Pareto蚁群算法与遥感技术耦合的水资源优化配置

为了尝试用Pareto蚁群算法(PACA)和遥感技术(RS)来求解复杂的水资源优化配置问题,建立了以经济、社会和生态环境综合效益最大为目标,以供水、需水、水质等为约束条件的基于像元的水资源优化配置模型.通过局部信息素强度限制、全局信息素动态更新、Pareto解集过滤器构建等策略,使蚂蚁向信息素浓度大的优化边界移动,以提高PACA的全局搜索能力和收敛速度.以中原地区某县为仿真对象,借助RS获取其土地利用类型,利用PACA在栅格地图上求解水资源优化配置模型,并得到水资源最优配置方案.最后PACA与遗传算法(GA)和BP神经网络算法(BP-ANN)进行了比较.结果表明,PACA能有效地求解大范围、多目标水资源优化配置模型,并提高了算法的全局搜索能力、收敛速度和计算结果的精度.