业布局方案。
其中，所述模型建立单元中以整个临港产业区综合关联度最大为目标具体为：各产业之间、各产业与港口、各产业与现有建筑物的综合关联度最大，以此目标建立的不规则临港产业布局模型具体为：
Figure BDA0002013643860000061
式中，f为综合关联度，
Figure BDA0002013643860000062
为栅格aij与其所有相邻栅格之间关联度之和，aij为栅格地图中第i列第j行的栅格；栅格aij与其所有相邻栅格之间关联度为：
Figure BDA0002013643860000071
式(2)中，r(aij,ai'j')表示栅格aij与相邻栅格ai'j'之间的关联度，|i-i'|+|j-j'|＝1表示栅格aij与栅格ai'j'直接相邻，|i-i'|·|j-j'|＝1表示栅格aij与栅格ai'j'间接相邻；式(1)和(2)中的栅格aij属于第k个临港产业：aij∈Ak,k＝1,2,…,K，Ak表示第k个区块栅格集合；栅格aij与栅格ai'j'之间的关联度计算公式为：
Figure BDA0002013643860000072
式(4)中，
Figure BDA0002013643860000073
表示栅格aij属于第k个区块栅格集合Ak，
Figure BDA0002013643860000074
表示栅格aij所属的第k个区块与栅格ai'j'所属的第k'个区块之间的关联度，α表示对角相邻系数，保证对角关联弱于直接关联；
面积约束具体为各个区块栅格数之和等于规划区域总栅格数：
A＝A0∪A1∪A2∪…∪AK∪AK+1…∪AK+L∪AK+L+1 (5)
式(5)中，A为规划区域所有区块栅格集合，Ak表示第k个区块栅格集合，k＝0,1,2,…,K,K+1,…,K+L,K+L+1，其中：A0表示空白区块栅格集合，A1,A2,…,AK表示产业区块栅格集合，AK+1,AK+2,…,AK+L表示现有建筑区块栅格集合，AK+L+1表示港口区块栅格集合；
唯一性约束为每一栅格属于且仅属于一个区块：
Figure BDA0002013643860000075
Figure BDA0002013643860000076
式(6)中，I为规划区域栅格地图列数，i＝1,2,…,I，J为规划区域栅格地图行数，j＝1,2,…,J；
相对集中连续性约束为同一个产业区块中的栅格分布要相对集中，不能过度狭长：
Figure BDA0002013643860000077
式(8)中，ik、i'k为第k个区块栅格集合中任一栅格的列序号，jk、j'k为第k个区块栅格集合中任一栅格的行序号，β为形状控制系数，card(Ak)为第k个区块栅格集合Ak中的元素个数，即第k个区块所占栅格的数量。
其中，所述模型求解单元采用的多智能体进化算法为基于整数编码的排列优化的多智能体进化算法，将格栅编号进行整数排列从而确定最大目标值，如图3所示，算法包括竞争、淘汰和自学习三个主要操作：
竞争：指网格中每一个智能体与其领域内的智能体竞争，将智能体网格看做一个球面，竞争域为与该智能体距离不超过1的8个智能体网格。
淘汰：根据多智能体竞争的结果，从竞争域中寻找能量最大的智能体，如果当前智能体不是竞争域中能量最大的智能体，则执行淘汰算子，即取竞争域中能量最大的智能体的随机位置的随机长度的编码，在当前智能体中删除相应的编码，再将截取的编码部分插入到该智能体的相应位置。如果当前智能体是竞争域中能量最大的智能体，不执行淘汰算子。
自学习：每一个智能体的竞争域中能量最大的智能体会获得自学习的机会，来试图提高能量。自学习分为两种学习模式，当智能体学习状态为1时，采取第一种学习模式，当智能体学习状态为2时，采取第二种学习模式，且只有第一种学习模式无法再提高智能体能量时，才会转入到第二种学习模式。
初始时所有的智能体学习状态置为1，第一种学习模式是通过遍历交换两位编码，一旦交换后智能体能量得到提升，则退出学习，如果全部编码遍历后不能提升能力，则将智能体的学习状态置为2，转入第二种学习模式。第二种学习模式的操作步骤为：(1)通过随机生成一个新的全排列N，设置标记flag＝1；(2)从智能体的N(flag)位置开始，取出一段随机长度的编码，置于随机位置，得到新的智能体；(3)如果能量得到提升，转为步骤(4)，否则将flag加1，继续执行步骤(2)；(4)将智能体的学习状态置为1，退出自学习。
本实施例还提供了一种基于多智能体进化算法的不规则临港产业区布局方法，具体包括：
获取待布局的临港产业区的地图数据；
将该临港产业区的区域进行栅格化处理；具体为：把临港产业区按其面积大小划分为若干个完全相同的正方形栅格，并将港区及产业区内已有建筑物按照各自面积大小划分为相应数量的正方形栅格，按照四舍五入的方法，即边缘区域面积不低于1/2栅格的则保留，否则不保留，将临港产业区域栅格化
将临港各产业按其拟建面积、既有建筑物按其实际面积分配相应数量的栅格；其中，所述临港产业拟建面积为临港产业区各临港产业规划建设的面积，且已确定各产业间及产业与港口间的关联度；
将各栅格间关联度总和作为综合关联度，以整个临港产业区综合关联度最大为目标构建不规则临港产业布局模型；
对不规则临港产业布局模型进行多智能体进化算法求解，所得结果为该临港产业区临港产业布局方案。
其中，所述以整个临港产业区综合关联度最大为目标具体为：各产业之间、各产业与港口、各产业与现有建筑物的综合关联度最大，以此目标建立的不规则临港产业布局模型具体为：
Figure BDA0002013643860000091
式中，f为综合关联度，
Figure BDA0002013643860000092
为栅格aij与其所有相邻栅格之间关联度之和，aij为栅格地图中第i列第j行的栅格；栅格aij与其所有相邻栅格之间关联度为：
Figure BDA0002013643860000093
式(2)中，r(aij,ai'j')表示栅格aij与相邻栅格ai'j'之间的关联度，|i-i'′|+|j-j'|＝1表示栅格aij与栅格ai'j'直接相邻，|i-i'|·|j-j'|＝1表示栅格aij与栅格ai'j'间接相邻；式(1)和(2)中的栅格aij属于第k个临港产业：aij∈Ak,k＝1,2,…,K，Ak表示第k个区块栅格集合；栅格aij与栅格ai'j'之间的关联度计算公式为：
Figure BDA0002013643860000094
式(4)中，
Figure BDA0002013643860000095
表示栅格aij属于第k个区块栅格集合Ak，
Figure BDA0002013643860000096
表示栅格aij所属的第k个区块与栅格ai'j'所属的第k'个区块之间的关联度，α表示对角相邻系数，保证对角关联弱于直接关联；
面积约束具体为各个区块栅格数之和等于规划区域总栅格数：
A＝A0∪A1∪A2∪…∪AK∪AK+1…∪AK+L∪AK+L+1 (5)
式(5)中，A为规划区域所有区块栅格集合，Ak表示第k个区块栅格集合，k＝0,1,2,…,K,K+1,…,K+L,K+L+1，其中：A0表示空白区块栅格集合，A1,A2,…,AK表示产业区块栅格集合，AK+1,AK+2,…,AK+L表示现有建筑区块栅格集合，AK+L+1表示港口区块栅格集合；
唯一性约束为每一栅格属于且仅属于一个区块：
Figure BDA0002013643860000101
Figure BDA0002013643860000102
式(6)中，I为规划区域栅格地图列数，i＝1,2,…,I，J为规划区域栅格地图行数，j＝1,2,…,J；
相对集中连续性约束为同一个产业区块中的栅格分布要相对集中，不能过度狭长：
Figure BDA0002013643860000103
式(8)中，ik、i'k为第k个区块栅格集合中任一栅格的列序号，jk、j'k为第k个区块栅格集合中任一栅格的行序号，β为形状控制系数，card(Ak)为第k个区块栅格集合Ak中的元素个数，即第k个区块所占栅格的数量。
其中，所述多智能体进化算法为基于整数编码的排列优化的多智能体进化算法，将格栅编号进行整数排列从而确定最大目标值，算法包括竞争、淘汰和自学习三个主要操作。
下面采用具体例子进行验证，所应用的产业区为盐城港滨海作业区，实施步骤如下：
一、栅格化处理
盐城港滨海作业区位于江苏省滨海县境内废黄河三角洲海岸，是江苏沿海建设10万吨～15万吨级码头条件最好、投资最省的深水良港，是江苏沿海唯一具备两亿吨级吞吐能力的优良港址，总面积为120km2，如图4所示，针对滨海临港产业区情况，将临港产业区划分为50格栅格。
二、主导产业栅格确定
根据相关规划，滨海作业区计划发展6种临港主导产业，其中I1为电力、热力的生产和供应业，规划用地29.3km2；I2为专用设备制造业，规划用地23.7km2；I3为化学原料和化学制品制造业，规划用地16.4km2；I4为汽车制造业，规划用地30.1km2；I5为有色金属冶炼和压延加工业，规划用地12.8km2；I6为废弃资源综合利用业规划用地7.7km2；其余为预留用地。南北向道路作为主干道X，东西向道路作为主干道Y。各主导产业之间关联度如表1。
表1
Figure BDA0002013643860000111
三、建立临港产业布局模型
以各栅格所代表的产业、港区等关联度之和最大作为模型总目标，把代表产业的每个栅格在临港产业区自由栅格中随机摆放得到一种布局方案，计算每个产业区栅格与其相邻栅格之间的关联度，最后将所有产业区栅格与其相邻栅格之间的关联度求和得到产业区布局关联度的总和，关联度总和越大则布局方案越优。通过相关规划确定各参数值，盐城港滨海作业区产业布局模型参数表如表2所示。
表2
Figure BDA0002013643860000112
四、临港产业区布局方案确定
通过MATLAB编写多智能进化算法，设置多智能体进化算法的智能体网格为20×20，以进化代数150代、200代和300代各运行10次，取关联度最大的三次布局方案如图5所示，3个方案的综合关联度分别为549、550.8和555，相差较小，说明本发明的稳定性和有效性。
以上所揭露的仅为本发明一种较佳实施例而已，不能以此来限定本发明之权利范围，因此依本发明权利要求所作的等同变化，仍属本发明所涵盖的范围。

Claims (8)

1.一种基于多智能体进化算法的不规则临港产业区布局系统，其特征在于具体包括：
数据获取单元，用于获取待布局的临港产业区的地图数据；
栅格化处理单元，用于将该临港产业区的区域进行栅格化处理；
栅格分配单元，用于将临港各产业按其拟建面积、将既有建筑物按其实际面积分配相应数量的栅格；
模型建立单元，用于将各栅格间关联度总和作为综合关联度，以整个临港产业区综合关联度最大为目标构建不规则临港产业布局模型；具体为：以各产业之间、各产业与港口、各产业与现有建筑物的综合关联度最大为目标建立不规则临港产业布局模型：
Figure FDA0002764795440000011
式中，f为综合关联度，
Figure FDA0002764795440000012
为栅格aij与其所有相邻栅格之间关联度之和，aij为栅格地图中第i列第j行的栅格；栅格aij与其所有相邻栅格之间关联度为：
Figure FDA0002764795440000013
式(2)中，r(aij,ai'j')表示栅格aij与相邻栅格ai'j'之间的关联度，|i-i'|+|j-j'|＝1表示栅格aij与栅格ai'j'直接相邻，|i-i'|·|j-j'|＝1表示栅格aij与栅格ai'j'间接相邻；式(1)和(2)中的栅格aij属于第k个临港产业：aij∈Ak,k＝1,2,…,K，Ak表示第k个区块栅格集合；栅格aij与栅格ai'j'之间的关联度计算公式为：
Figure FDA0002764795440000014
式(4)中，
Figure FDA0002764795440000015
表示栅格aij属于第k个区块栅格集合Ak，
Figure FDA0002764795440000016
表示栅格aij所属的第k个区块与栅格ai'j'所属的第k'个区块之间的关联度，α表示对角相邻系数，保证对角关联弱于直接关联；
面积约束具体为各个区块栅格数之和等于规划区域总栅格数：
A＝A0∪A1∪A2∪…∪AK∪AK+1…∪AK+L∪AK+L+1 (5)
式(5)中，A为规划区域所有区块栅格集合，Ak表示第k个区块栅格集合，k＝0,1,2,…,K,K+1,…,K+L,K+L+1，其中：A0表示空白区块栅格集合，A1,A2,…,AK表示产业区块栅格集合，AK+1,AK+2,…,AK+L表示现有建筑区块栅格集合，AK+L+1表示港口区块栅格集合；
唯一性约束为每一栅格属于且仅属于一个区块：
Figure FDA0002764795440000021
Figure FDA0002764795440000022
式(6)中，I为规划区域栅格地图列数，i＝1,2,…,I，J为规划区域栅格地图行数，j＝1,2,…,J；
相对集中连续性约束为同一个产业区块中的栅格分布要相对集中，不能过度狭长：
Figure FDA0002764795440000023
式(8)中，ik、i'k为第k个区块栅格集合中任一栅格的列序号，jk、j'k为第k个区块栅格集合中任一栅格的行序号，β为形状控制系数，card(Ak)为第k个区块栅格集合Ak中的元素个数，即第k个区块所占栅格的数量；
模型求解单元，用于对不规则临港产业布局模型进行多智能体进化算法求解，所得结果为该临港产业区临港产业布局方案。
2.根据权利要求1所述的基于多智能体进化算法的不规则临港产业区布局系统，其特征在于：所述栅格化处理单元对临港产业区的栅格化处理具体为：把临港产业区按其面积大小划分为若干个完全相同的正方形栅格，并将港区及产业区内已有建筑物按照各自面积大小划分为相应数量的正方形栅格，按照四舍五入的方法，即边缘区域面积不低于1/2栅格的则保留，否则不保留，将临港产业区域栅格化。
3.根据权利要求1所述的基于多智能体进化算法的不规则临港产业区布局系统，其特征在于：所述临港产业拟建面积为临港产业区各临港产业规划建设的面积，且已确定各产业间及产业与港口间的关联度。
4.根据权利要求1所述的基于多智能体进化算法的不规则临港产业区布局系统，其特征在于：所述模型求解单元采用的多智能体进化算法为基于整数编码的排列优化的多智能体进化算法，将格栅编号进行整数排列从而确定最大目标值，算法包括竞争、淘汰和自学习三个主要操作。
5.一种基于多智能体进化算法的不规则临港产业区布局方法，其特征在于具体包括：
获取待布局的临港产业区的地图数据；
将该临港产业区的区域进行栅格化处理；
将临港各产业按其拟建面积、既有建筑物按其实际面积分配相应数量的栅格；
将各栅格间关联度总和作为综合关联度，以整个临港产业区综合关联度最大为目标构建不规则临港产业布局模型；具体为：以各产业之间、各产业与港口、各产业与现有建筑物的综合关联度最大为目标建立不规则临港产业布局模型：
Figure FDA0002764795440000031
式中，f为综合关联度，
Figure FDA0002764795440000032
为栅格aij与其所有相邻栅格之间关联度之和，aij为栅格地图中第i列第j行的栅格；栅格aij与其所有相邻栅格之间关联度为：
Figure FDA0002764795440000033
式(2)中，r(aij,ai'j')表示栅格aij与相邻栅格ai'j'之间的关联度，|i-i'|+|j-j'|＝1表示栅格aij与栅格ai'j'直接相邻，|i-i'|·|j-j'|＝1表示栅格aij与栅格ai'j'间接相邻；式(1)和(2)中的栅格aij属于第k个临港产业：aij∈Ak,k＝1,2,…,K，Ak表示第k个区块栅格集合；栅格aij与栅格ai'j'之间的关联度计算公式为：
Figure FDA0002764795440000034
式(4)中，
Figure FDA0002764795440000035
表示栅格aij属于第k个区块栅格集合Ak，
Figure FDA0002764795440000036
表示栅格aij所属的第k个区块与栅格ai'j'所属的第k'个区块之间的关联度，α表示对角相邻系数，保证对角关联弱于直接关联；
面积约束具体为各个区块栅格数之和等于规划区域总栅格数：
A＝A0∪A1∪A2∪…∪AK∪AK+1…∪AK+L∪AK+L+1 (5)
式(5)中，A为规划区域所有区块栅格集合，Ak表示第k个区块栅格集合，k＝0,1,2,…,K,K+1,…,K+L,K+L+1，其中：A0表示空白区块栅格集合，A1,A2,…,AK表示产业区块栅格集合，AK+1,AK+2,…,AK+L表示现有建筑区块栅格集合，AK+L+1表示港口区块栅格集合；
唯一性约束为每一栅格属于且仅属于一个区块：
Figure FDA0002764795440000041
Figure FDA0002764795440000042
式(6)中，I为规划区域栅格地图列数，i＝1,2,…,I，J为规划区域栅格地图行数，j＝1,2,…,J；
相对集中连续性约束为同一个产业区块中的栅格分布要相对集中，不能过度狭长：
Figure FDA0002764795440000043
式(8)中，ik、i'k为第k个区块栅格集合中任一栅格的列序号，jk、j'k为第k个区块栅格集合中任一栅格的行序号，β为形状控制系数，card(Ak)为第k个区块栅格集合Ak中的元素个数，即第k个区块所占栅格的数量；
对不规则临港产业布局模型进行多智能体进化算法求解，所得结果为该临港产业区临港产业布局方案。
6.根据权利要求5所述的基于多智能体进化算法的不规则临港产业区布局方法，其特征在于：所述将该临港产业区的区域进行栅格化处理具体为：把临港产业区按其面积大小划分为若干个完全相同的正方形栅格，并将港区及产业区内已有建筑物按照各自面积大小划分为相应数量的正方形栅格，按照四舍五入的方法，即边缘区域面积不低于1/2栅格的则保留，否则不保留，将临港产业区域栅格化。
7.根据权利要求5所述的基于多智能体进化算法的不规则临港产业区布局方法，其特征在于：所述临港产业拟建面积为临港产业区各临港产业规划建设的面积，且已确定各产业间及产业与港口间的关联度。
8.根据权利要求5所述的基于多智能体进化算法的不规则临港产业区布局方法，其特征在于：所述多智能体进化算法为基于整数编码的排列优化的多智能体进化算法，将格栅编号进行整数排列从而确定最大目标值，算法包括竞争、淘汰和自学习三个主要操作。
CN201910255612.8A 2019-04-01 2019-04-01 基于多智能体进化算法的不规则临港产业区布局系统及方法 Active CN109934513B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910255612.8A CN109934513B (zh) 2019-04-01 2019-04-01 基于多智能体进化算法的不规则临港产业区布局系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910255612.8A CN109934513B (zh) 2019-04-01 2019-04-01 基于多智能体进化算法的不规则临港产业区布局系统及方法

Publications (2)

Publication Number Publication Date
CN109934513A CN109934513A (zh) 2019-06-25
CN109934513B true CN109934513B (zh) 2021-06-01

Family

ID=66988945

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910255612.8A Active CN109934513B (zh) 2019-04-01 2019-04-01 基于多智能体进化算法的不规则临港产业区布局系统及方法

Country Status (1)

Country Link
CN (1) CN109934513B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112163308A (zh) * 2020-10-13 2021-01-01 西安理工大学 一种适应性导视设计布局方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102223385A (zh) * 2010-04-14 2011-10-19 同济大学 一种基于多智能体的网格gis资源管理系统
CN103473465A (zh) * 2013-09-17 2013-12-25 武汉大学 基于多目标人工免疫系统的土地资源空间布局优化方法
CN106779172A (zh) * 2016-11-25 2017-05-31 河海大学 一种临港产业空间布局模型
EP3318936A1 (en) * 2016-11-08 2018-05-09 ABB S.p.A. A computer-implemented method for configuring electronic relays in an electric power distribution grid

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150142532A1 (en) * 2003-08-25 2015-05-21 Tom Reynolds Method and system to assess, diagnose, and optimize leadership and other performance skill development
US20100070380A1 (en) * 2006-11-29 2010-03-18 Korea Institute Of Science And Technology Electronic commerce system and recording medium for storing program of mobile terminals using personal area network

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102223385A (zh) * 2010-04-14 2011-10-19 同济大学 一种基于多智能体的网格gis资源管理系统
CN103473465A (zh) * 2013-09-17 2013-12-25 武汉大学 基于多目标人工免疫系统的土地资源空间布局优化方法
EP3318936A1 (en) * 2016-11-08 2018-05-09 ABB S.p.A. A computer-implemented method for configuring electronic relays in an electric power distribution grid
CN106779172A (zh) * 2016-11-25 2017-05-31 河海大学 一种临港产业空间布局模型

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
《临港产业空间布局模型》;封学军等;《河海大学学报》;20170930;第45卷(第5期);第419-424页 *

Also Published As

Publication number Publication date
CN109934513A (zh) 2019-06-25

Similar Documents

Publication Publication Date Title
Yang et al. Spatio-temporal characteristics of rural settlements and land use in the Bohai Rim of China
CN107330559A (zh) 一种多起终点多车型混载的定制公交线路规划方法
CN108932876B (zh) 一种引入黑区的a*和蚁群混合算法的快递无人机航迹规划方法
CN106780738A (zh) 基于输变电工程环境敏感区的路径站址优化方法
CN103177338B (zh) 一种面向城市分区规划的空间分区方法
CN109934513B (zh) 基于多智能体进化算法的不规则临港产业区布局系统及方法
CN105913134A (zh) 一种城市产业布局空间优化分析的soa技术方法
CN113011652A (zh) 一种电动汽车充电站选址优化方法及系统
Wang et al. Evaluating construction land use efficiency under carbon emission constraints: A comparative study of China and the USA
Wu et al. Study of haze emission efficiency based on new co‐opetition data envelopment analysis
Harjanti et al. Analysis of regional leading sector through location quotient approach, shift share analysis, and klassen typology (Case study: Sanggau Regency, West Kalimantan Province)
Liao et al. Carbon emission characteristics of resource-based cities in China
Tuan Yuen Belt and Road Initiative: A new impetus to strengthen China-Malaysia relations
CN104268640A (zh) 一种引航员指派方法
Tarigan et al. Renewable energy source selection for a green port with AHP
Zhou et al. Population mobility network and spatial accessibility based on peer-to-peer interactive energy management
CN102073925A (zh) 一种基于水质水量约束的工业企业空间增长模拟实现方法
Hu et al. 13. Evaluating Low-Carbon City Development in China: Study of five national pilot cities1
Zhang et al. Spatial-temporal evolution of carbon emissions and spatial-temporal heterogeneity of influencing factors in the Bohai Rim Region, China
CN111062577A (zh) 一种基于gis的变电站选址方法
Bao Multi-Objective Optimization Design System for Rural Style Reconstruction Based on Pareto Evolutionary Algorithm
Huang et al. Optimal Allocation Model of Water Resources in Tidal Flat Development of Coastal Areas
Lu Spatial Structure and Regional Development
Mao et al. Network Infrastructure Construction and River Pollution: Evidence from the Broadband China Strategy
Zhang et al. Hierarchical Layout Method of Coastal Buildings in Considering Climate Conditions

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant