A Framework with Improved Spatial Optimization Algorithms to Support China’s “Multiple-plan Integration” Planning at the County Level
Notice bibliographique
Résumé
The “Multiple-plan integration” planning is proposed by the Chinese government to coordinate various planning projects in managing spatial development and protecting agricultural and ecological resources. It can be treated as a multi-objective land allocation (MOLA) problem that aims to optimize the land allocation pattern to maximize land suitability for agriculture, construction, and conservation while encouraging compact land allocation. However, there is a lack of applicable methodology or frameworks to support the “Multiple-plan integration” planning at the county level. This dissertation is intended to develop and test a framework to solve this “Multiple-plan integration” problem with improved spatial optimization algorithms. The criteria for land suitability evaluation in China’s county-level “Multiple-plan integration” were first reviewed and established. Then, the performance of three classical heuristic optimization algorithms including simulated annealing (SA), genetic algorithm (GA), and particle swarm optimization (PSO) was compared in solving a simplified MOLA problem. The comparison results show that classical NSGA-II in the GA family performs the best, but its computational cost is high in maintaining compact land allocation. Next, an improved knowledge-informed NSGA-II was developed by integrating patch-based, edge growing/decreasing, neighborhood, and constraint steering rules. The improved algorithm is more effective and efficient than classical NSGA-II in encouraging compact land allocation while its capability of maximizing land suitability is not sacrificed. Finally, a Multiple-plan Integration with Spatial Optimization (MPI-SOP) framework was proposed to support China’s “Multiple-plan integration” planning at the county level. This framework is composed of five steps: mathematically formulating the spatial optimization problem, land suitability evaluation, optimization problem solving, post-processing of land allocation solutions, and applying post-processed solutions to planning. The spatial optimization problem was solved by a patch-based and knowledge-informed NSGA-II. The case study in Dongxihu District of Wuhan City shows that the framework is feasible and effective in supporting the “Multiple-plan integration” decision making. This dissertation has made two major contributions. Practically, it has proposed and tested a framework to support China’s “Multiple-plan integration” planning with spatial optimization at the county level; methodologically, knowledge-informed heuristic optimization algorithms have been developed to solve the MOLA problem more effectively and efficiently.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».