دانلود رایگان ترجمه مقاله بهینه سازی مکانی کاربری ارضی مبنی بر الگوریتم PSO (نشریه تیلور و فرانسیس ۲۰۱۱) (ترجمه ارزان – نقره ای ⭐️⭐️)

taylorfrancis2

 

 

این مقاله انگلیسی ISI در نشریه تیلور و فرانسیس در ۹ صفحه در سال ۲۰۱۱ منتشر شده و ترجمه آن ۱۳ صفحه میباشد. کیفیت ترجمه این مقاله ارزان – نقره ای ⭐️⭐️ بوده و به صورت کامل ترجمه شده است.

 

دانلود رایگان مقاله انگلیسی + خرید ترجمه فارسی
عنوان فارسی مقاله:

بهینه سازی مکانی کاربری ارضی مبنی بر الگوریتم بهینه سازی ازدحام ذرات

عنوان انگلیسی مقاله:

Land-use spatial optimization based on PSO algorithm

 
 
 
 
 

 

مشخصات مقاله انگلیسی (PDF)
سال انتشار ۲۰۱۱
تعداد صفحات مقاله انگلیسی ۹ صفحه با فرمت pdf
رشته های مرتبط با این مقاله مهندسی عمران و جغرافیا
گرایش های مرتبط با این مقاله سیستم های اطلاعات جغرافیایی (GIS) و جغرافیا و برنامه ریزی شهری
چاپ شده در مجله (ژورنال) مجله علوم اطلاعات مکانی جغرافیایی – Journal Geo-spatial Information Science
کلمات کلیدی بهینه سازی ازدحام ذرات، تخصیص مکانی کاربری ارضی، عامل هوشمند، GIS
ارائه شده از دانشگاه دانشکده منابع و علوم زیست محیطی، دانشگاه ووهان، چین
رفرنس دارد  
کد محصول F1194
نشریه تیلور و فرانسیس – Taylor & Francis

 

مشخصات و وضعیت ترجمه فارسی این مقاله (Word)
وضعیت ترجمه انجام شده و آماده دانلود
تعداد صفحات ترجمه تایپ شده با فرمت ورد با قابلیت ویرایش  ۱۳ صفحه با فونت ۱۴ B Nazanin
ترجمه عناوین تصاویر  ترجمه شده است 
ترجمه متون داخل تصاویر ترجمه شده است  
درج تصاویر در فایل ترجمه درج شده است  
درج فرمولها و محاسبات در فایل ترجمه  به صورت عکس درج شده است  
منابع داخل متن درج نشده است 
کیفیت ترجمه کیفیت ترجمه این مقاله متوسط میباشد 

 

فهرست مطالب

چکیده
مقدمه
۱-PSO برای بهینه سازی مکانی
۱-۱ ایده های طراحی مدل
۱-۲ فناوری کلیدی درک مدل
۱-۲-۱ تابع برازندگی
۱-۲-۳ مکانیسم به روز رسانی موقعیت
۲-مطالعه موردی
۲-۱ منطقه مورد مطالعه
۲-۲ کاربرد مدل
۳-نتیجه گیری

 

 

بخشی از ترجمه
 چکیده
بهینه سازی ساختار مکانی کاربری ارضی یکی از مهم ترین زمینه های مدیریت کاربری ارضی می باشد: ایجاد یک مدل بهینه سازی مکانی که بر مبنای واحد مکانی میکرو(خرد) به حالت جزء به کل(پایین به بالا) می باشد نقش مهمی در تلفیق موثر و کارامد ساختار مکانی و ساختار کمی ایفا می کند. هدف این تحقیق، توسعه یک مدل بهینه سازی مکانی کاربری ارضی با استفاده از بهینه سازی ازدحام ذرات به منظور اتخاذ تصمیم مکانی در مدیریت کاربری ارضی است. این مدل با استفاده از مجموعه داده های واقعی برای شبیه سازی فرایند بهینه سازی ساختار مکانی به منظور دست یابی به بهترین الگوی چشم انداز تحت کنترل محیط های تصمیم گیری پیاده سازی می شود. نتایج شبیه سازی نشان داده است که مدل بهینه سازی ازدحام ذرات، توانایی استفاده از ساختار کمی و مکانی را دارا می باشد. به علاوه، نتایج نشان داده است که این مدل را می توان به منظور شبیه سازی الگوی چشم انداز در طراحی محیط بهینه سازی مناسب مورد استفاده قرار داد که می تواند یک هدف کمیت زمین(ارضی) موثر برای واحد های مکانی پایه بوده و ساختار مکانی مناسبی را برای تصمیم گیری در مورد آرایش فضایی و مکانی کاربری ارضی منطقه ای ارایه می کند.
 
۱- مقدمه
درک بهره برداری پایدار از منابع زمینی (ارضی) یک مسئله بسیار مهم در مدیریت منابع ارضی با توجه به فرایند توسعه صنعتی و شهری سریع که موجب تضعیف توسعه پایدار منابع کشاورزی به دلیل عدم توسعه کشاورزی و تخریب محیط اکولوژیکی گردیده است محسوب می شود. در عین حال، مطالعات بیشتری بر روی تخصیص بهینه سازی ساختار منابع ارضی نیز به عنوان یک زمینه تحقیقاتی مهم توسعه پایدار صورت گرفته است. بر طبق ویژگی های منابع ارضی و ارزیابی شایستگی آن و بر اساس فناوری و مدیری علمی خاص، بهینه سازی پیکر بندی منابع ارضی می تواند موجب شود تا منابع ارضی در یک منطقه تحت توزیع مکانی و آرایش منطقی تری قرار گیرد تا اهداف اقتصادی، اجتماعی و بوم شناسی خاص در راستای بهبود کارایی کاربری ارضی، حفظ تعادل نسبی اکوسیستم زمین و تحقق بهره برداری پایدار از منابع زمینی حاصل شود.
استفاده از این مدل برای بهینه سازی ساختار کاربری ارضی بسیار مهم است. تخصیص بهینه سازی منابع ارضی یک سیستم مهندسی پیشرفته و پیچیده است که به عنوان یک فرایند تصمیم گیری پیوسته چند سطحی و چند هدفه محسوب می شود: هم چنین مدل بهینه سازی پیکر بندی منابع ارضی پیوسته در حال توسعه و بهبود است. چندین مدل ایجاد شده است نظیر برنامه نویسی خطی، دینامیک سیستم تصمیم گیری بهینه سازی چند معیاره و چند هدفه، اکولوژی چشم انداز، رگرسیون لجستیک مکانی، الگوریتم ژنتیکی(GA) حالت ماشین های سلولی(CA).تخصیص بهینه سازی منابع ارضی نیز نقطه عطفی را در بهینه سازی ساختار کمیت ساده ایجاد کرده و به مطالعه ساختار مکانی و تلفیق آن ها پرداخته است. با این حال، شبیه سازی موثر آن به دلیل پیچیدگی و ویژگی های مکانی سیستم چشم انداز جغرافیایی بسیار سخت است به طوری که دست یابی به یک اثر ایده ال توسط برخی از مدل های ساده سخت است: از این روی روش های تخصیص بهینه سازی منابع ارضی نیز به سمت استفاده از علوم اطلاعات جغرافیایی و فناوری پردازش اطلاعات هوشمند از مدل ریاضی به منظور بهینه سازی ساختار فضای کاربری ارضی منطقه ای در مدل جز به کل در سطح فضای کوچکی از کاربری ارضی گرایش دارند. با این حال، شیوه تطبیق موثر هدف کاربری ارضی با واحد مکانی متناظر در مقیاس خرد، هنوز به عنوان یک مسئله فنی سخت باقی مانده است و مدل های مرسوم در پردازش مقدار یا تیمار فضا دارای محدودیت خاص می باشند. توسعه فناوری اطلاعات جغرافیایی هوشمند، پشتیبانی فنی مهمی را برای تصمیم گیری مکانی در فرایند بهینه سازی منابع ارضی در اختیار می گذارد. از این روی، ترکیب فناوری اطلاعات جغرافیایی هوشمند با مدل بهینه سازی ارضی و ایجاد مدل بهینه سازی ارضی هوشمند برای تحقق تخصیص منطقی منابع ارضی هم از نظر کمیت و هم از نظر فضا، به یک موضوع مهم برای این محققان تبدیل شده است و در عین حال موجب افزایش و توسعه تحقیقات علمی در مورد بهینه سازی کاربری ارضی می شود.
دو نوع رایج از مدل های بهینه سازی مکانی، یعنی ماشین های سلولی و الگوریتم ژنتیکی، نیز دارای محدودیت های خاص خود می باشند اگرچه آن ها به طور گسترده ای در حال حاضر مورد استفاده قرار می گیرند.اگرچه الگوریتم ژنتیکی می تواند بهینه سازی جهانی را با کد گذاری هر نقطه بر روی نقشه کاربری ارضی انجام دهد، کارایی مدیریت اطلاعات مکانی بعدی بالا نسبتا ناکافی است و این معایب مشهود تر می شود به خصوص زمانی که پای هزاران فضای تصمیم گیری کاربری ارضی در میان باشد. مزیت ماشین های سلولی در شبیه سازی زمان بندی تکامل مکانی می باشد با این حال، سلول به قواعد تبدیل و همسایه حساس است.در عین حال، مدل در توانایی بهینه سازی سینوپلاسیم بسیار ضعیف است و نتایج تکامل مکانی قادر به دست یابی به بهینه سازی جهانی نیست و از این روی مدل سلول جدید که تحت کنترل محدودیت های چند منظوره یا متاسل( سلول متا) بر اساس عامل قرار دارد، به یک جهت توسعه ای جدید تبدیل شده است.
از این روی یک مدلی که به طور موثر ساختار کمیت و ساختار مکانی را در مقیاس خرد از حیث کاربری ارضی از رویکرد جزء به کل ترکیب می کند،به یک دیدگاه تحقیقاتی تبدیل می شود و پردازش هوشمند اطلاعات مکانی، یک ابزار حل مسئله برای این الگوی بهینه سازی در اختیار می گذارد. بدون شک بهینه سازی ازدحام ذرات(PSO) نوعی الگوریتم تکاملی است که قادر به بهینه سازی تصمیم گیری با استفاده از مکانیسم تسهیم اطلاعات بین ذرات می باشد. در حال حاضر، برخی از محققان ازدحام ذرات را در زمینه های بهینه سازی فضا نظیر Du به کار گرفته اند و سایر محققان از تحقیقات تصمیم گیری بهینه مکانی با الگوریتم ازدحام ذرات استفاده کرده اند. این مقاله یک مدل بهینه سازی مکانی را بر اساس مطالعه مکانیسم الگوریتم ازدحام ذرات به منظور ترفیق هدف مقدار تخصیص بهینه سازی منابع ارضی و س ساختار مکانی به طور موثر ارایه می کند. یک توضیح دقیق در مورد ایده های طراحی و فناوری کلیدی در هنگام استفاده از این مدل ارایه شده است. یک منطقه کشور به عنوان منطقه مطالعه موردی برای آزمون قابلیت بهینه سازی این مدل از طریق آزمایشات انتخاب شد.

 

بخشی از مقاله انگلیسی

Abstract

The optimization of land-use spatio-structure is one of the most important areas of land use management; constructing a spatial optimization model that is based on the micro spatial unit in a bottom-up mode plays an important role in coupling the quantity structure and spatial structure effectively. The objective of this research is to develop a land use spatial optimization model based on particle swarm optimization to make spatial decision in land use management. The model is implemented using real datasets to emulate the process of spatial structure optimization in order to get the best landscape pattern under the control of decision environments. Simulation results revealed that the particle swarm optimization model has the ability to utilize the quantity and spatial structure. Furthermore, the result demonstrated that it can be used to stimulate the landscape pattern in designing the appropriate optimization environment, which could land quantity target to the basic spatial units effectively and provide appropriate spatio-structure for regional land use space layout decision making.

۱ Introduction

Realizing the sustainable utilization of land resources is a very important issue of land resources management with the accelerated process of industrialization and urbanization, which has weakened agricultural sustainable development of resources because of nonagriculturalization and ecological environment deterioration. Meanwhile, the land resource structure optimization allocation also gets further study as the important research content of sustainable development. According to the characteristics of land resource and its suitability assessment and based on certain scientific technology and management, the land resource configuration optimization can get land resources within the area more reasonable arrangement and spatial distribution to achieve a certain economic, social, and ecological targets to improve the efficiency of land use, maintain the relative equilibrium of land ecosystem, and realize the sustainable utilization of land resources.[1] It is very important to use this model to optimize the land use structure. Land resource optimization alloca-tion is a complicated engineering system, which is a multiple-target multilevel continuous decision-making process; land resource configuration optimization model is also in the constant development and improvement. It has formed a number of models, such as linear programming, multiobjective and multicriteria optimization decision system dynamics, landscape ecology, spatial logistic regression, genetic algorithm (GA), and cellular automata (CA) model.[2-5] Land resources optimization allocation also breaks the traditional simple quantity structure optimization, turning to study the spatial structure, and tend to coupling them. However, it appears very difficult to simulate effectively due to the complexity and the space characteristics of the geographical landscape system, where it is difficult to get the ideal effect by some simple model; thus, land resources optimization allocation methods are also steering to geographic information science and intelligent information processing technology from the simple mathematical model in order to optimize regional land use space structure in bottom-up model at microcosmic space level of land use. However, how to match the land use goal to the corresponding space unit effectively in micro level remains to be a difficult technical problem, and the conventional models in quantity processing or treatment of space have certain limitation. The development of intelligent geographic information technology provides important technical support for spatial decision making in land resources optimizing process.[6-14] Thus, combining the intelligent geographic information technology with land optimization model and constructing intelligent land optimization model to realize the reasonable allocation of land resources both in quantity and space has become a hotspot to these researchers concerned, and it also promotes the development of scientific research about the land use optimization. The two typical kinds of space optimization models, namely, cellular automata and genetic algorithm,[15-21] also have their limitations though they are widely used at present. Though genetic algorithm can make global optimization with the coding of each land use map spot, its efficiency of managing high dimensional space information is slightly inadequate, and this disadvantage reflects more obvious especially when thousands of land use decision space is concerned. Cellular automata have the advantage in spatial evolution timing simulation, but the cell is susceptible to neighborhood and conversion rules. Meanwhile, the model is very weak in the cytoplasm optimization ability, and the spatial evolution results may not achieve global optimization, so new cell model that is under the control of multiobjective constraints or meta cell based on agent has become a new development direction.[22-24] Therefore, a model that can effectively couple quantity structure and spatial structure in microlevel in terms of land use from bottom-up approach becomes a research focus, and the intelligent processing of spatial information provides the solving tool for this optimization pattern undoubtedly.[25,26] Particle swarm optimization (PSO) is a kind of evolutionary algorithm[27] that can optimize decision-making by using the information sharing mechanism between particles. At present, some scholars have taken particle swarm into space optimization fields, such as Du, and other researchers used the spatial optimal decision research with particle swarm algorithm.[28-30] This paper brings a land use spatial optimization model based on the study of mechanism of particle swarm algorithm in order to couple the land resources optimization allocation quantity target and spatial structure effectively.[31-34] A detailed explanation is given about the design ideas and key technology when using this model. A county area was selected as a case study area to test the optimizing ability of this model thru experiments.

 

 

 

دانلود رایگان مقاله انگلیسی + خرید ترجمه فارسی
عنوان فارسی مقاله:

بهینه سازی مکانی کاربری ارضی مبنی بر الگوریتم بهینه سازی ازدحام ذرات

عنوان انگلیسی مقاله:

Land-use spatial optimization based on PSO algorithm

 
 
 
 
 

 

 

ارسال دیدگاه

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *