מבוא לאופטימיזציה רב-אובייקטיבית בתכנון סביבתי

תכנון סביבתי פועל בצומת של סדרי עדיפויות מתחרות: פיתוח כלכלי, הון חברתי ויושרה אקולוגית.כפי שלחצים אנושיים על מערכות טבעיות מעצימות, מתכננים צריכים לנווט יותר ויותר פערים מורכבים של סחר, שבו רווח בממד אחד לעתים קרובות מגיע עלות אחרת.אסטרטגיית יחיד-אובייקטיבית מתפתחת, אשר מחפשים פתרון טוב יחיד, מתאימים לדילמות אלה, כי הם מתעלמים מהסכסוכים הטבומים בין מטרות מתמטיות, לבין אופטימיזציה מעשית, מאשר פתרונות אופטימיזציה של משאבים מתמטיים, כגון, מאשר אופטימיזציה, אופנים, אופטיים, מאשר אופטימיזציה, אופנים, כגון, אופנים, אופנים, מאשר פתרונות פונקציונליים, מאשר אופטימיזציה של שימוש במגוון חומרים מתמטיים, מאשר אופטימיזציה של משאבים מתמטיים, אופטיים, אופטיים, מאשר אופטימיזציה של משאבים מתמטיים, או יותר, אופטיים, מאשר אופטימיזציה של פתרונות פונקציונליים, אופטיים, מאשר פתרונות פונקציונליים, כגון, כגון, מאשר אופטימיזציה של משאבים מתמטיים, אופטיים, מאשר אופטימיזציה של שימוש במגוון רחבים, אופטיים, מאשר אופטימיזציה של פתרונות אופטימיזציה של פתרונות אופטימיזציה של משאבים מתמטיים, אשר מחפשים פתרון פונקציונליים, אשר מחפשים פתרון פונקציונליים, אשר מחפשים פתרון פונקציונליים, מאשר אופטימיזציה של משאבים מתמטיים

מימון של Multi-objective Optimization

Defining the Problem: Conflicting

(ב) בעיה מוגדרת על ידי פונקציות אובייקטיביות מרובות שבדרך כלל נמצאות בקונפליקט.לדוגמה, למקסם את החזרה הכלכלית מהיער עלולות להתנגשות עם מקסימום שימור המגוון הביולוגי.כל מטרה היא פונקציה של משתנים החלטות (למשל, הקצאת אדמה, מגבלות פליטה, הגבלת פליטה, קביעת לוחות זמנים של איסוף מידע) המטרה אינה למצוא אופטימלי עולמי אחד - אשר לעתים רחוקות קיים - אך ורק כדי לזהות את כל הפתרונות של פתרון אחד: 0 לפתרונות טובים יותר:

החזית של פארטה: מפת ה- Trade-offs

החזית פארטו היא הרעיון המרכזי ב-MOO. זה מייצג את כל ההסכמים האפשריים שאינם יכולים להיות משופרים במטרה אחת מבלי להשפיל עוד מקבלי החלטות יכול אז לבחון את החזית הזו ולבחור פתרון המתאים ביותר לסדר העדיפויות שלהם, בין אם זה אומר להקריב כמה תפוקה כלכלית כדי להשיג נהר נקי יותר, או להיפך, כלים חזותיים, כגון קואורדינטאורדינטטורים ומזימה, עוזרות, כדי לתפוס את מטרות מסחר, למשל, כדי להשיג שיפור יעיל יותר, כדי להשיג שיפור איכות, או להיפך, או להיפך, או להיפך, באופן אינטואיטיבי, כדי לשפר את מטרות מסחר.

Algorithms ליצור את החזית Pareto

(הופנה מהדף שיטות העדפה של נקודת משקל או ε-constraint, אשר להמיר מטרות מרובות לבעיות חישוביות יחיד-אובייקטיביות.גישות אלה, עם זאת, 7, יכולות להחמיץ אזורים מקודמת חזיתית של הדור השלישי של ה-Preto-Digital (NUM) לאלגוריתמים מודרניים (PLT2-D) השולטים במיוחד על פני אלגוריתמים-FDR) אשר כוללים שימושים משמעותיים ב-D2.

דרישות מפתח דומיינים בתכנון סביבתי

קרקע שימוש בתכנון ושימור

תכנון השימוש בקרקע הוא אולי היישום הבוגר ביותר של MOO בניהול סביבתי.מתכננים חייבים לאזן את ההתרחבות העירונית, ייצור חקלאי, פיתוח תשתיות והגנה על המערכת האקולוגית.מודל MOO טיפוסי עשוי לכלול מטרות כגון מיקסום הערך הנוכחי הנקי של פיתוח קרקע, צמצום פערי בתי גידול, ומקסימום של פליטת פחמן דו-חמצני יכול לכלול קטגוריות, בניית נוסחאות, אזורי שיקום ושיקום A ציוני דרך ב קיבולת כפולה של 10 ק"מ"מ להפחתה כלכלית של 10.

מוֹ גם משלב עם מדדי נוף כמו FLT:0 יעיל בגודל של מַהְטְטְטַבְטְטַבְטְטַה (FLT:2fractal DimensionFLT) 3 כדי לכמת את הדפוסים המרחביים.על ידי טיפול באלה כמטרות, מתכננים יכולים להימנע מאפקט "הבדיקה" של חבילות שימור מפוזרות המציעות מעט תועלת אקולוגית.

ניהול משאבי מים

מקורות מים מציגים אתגרים רב-אובייקטיביים קלאסיים: הקצאת מים בין שימושים חקלאיים, תעשייתיים, עירוניים ואקוניים תוך שמירה על איכות המים ומיניזציה של מודלים בתחום זה בדרך כלל משלבת סימולציות הידרולוגיות, מודלים סטטיסטיים של זרימה, ושווי כלכלי.לדוגמה, ה-FLT:0.R.R.R.R.R.R.R.R.R.A.1 משתמשת במסגרות MSO כדי לייעל את שלושת היעדים: שיטפון, קיבולת סביבתית, , קיבולת נמוכה יותר מצריכת חשמל גולמית, וירידה של קירור של הנהר: 0.

ניהול מים קרקעיים גם יתרונות מ MOO. Contaminated aquifer remediation לעתים קרובות כרוך מטרות סותרות: צמצום עלות נקייה, למקסם את ההסרה ההמונית המסווגת, וצמצום ריכוז המזהמים הסופי. מחקרים השתמשו NSGA-II בשילוב עם עלייה מי קרקעית ומודל תחבורה (למשל, MODFW ו- MT3D) כדי לייצר טיפול תרופתי עד כמה שיותר מ- 40% מסוכנויות חד- 1 מכל-אורד-בייטבות כדי להשיג מערכת יחסים אגרסיביות.

אנרגיה מתחדשת

השינוי הגלובלי לאנרגיה מתחדשת דורש ישיבה זהירה של חוות רוח, מערך השמש, ומתקני כוח הידרו-כוח כדי לאזן ייצור אנרגיה עם השפעות אקולוגיות וחברתיות.MOO משמש כדי לייעל את בחירת האתר בהתבסס על קריטריונים מרובים: מיקסום של תשואות אנרגיה שנתיות, צמצום של ציפורים וסיכון התנגשות עטלף, צמצום ההשפעה החזותית, וצמצום של סכסוך שימוש בקרקע.

תכנון אנרגיה סולארית משלב לעתים קרובות תחרות שימוש הקרקע. באזורים עקשניים, חוות סולאריות בקנה מידה גדול עשוי להיות מוקרן על מערכות אקולוגיות במדבר שלם.מודלים MOO עוזרים לזהות אתרים המספקים בידוד גבוה תוך הימנעות מבתי גידול רגישים.לדוגמה, חוקרים במדבר Mojave השתמשו MOPSO עם מטרות של למקסם את ייצור החשמל הסולארי וצמצום מספר המדבר בסכנת הכחדה לדלקת, מה שמפריע למועמדים להגדרה של קבוצות קרקעיות.

בקרת זיהום וניהול איכות אוויר

הפחתה של זיהום אוויר ומים דורשת איזון של הפחתה של פליטות (או טיפול יעיל) כנגד עלויות.MOO מוחל לעתים קרובות על עיצוב אסטרטגיות בקרת זיהום, כגון בחירת טכנולוגיות בקרה זמינות הטובות ביותר עבור תחנות כוח או הקצאת פחתות העומס בין מקורות נקודה ולא נקודתיים.בעיה קלאסית היא FLT:0least-cost זיהום זיהום 1FLT:1 תחת איכות נתונה מים, מונים מרובים, אשר מתמוססים במקביל, כלומר, טיפול חמצן.

בניהול איכות האוויר, מחקר ב-FLT:0 ,Aאטמוספירה EnvironmentofLT ( 1:1) השתמש NSGA-II כדי לייעל את הפחתות הפליטה מערימות תעשייתיות, כלי רכב, ומקורות האזור בדלתת נהר פרל ריבר, עם מטרות של צמצום החשיפה של האוכלוסייה ל- PM2.5, צמצום עלות אמצעי בקרה, וצמצום אובדן התפוקה התעשייתית.

אינטגרציה עם מעורבות בעלי מניות

(התכנון הסביבתי הוא חלק מהותי של השתתפות באינטרסים שונים וסובלנות סיכון.מ.מ. יכול להשתלב בתהליכים של קבלת החלטות מובנה כגון FLT:0Multi-Criteria Decision Analysis (MCDA) LIFLT 1 או FLT:2Delative Multi-Atbute Advantagee Multi-Atbute Advantagee Advantagee Multi-FLT: לאחר העדפה של Preto, ניתן לחקור את הכלים ה-Fivation-Fivation: 7.

עם זאת, חזיתות פארוטו יכולות להציף לא- ⁇ s. Reducing החזית למספר פתרונות ייצוגיים - לדוגמה, באמצעות שיטות איסוף או נקודת התייחסות - יכול להפוך את התוצאות לפעולתן.לדוגמה, בתרגיל תכנון יער בפינלנד, חזית Pareto של 500 פתרונות הופחתה ל-6 תוכניות מועמד באמצעות קי-מונים על הערכים האובייקטיביים, שש תוכניות אלה הוצגו אז ליישבים מקומיים, כדי להחליף קונצנזוס מקומי, אשר פותחו על מנת לאפשרות, כולל אזורי שימור ציבוריים.

יתרונות של אופטימיזציה רב-אובייקטיביים לתכנון סביבתי

  • (FLT:0) פתרונות פתרונות פתרונות לפתרון פתרונות החלל (HoriveFLT:1 ), MOO מגלה את כל טווח של ניצחונות סחר אפשריים, לא רק אופטימלי אחד.זה עוזר להימנע מאי יעילות חבויה שבה הקרבה קטנה במטרה אחת מניבה רווחים גדולים באחר.
  • (FLT:0) שקיפות והגנתיות.E.veFLT:1) החזית של Pareto עושה את ההסכמים הטבועים במפורש, ומאפשרת למתכננים להצדיק החלטות בהתבסס על ראיות כמותיות ולא על אינטואיציה.
  • (FLT:0) ⁇ הדיאלוג של בעלי המניות.I.veFLT:1 ויזואליזציה של עסקאות מעניקה לבעלי עניין שפה משותפת לדון בעדיפות גבוהה.It משנה את המיקוד מעמדות יריבות ("אנחנו רוצים צמיחה מקסימלית") לבירור קונסטרוקטיבי ("מה אנחנו מוכנים לוותר כדי להשיג את הצמיחה הזו?"
  • (FLT:0) קיימות.FLT:103) על ידי התייחסות מפורשת ליעדים אקולוגיים וחברתיים לצד מטרות כלכליות, MOO מונעת את הנפילה המשותפת של רק מדד אחד, כגון תמ"ג, על חשבון בריאות סביבתית ארוכת טווח.
  • (FLT:0) שילוב של אי ודאות.FLT:1, אלגוריתמים רבים של MOO ניתן להרחיב כדי להתמודד עם מטרות סטוצ'סטיות או קריטריונים חזקים, לייצר חזיתות אשר הן מסוגלות לשנות את המשתנים באקלים, מחירים או אוכלוסייה.

אתגרים ומגבלות בפרקטיקה

מורכבות

מודלים סביבתיים אמיתיים בעולם יכולים להיות אינטנסיביים חישוביים, הדורשים שעות או ימים עבור סימולציה אחת. הפעלת אלגוריתם אבולוציוני עם מאות או אלפי הערכות תפקוד עשוי להיות אסרטיבי.המחקר מודלים, כגון FLT:0KrigingFLT:1 או FLT:2neuralרשתות FLT 3, יכול לבנות תשואות מהירות של המודל המקורי, אך הם כוללים אופטימיזציה חלקית של אופניים, אך ורק לאחרונה.

איכות נתונים וזמינות

תכנון סביבתי מבוסס על מקורות נתונים מגוונים (תמונות סלקטיות, נתונים של מפקד האוכלוסין, רשומות הידרולוגיות), לעתים קרובות עם פתרון מרחבי בלתי עקבי וזמני. נתונים חסרים או רועשים יכולים לגרום אלגוריתמים MOO לייצר חזיתות Pareto כי הם מטעה או לא שלם יותר, הפונקציה האובייקטיבית עצמם עשויים להיות מוגדרים בצורה גרועה אם מדדים אקולוגיים (למשל, שירותי מערכת אקולוגית) הם קשים כדי להמעיט או למדוד באופן ישיר ניתוח אמין.

המונחים: colo

(ב) כאשר החזית של פארטה מופקת, על יצרנית ההחלטות לבחור נקודה.אם החזית יש מטרות רבות (למשל, 5 או יותר), הדמיה והשוואה בין הבורסות הופכת למסה נפשית.אנשים נוטים להתמקד בכמה מטרות בכל פעם, עלולים להתעלם משיטות התלות החשובות (כמו FLT:0 Valuess) מדגמי נתיבי LT:1 ו-FII:2, אך ורק כדי להפחית את הממשק הטכני, אך הוא יכול לעזור להפחתה של האופטימיזציה של האופטימיזציה.

בעלי מניות Consensus and Institutional Barriers

גם כאשר MOO מספקת סט ברור של אפשרויות, השגת הסכמה בין בעלי עניין עם אינטרסים מנוגדים מבחינה דינמית (למשל, חברות כרייה לעומת קבוצות שימור) יכול להיות קשה מאוד.תהליך MOO עשוי לחשוף הבדלים בלתי ניתנים למדידה, הדורשים גישור או קבלת החלטות היררכיות. יתר על כן, סוכנויות תכנון סביבתיות רבות מורגלות לאנליזה או אופטימיזציה, ואימוץ, עשויים להשתנות באופן משמעותי.

מחקר: תכנון אגן הנהר המשולב בדלתא Mekong

כדי להמחיש את ההשפעה של העולם האמיתי של MOO, לשקול את האתגרים של ניהול מים טרנסנדארי של דלתא Mekong. The delta תומך 60 מיליון אנשים, מחצית ייצור האורז של וייטנאם, ואת המגוון הביולוגי משמעותי בעולם של תוכנית חייב להקצות מים בין כוח הידרו-חקלאות, חקלאות, דגים, רטובות, ורטיבות, מסובך על ידי סכרים של הזרם ושינויי אקלים.

החזית של פארטה חשפה סחר חזק בין יעילות מים ותפס דגים, אבל סינרגיה מפתיעה בין דגים לתפוס לאזור רטוב כאשר זרימתם נותרה בתוך דפוסים עונתיים טבעיים.על ידי הדמיה של מערכות יחסים אלה, בעלי עניין וייטנאמיים וקמבודיה הצליחו להסכים על משטר זרימה עונתי שהגביר את הדג ב-15% תוך צמצום התפוקה החקלאית רק ב-3%.

כיוונים עתידיים ומגמות מתפתחות

שילוב עם Machine Learning and Big Data

תכנון סביבתי הוא יותר ויותר עשיר נתונים, עם רגיש מרחוק, חיישני IoT, ואזרחי מדע מייצרים זרמים של תצפיות בזמן אמת. Machine Learning יכולים לסייע MOO בשתי דרכים: ראשית, על ידי בניית מודלים פונדקאים מהירים יותר של סימולציות מורכבות (כפי שצוין לעיל), ושנית, על ידי כריית נתונים היסטוריים כדי לזהות מטרות או מגבלות כי תוכניות לא יכלו להיחשב.

אופטימיזציה של הרבה-Objective (יותר מ-4 מטרות)

כבעיות סביבתיות דורשות התייחסות של 6, 10, או אפילו 20 מטרות (למשל, שירותי מערכת אקולוגית מרובים, מדדי הון, סף סיכון), אלגוריתמים מבוססי Pareto קלאסי הופכים יעילים פחות, כי כמעט כל פתרון הופך ללא שליטה. אלגוריתמים המבוססים על אלגוריתמים כגון FLT:0 NSGA-IIIFLT:1 ו-FLT:2MO /DRA3 (Mo-Mobjectiveal) כיוונים אלה מבוססים על ידי שיטות טיפול ביולוגיות על ידי פיזור פעיל על ידי אבולוציה (Mos)

שילוב עם מערכות מידע גיאוגרפיות (GIS)

(האופטימיזציה של סודיות היא התאמה טבעית ל-MOO, ופלטפורמות GIS מודרניות כגון:0ArcGIS ProFLT:1 ו-FLT:2GISuraFLT 3 עכשיו כוללים מודולים עבור הקצאת קרקע רב-אובייקטיבי (למשל, תכנון שימור מרקסני).

שילוב ואופטימיזציה משותפת

[הגבול הבא] הוא להטמיע את MOO ישירות לתהליכים השתתפותיים, כגון משפטנים אזרחיים או פלטפורמות דיון מקוון. כלים כמו FLT:0PolicyCompasscioFLT:1 ו-FLT:2 מים;2 מים;2 מים; pthcioFLT 3: לאפשר למשתתפים להתאים את הסורגים המייצגים את העדפותיהם ולראות את הפתרונות הנובעים מראשית בזמן אמת.

מסקנה

אופטימיזציה רב-אובייקטיבית התפתחה מסקרנות אקדמית לכלי מעשי להתמודדות עם האתגרים הסביבתיים הבלתי-צפויים ביותר, באמצעות מיפוי שיטתי של ההפוכיות בין מטרות כלכליות, חברתיות ואקולוגיות, MOO מעצימה את מקבלי ההחלטות לעשות במפורש, שקוף, ודה-הגנה על פתרונות סטנדרטיים בתחום השימוש בקרקע, ניהול מים, אנרגיה, וזיהום הוכיחו יתרונות ברורים יותר: תוצאות טובות יותר, ממותק, ומחייבות מתקדמות יותר, ככל הנראה, לממשקים של מערכת אבטחה יעילה יותר.

(ב) לקריאה נוספת, ראה את העבודה הבסיסית של דב ואל על NSGA-II (Figital:0IEEE עסקאות על השלמת אבולוציונית, 2002FLT:1), סקירה של MOO עבור מקורות מים על ידי ריד et al. (ראה:2 מקורות מים מחקר, 2013FLT 3), ויישומים לשימוש קרקע על ידי סטיוארט (FENMO) עבור תוכנת הפצה ו-MLT5 (IFLTFV).