مقایسه دو رویکرد کلونی زنبور عسل و تخصیص چند هدفه زمین به منظور تخصیص بهینه کاربری اراضی (حوزه آبخیز سمنان)

ارزیابی و تخصیص چندهدفه کاربری اراضی، مسئله تصمیم گیری تخصیص منابع است که به ارزیابی مطلوبیت هر واحد سرزمین برای گزینه های مختلف کاربری اراضی می پردازد. هدف از این روش، دستیابی به تخصیص بهینه کاربری ها و به حداکثر رساندن میزان تناسب بین آن ها است. فشردگی و پیوستگی نیز از اهداف مهم در برنامه ریزی کاربری اراضی برای دستیابی به پایداری می باشد، در طی فرآیند بهینه یابی، مشکل است که بدون در نظر گرفتن چنین هدفی راه حل های منطقی استخراج شود. در این پژوهش با استفاده از الگوریتم کلونی زنبور عسل در نرم افزار متلب و در نظر گرفتن معیارهایی از جمله پیوستگی و مطلوبیت کاربری ها، نسبت به تخصیص بهینه کاربری اراضی پرداخته شد. این الگوریتم شامل استراتژی مقدار دهی شبه تصادفی بر اساس اطلاعات برای ایجاد جمعیت های اولیه و جستجوی محلی شبه تصادفی شامل کراس اور و جهش برای جستجوی همسایگی می باشد که هر دو به طور قابل توجهی کارایی و کیفیت جستجو در مناطق بزرگ را بهبود می دهد. به منظور بررسی کارایی، الگوریتم مورد استفاده با رویکرد mola در نرم افزار ایدریسی بر اساس میزان مطلوبیت هر کاربری و سنجه های سیمای سرزمین مقایسه گردید. نتایج نشان داد الگوریتم کلونی زنبور عسل در تخصیص کاربری اراضی ضمن ارائه نتایج مناسب برای معیار مطلوبیت، نتایج بسیار مناسب تری را از نظر پیوستگی و فشردگی لکه های کاربری اراضی ارائه داده است و می تواند به عنوان یک رویکرد مناسب در تخصیص بهینه کاربری اراضی به کار گرفته شود.

A Comparison of artificial bee colony algorithm (ABC) and Multi Objective Land Allocation (MOLA) for Land use optimal allocation (semnan watershed)

Introduction: As a serviceable tool for landuse management, the optimal allocation of landuse plays an important role in the full exploitation of landuse potential and maintenance of land -ecosystem balance. Landuse allocation is a spatial optimization problem that primarily involves the assignment of specific land activities to suitable land units through a spatial search to optimize land location and type. Evaluation and multiobjective allocation of Land use is a resource allocation decision that evaluates the Suitability of each land unit for different land use alternatives. The purpose of this method is to achieve optimal allocation of land use and maximize the suitability between them. Compaction and continuity are also important goals in land use planning for sustainability. During the optimization process, it is difficult to extract logical solutions without considering such a goal.Numerous methods have been employed to optimize land allocation. In the early stages, various mathematical methods, such as linear programming and integer programming, were commonly used. Recently, metaheuristic algorithms have received more attention from scholars, and these methods, which include artificial neural networks (ANNs), genetic algorithms (GA), simulated annealing (SA) and ant algorithms, can effectively solve complex spatial optimization problems. Scholars have also applied other metaheuristic algorithms, including ant colony algorithms, artificial immune systems and particle swarm optimization (PSO) algorithms, for landuse allocation.Artificial bee colony (ABC) algorithm, which simulates the foraging behavior of honey bees, was conceived by Karaboga (2005). The ABC algorithm has been found to be effective and capable of producing good results at a low computational cost in both continuous and discrete domains.Materials Methods: In this study, using artificial bee colony (ABC) in MATLAB software, considering the continuity and compaction criterion was defined in land use allocation. This algorithm, consists of a informationbased pseudorandom initialization method for initial solutions and pseudorandom search strategy consist of cross over and mutation for neighborhood searches.landuse allocation typically involves K types of land use in a study area that can be abstracted into twodimensional raster data with R rows and C columns. Each cell (i,j) in the raster data can be assigned only one landuse type according to certain constraints, which typically involve multiple decision criteria. Where the weights of criteria can be obtained using the analytic hierarchy process (AHP) method. In order to evaluate the efficiency of this algorithm was compared with MOLA approach in the Idrisi software in terms of suitability, and landscape metrics assigned to each user.Discussion of Results Conclusions: The new approach consists of a informationbased pseudorandom initialization method for initial solutions and pseudorandom search strategy for neighborhood searches; together, these methods substantially improve the search efficiency and quality when handling spatial data in large areas.The results showed that ABC in land use allocation, while presenting appropriate results for the amount of suitability for each land use, provided more suitable results in terms of Compaction and continuity of land use patches, and as an appropriate approach to allocate Optimal land use can be applied.