科研之友
微信
新浪微博
Facebook
分享链接
摘要
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算法的应用门槛。建议通过深入结合局部搜索的方式提升NSGA算法的收敛速度，同时建议在地理过程模拟中深入融合NSGA等多目标优化算法。
-
单位地表过程与资源生态国家重点实验室; 北京师范大学
