技術(shù)特征：

1.一種基于蟻群算法的土地整理項(xiàng)目選址方法，其特征在于，其步驟如下：

步驟一：對土地利用空間信息數(shù)據(jù)和自然社會(huì)經(jīng)濟(jì)屬性數(shù)據(jù)進(jìn)行整合，形成土地整理項(xiàng)目選址空間單元集合；

步驟二：以新增耕地潛力最大、土地整理適宜性最高和空間集中連片程度最大化為目標(biāo)分別建立新增耕地潛力最大目標(biāo)函數(shù)、土地整理適宜性最高目標(biāo)函數(shù)和空間集中連片目標(biāo)函數(shù)，并根據(jù)土地整理項(xiàng)目需要滿足的基本立項(xiàng)條件確定實(shí)施規(guī)模與新增耕地率為約束條件，分別構(gòu)建實(shí)施規(guī)模約束條件表達(dá)式和新增耕地率約束條件表達(dá)式，構(gòu)建土地整理項(xiàng)目選址多目標(biāo)優(yōu)化模型；

步驟三：基于蟻群算法構(gòu)建土地整理項(xiàng)目選址模型，以選址空間單元集合的數(shù)據(jù)為模型輸入，將土地利用圖斑作為基本空間優(yōu)化單元，以土地整理項(xiàng)目選址多目標(biāo)優(yōu)化模型為優(yōu)化目標(biāo)，建立求解問題與人工蟻群之間的映射關(guān)系，最終求解土地整理項(xiàng)目空間布局；

步驟四：利用種子擴(kuò)張思想和GIS空間分析技術(shù)來對得到的土地整理項(xiàng)目空間布局進(jìn)行調(diào)整優(yōu)化，利用行政區(qū)劃界限及天然障礙界限為項(xiàng)目邊界，最終生成土地整理項(xiàng)目選址方案圖。

2.根據(jù)權(quán)利要求1所述的基于蟻群算法的土地整理項(xiàng)目選址方法，其特征在于，所述空間信息數(shù)據(jù)包括第二次土地調(diào)查數(shù)據(jù)、坡度和DEM，自然社會(huì)經(jīng)濟(jì)數(shù)據(jù)包括土地整理適宜性評價(jià)結(jié)果、人口和GDP，通過坐標(biāo)投影轉(zhuǎn)換、配準(zhǔn)方法統(tǒng)一空間參考，整合不同來源和結(jié)構(gòu)的空間信息數(shù)據(jù)與自然社會(huì)經(jīng)濟(jì)數(shù)據(jù)。

3.根據(jù)權(quán)利要求1所述的基于蟻群算法的土地整理項(xiàng)目選址方法，其特征在于，所述新增耕地潛力最大目標(biāo)函數(shù)為：

f_EB(s)＝M_Z+RS+P-FS......(1)，

其中，f_EB(s)為新增耕地潛力，s代表土地整理項(xiàng)目選址方案，M_Z表示土地整理凈增的耕地面積，RS為孤立農(nóng)村居民點(diǎn)面積，P表示可整理坑塘面積，F(xiàn)S表示被退耕還林、還草的耕地面積，所有變量單位均為hm²；

所述土地整理適宜性最高目標(biāo)函數(shù)為：

$f_{ST}\left(s\right)=\frac{\underset{i=1}{\overset{I}{\Σ}}{u}_i\·{\mathrm{Suit}}_i\·{\mathrm{Area}}_i}{\underset{i=1}{\overset{I}{\Σ}}{u}_i\·{\mathrm{Area}}_i}......\left(2\right),$

其中：f_ST(s)為土地整理適宜度，u_i表示第i個(gè)土地利用圖斑Parcel_i是否被選中，如果選中則為1，否則為0；Suit_ii為土地利用單元i的整理適宜性指，Area_i表示第i個(gè)土地利用單元的面積，I表示參與決策土地利用單元的總個(gè)數(shù)；

所述空間集中連片目標(biāo)函數(shù)為：

$f_{AD}\left(s\right)=\underset{i=1}{\overset{I}{\Σ}}{u}_i\·b_i......\left(3\right),$

且

其中，f_AD(s)為項(xiàng)目區(qū)的鄰域同一性指數(shù)，用于表示項(xiàng)目區(qū)的集中連片程度，該值越大集中連片程度越高；C表示b_i鄰域單元的下標(biāo)集合；u_l表示集合內(nèi)的單元是否被選中，選中為1，否則為0；b_i表示選中單元的一階鄰接域內(nèi)被劃進(jìn)項(xiàng)目區(qū)的單元的數(shù)量；

所述實(shí)施規(guī)模約束條件表達(dá)式為：

$A_{low}\≤\underset{i=1}{\overset{I}{\Σ}}{v}_{ik}\·u_i\·{\mathrm{Area}}_i\≤A_{upper}......\left(4\right),$

式中：v_ik表示地塊Parcel_i是否被劃分進(jìn)片區(qū)C_k，若是則v_ik＝1，否則為0；Area_i代表地塊Parcel_i的面積，單位為hm²；A_low和A_upper分別代表片區(qū)C_k面積的上限和下限；

所述新增耕地率約束條件表達(dá)式為：

$R_k=\frac{Z_k}{X_k}......\left(5\right),$

其中，R_k表示新增耕地率，Z_k定表示項(xiàng)目的片區(qū)C_k的新增耕地潛力，且Z_k＝M_Z+RS+P-FS，X_k表示項(xiàng)目片區(qū)C_k的總面積，片區(qū)C_k若想達(dá)到基本立項(xiàng)條件則必須滿足R_k≥r，r為最小新增耕地率；

所以土地整理項(xiàng)目選址多目標(biāo)優(yōu)化模型可以表示：

$\left\{\begin{array}{c}\max F\left(s\right)=\left(f_{EB}\right(s),f_{ST}(s),f_{AD}(s\left)\right)\\ \begin{array}{cc}s.t.& \underset{i=1}{\overset{I}{\Σ}}{v}_{ik}\·u_i\·{\mathrm{Area}}_i-A_{upper}\≤0,\underset{i=1}{\overset{I}{\Σ}}{v}_{ik}\·u_i\·{\mathrm{Area}}_i-A_{low}\≥0,R_k-r\≥0\end{array}\end{array}\right..$

4.根據(jù)權(quán)利要求1所述的基于蟻群算法的土地整理項(xiàng)目選址方法，其特征在于，所述建立求解問題與人工蟻群之間的映射關(guān)系的方法如下：土地整理項(xiàng)目選址問題為以矢量圖斑X＝{x₁，x₂，...，x_n}為決策變量的多目標(biāo)空間優(yōu)化問題，蟻群算法用于求解土地整理項(xiàng)目選址問題時(shí)，每只螞蟻均代表一個(gè)土地整理項(xiàng)目選址候選方案；利用土地整理適宜度f_ST(s)構(gòu)建螞蟻啟發(fā)式函數(shù)；第m只螞蟻在時(shí)刻t留在路徑(i，j)上的信息素由土地整理項(xiàng)目選址綜合目標(biāo)函數(shù)計(jì)算得出。

5.根據(jù)權(quán)利要求4所述的基于蟻群算法的土地整理項(xiàng)目選址方法，其特征在于，所述求解土地整理項(xiàng)目空間布局的步驟為：

步驟1：設(shè)置包括蟻群規(guī)模N_ACO、信息素啟發(fā)式因子α、期望值啟發(fā)式因子β、信息素?fù)]發(fā)系數(shù)ρ、信息素強(qiáng)度Q和初始信息素τ₀的算法參數(shù)，令迭代計(jì)數(shù)器t＝0，最大迭代次數(shù)為T，初始化所有土地利用單元i的信息量τ_i(t)為一常數(shù)，且Δτ_ij(t)＝0；

步驟2：初始化螞蟻，將m個(gè)螞蟻隨機(jī)安置在m個(gè)空間單元上，每一個(gè)單元上只允許分布一只螞蟻，且相鄰的單元上不會(huì)同時(shí)存在螞蟻，初始化每一個(gè)螞蟻k的禁忌表TabuList_k，并將初始化的單元保存進(jìn)對應(yīng)的禁忌表中；

步驟3：隨機(jī)地將初始種群劃分為與子目標(biāo)數(shù)目一致的子種群，并根據(jù)每個(gè)子群優(yōu)化的目標(biāo)來更新每一只螞蟻已選擇的空間單元的目標(biāo)函數(shù)值；

步驟4：根據(jù)空間單元上的信息素濃度和土地整理適宜性指數(shù)來計(jì)算選擇概率；

步驟5：螞蟻k利用輪盤賭技術(shù)來確定下一步要訪問的空間單元，選擇之后，螞蟻k移動(dòng)至新的空間單元，并將該空間單元ID號存儲(chǔ)進(jìn)其對應(yīng)的禁忌表TabuList_k中；

步驟6：判斷螞蟻k是否已經(jīng)訪問完所有空間單元，若沒有則繼續(xù)執(zhí)行步驟4，直到所有螞蟻都遍歷完所有的空間單元；

步驟7：根據(jù)遷移規(guī)模m_r完成各子種群之間的相互遷移，并根據(jù)遷移替換率m_a用一部分遷移進(jìn)來的優(yōu)秀個(gè)體替換該子種群中較差的個(gè)體；

步驟8：合并子種群，并挑選優(yōu)秀的非支配解按照規(guī)則存入外部檔案中；

步驟9：判斷是否滿足模型終止條件，若滿足，則跳出蟻群算法優(yōu)化過程并輸出外部檔案中的非劣解集合；否則，根據(jù)信息素更新公式為每一個(gè)子種群更新空間單元上的信息素，并清空所有的禁忌表和方案存儲(chǔ)表，t＝t+1，并轉(zhuǎn)步驟3重新劃分子種群，繼續(xù)優(yōu)化操作。

6.根據(jù)權(quán)利要求1所述的基于蟻群算法的土地整理項(xiàng)目選址方法，其特征在于，所述生成土地整理項(xiàng)目選址方案圖的步驟為：1)以項(xiàng)目區(qū)邊界的土地單元為種子集合；2)逐步遍歷每一個(gè)種子圖斑，按照一階鄰近關(guān)系往四周生長，獲得鄰近多邊形集合；3)遍歷鄰近多邊形集合中的地塊，如果該地塊已被選進(jìn)項(xiàng)目區(qū)，則繼續(xù)下一地塊；4)否則根據(jù)地塊當(dāng)前的土地利用類型及其他規(guī)則信息判斷該地塊是否適合整理；5)如果判斷適合整理，則利用疊加分析，判斷當(dāng)前地塊與事先提取的線狀要素是否相交或鄰接，如果是，則該地塊也將被劃進(jìn)項(xiàng)目區(qū)。

7.根據(jù)權(quán)利要求1所述的基于蟻群算法的土地整理項(xiàng)目選址方法，其特征在于，所述根據(jù)空間單元上的信息素濃度和土地整理適宜性指數(shù)來計(jì)算選擇概率的方法為：土地利用單元i被螞蟻k在時(shí)刻t訪問的概率為：

$p_i^k\left(t\right)=\left\{\begin{array}{cc}\frac{{\[{\mathrm{\τ}}_i\left(t\right)\]}^{\mathrm{\α}}.{\[{\mathrm{\η}}_i\left(t\right)\]}^{\mathrm{\β}}}{{\mathrm{\Σ}}_{i\∈{\mathrm{allowed}}_k}{\[{\mathrm{\τ}}_i\left(t\right)\]}^{\mathrm{\α}}.{\[{\mathrm{\η}}_i\left(t\right)\]}^{\mathrm{\β}}},& ifi\∈{\mathrm{allowed}}_k,\\ 0,& else\end{array}\right.......\left(6\right),$

式中，α為信息啟發(fā)式因子，β為期望啟發(fā)式因子，allowed_k表示螞蟻下一步允許訪問的土地利用單元集合；η_i(t)為啟發(fā)式函數(shù)，蟻群算法土地整理項(xiàng)目選址模型中的啟發(fā)式函數(shù)為：

${\mathrm{\η}}_i\left(t\right)=\frac{{\mathrm{Suit}}_i}{{\mathrm{\Σ}}_S{\mathrm{Suit}}_s}......\left(7\right),$

式中，Suit_i為土地利用單元i的整理適宜性指數(shù)，分母表示待選單元的整理適宜性指數(shù)之和。

8.根據(jù)權(quán)利要求1所述的基于蟻群算法的土地整理項(xiàng)目選址方法，其特征在于，所述子種群更新空間單元上的信息素的方法為：第m只螞蟻在時(shí)刻t留在路徑(i，j)上的信息素表示為：

其中，Q表示信息素強(qiáng)度，F(xiàn)(S)為綜合新增耕地潛力目標(biāo)函數(shù)、土地整理適宜性目標(biāo)函數(shù)以及空間集中連片目標(biāo)函數(shù)的土地整理項(xiàng)目選址多目標(biāo)優(yōu)化函數(shù)。