[发明专利]一种基于改进算法的森林空间结构动态多目标优化模型

权利要求书

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，所述更新最优位置，包括：

每个粒子的当前位置和每个粒子群中所有粒子的当前位置按非支配解规则将其分别存入粒子外部集和群外部集，并用群外部集中与粒子当前位置最接近的位置作为粒子最优位置和粒子群最优位置；

所有粒子的当前位置按照非支配规则存入全局粒子群外部集，然后从所有粒子的全局最优解外部集中随机选择一个粒子作为群体最优粒子，其所在位置为全局最优位置。

6.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，所述根据更新后的最优位置检测环境是否发生变化，包括：

计算新适应度值与原适应度值的欧氏距离差，并取平均值记为检测算子；

检测算子与设定的环境阈值比较：若检测算子大于环境阈值，则判定环境发生变化；否则，环境未发生变化。

7.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，所述改进算法在将粒子初始化之后还包括：

计算某个粒子群与其他粒子群之间的最小距离，若所述最小距离大于所述粒子群之间的距离上限，则生成新的粒子群。

8.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，所述更新粒子的速度和位置，计算新的适应度值之后还包括：

检测粒子是否越界，如粒子越界，则调整粒子位置，使其落入定义域界限内。

9.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，所述插入或删除粒子群包括：

若所述新的最小距离大于所述粒子群之间的距离上限，则生成新的粒子群，将所述新的粒子群将其粒子初始化并生成粒子外部集和群外部集；

若所述新的最小距离小于所述粒子群之间的距离下限，则删除原粒子群，将所述原粒子群的外部集按非支配原则合并到保留的粒子群中。