مدل سازی تخصیص کاربری‌های شهری با استفاده از الگوریتم ژنتیک مرتب‌سازی نامغلوب نقطه مرجع

برنامه ریزی کاربری اراضی شهری جهت استفاده بهینه از فضای شهری و امکانات موجود، یکی از هسته های اصلی برنامه ریزی شهری می باشد که معمولا به صورت یک مسئله چندهدفه تعریف می شود. مابین تعداد بیشمار نقشه چیدمان های ممکن کاربری، برنامه ریزان شهری علاقه مند به انتخاب نقشه ای هستند که نزدیک به چیدمان بهینه کاربری از دیدگاه موردنظر باشد. الگوریتم های بهینه سازی چند هدفه نقطه مرجع این امکان را فراهم می سازند که مقادیر مطلوب برای اهداف مختلف به عنوان یک نقطه مرجع به الگوریتم معرفی گردد و مجموعه راه حل های بهینه نزدیک به نقاط مرجع، بدست آید. در این تحقیق نحوه به کارگیری الگوریتم ژنتیک مرتب سازی نامغلوب نقطه مرجع به منظور برنامه ریزی کاربری اراضی شهری و میزان کارآیی آن در این زمینه، مورد بررسی قرار گرفته و روشی برای کدگذاری کروموزوم ها در این راستا ارائه شده است. بیشینه سازی سازگاری کاربری های مجاور، تناسب فیزیکی زمین، دسترسی به راه ها و مراکز عمده اقتصادی و اجتماعی و کمینه سازی مقاومت در برابر تغییر کاربری به عنوان اهداف اصلی تعریف شدند. سپس مقادیر مطلوب توابع به عنوان نقطه مرجع وارد الگوریتم می شوند. برنامه ریزان قادر خواهند بود با توجه به اولویت های موردنظر، یکی از نقشه های پیشنهادی برای کاربری اراضی را انتخاب نماید. نتایج مدلسازی تخصیص کاربری اراضی برای شهر شیراز در سال 1390، نشان می دهد که در مدل ارائه شده، تصمیم گیرنده قادر خواهد بود تصمیم بهتر و قابل اطمینان تری، نسبت به زمانی که با یک راه حل مواجه است، اتخاذ نماید. این موضوع نشان دهنده توانایی مدل برای شبیه سازی سناریوهای مختلف برنامه ریزی کاربری است.

Modeling of Urban Land Use Allocation Using Reference-Point-Nondominated Sorting Genetic Algorithm II

Urban land use planning which is one of the main components of urban planning typically defined as a multiobjective planning problem in optimal use of urban space and existing facilities. Among numerous land use maps, urban planners are usually interested in choosing the map which is contiguous to the optimal land use map of an interested vision. Reference point multiobjective optimization algorithms provide possibility of introducing the optimal values for different objectives as a reference point and producing optimal solutions near to reference points. In this study, the implementation and efficiency of ReferencePointNondominated Sorting Genetic Algorithm II (RNSGA II) for urban landuse allocation is investigated and a method for chromosomes coding is proposed. Maximizing compatibility of adjacent land use, land suitability, accessibility to roads and main socioeconomic centers, and minimizing resistance of land use to change are defined as the main objectives. Then the optimal values of objectives were introduced to the algorithm as reference points. Consequently, planners will be able to select within proposed land use maps according to their priorities. The results of land use allocation modeling for Shiraz city in 2011 indicate that the decision maker is able to choose a better decision with more reliability comparing to situations with a single solution. This achievement indicates proposed model ability for simulation of different scenarios in land use planning