抄録/ポイント：
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
【目的】本論文は,森林の間伐における目標の制御の下で,空間分析と遺伝的アルゴリズムに基づく森林の間伐のためのインテリジェントな選択方法を探索し,小規模の作業計画のための決定的サポートを提供する。。)。・・・.の作業計画を作り出すために,それらの方法を提供することを目的とした。[方法]内モンゴルの赤峰市におけるカバノキ林の場を例として,空間的な質問または点バッファの分析に基づいて,空間分布の連続的な小班を初期の小班集合として選択した;.・・・・・・・・・.....................の基本的な属性の条件に従って,空間的な質問を分析した。最初に,ループ制御アルゴリズム(ACA)は,初期の半径とステップサイズを計算するために設計した。緊急度,難易度,および立地因子を用いて,目的関数条件を構築し,目標条件の値を用いて,目的関数条件を最小にし,目標条件値を最大にすることを目的とし,そして,タスク条件を制約条件として,数学モデルを確立した。改良型遺伝的アルゴリズム(IGSEGA)を用いて,初期の小班の集合を最適化することによって,タスク目標を満たす最小の集合を得ることができた。【結果】研究領域において,300mh2の上限,5%の上限値,および0.6%の遺伝子交差率,0.3の可変率,3の反復係数,および100の反復長さがあった。目的関数の各パラメータはタスク要求に従って設定し、ACAアルゴリズムで計算した初期半径は1407mで、しかも1回の半径の増幅だけで初期の小班集合を構築でき、普通の点緩衝域の分析は初期半径とステップの不確定性のため、分析効率はACAアルゴリズムより明らかに低かった。林場の中心部を中心として選択した場合には、40個の小班が得られ、選ばれた小班はいずれも基本条件に符合し、目標条件値に近い小班となり、また2つのテスト点で得られた結果は同様にアルゴリズムの知能と有効性を示した。IGSEGAアルゴリズムによって構築された初期個体の適応値は,最適解に近く,14~15回の反復法によって,タスク目標の小集合を解くことができ,そして,解の効率は,標準遺伝的アルゴリズム(SGA)より優れていた。[結論]本論文では,森林の間伐のためのインテリジェントな選択の概念を提案し,緊急度,難易度,および立地因子によって目的関数を構築し,同時に,小規模選択の数学モデルを構築し,IGSEGAアルゴリズムを用いて解いた。ACAアルゴリズムの最適化点バッファ分析を設計することにより,空間解析効率を改善し,貪欲戦略の遺伝的アルゴリズムに対する符号化方式と対応する遺伝的演算子を改善し,森林間の小規模インテリジェント選択の実現のための有効な方法を提供した。この方法はまた、造林、林分改造などその他の経営任務において、小班に対して知能選択を行うことができ、後続の森林経営活動に対して意思決定サポートを提供することができる。Data from Wanfang. Translated by JST【JST・京大機械翻訳】
