Meta optimization of stand management with population-based methods
Meta optimization of stand management with population-based methods
复制标题
使用基于群体的方法对林分管理进行元优化
DOI：
10.1139/cjfr-2017-0404
复制
发表时间：
2018-03
影响因子：
2.2
通讯作者：
Li Fengri
中科院分区：
文献类型：
--
作者：
Jin Xingji;Pukkala Timo;Li Fengri
从森林获得的不同产品和服务的数量取决于多种管理决策，例如间伐年份、间伐强度、间伐类型和轮伐长度。管理行动与从森林获得的各种产出之间的关系很复杂。这使得展位管理优化具有挑战性，特别是在同时最大化输出的数量和优化变量的数量很高的情况下。 Hooke and Jeeves (HJ)的直接搜索方法在展位管理优化中得到了广泛的应用。近年来，基于群体的方法被提出作为 HJ 方法的替代方法。基于总体的方法的性能取决于其参数，例如迭代次数和总体大小（基于总体的方法中使用的解向量的数量）。本研究使用两级元优化来同时优化基于群体的方法的参数和林分的管理计划。分析了四种基于群体的方法：差分进化（DE）、粒子群优化（PS）、进化策略优化（ES）以及Nelder和Mead方法（NM）。通过最佳参数值，DE 和 PS 找到了最佳林分管理计划，其次是 ES 和 NM。 DE 和 PS 的表现优于 HJ。因此，DE和PS应更多地应用于森林管理，其搜索算法应进一步发展。
The amount of different products and services obtained from forests depends on several management decisions such as thinning years, thinning intensity, thinning type, and rotation length. The relationships between management actions and the various outputs obtained from forests are complicated. This makes stand management optimization challenging, especially if the number of simultaneously maximized outputs and the number of optimized variables are high. The direct search method of Hooke and Jeeves (HJ) has been used much in stand management optimization. In recent years, population-based methods have been proposed as an alternative to the HJ method. The performance of a population-based method depends on its parameters such as number iterations and population size (number of solution vectors used in the population-based method). This study used two-level meta optimization to simultaneously optimize the parameters of a population-based method and the management schedule of a stand. Four population-based methods were analysed: differential evolution (DE), particle swarm optimization (PS), evolution strategy optimization (ES), and the method of Nelder and Mead (NM). With optimal parameter values, DE and PS found the best stand management schedules, followed by ES and NM. DE and PS performed better than HJ. Therefore, DE and PS should be used more in forest management and their search algorithms should be further developed.
登录
查看更多内容
DOI：
10.1145/2598394.2605342
发表时间：
2014-07
期刊：
Proceedings of the Companion Publication of the 2014 Annual Conference on Genetic and Evolutionary Computation
影响因子：
--
作者：
A. Engelbrecht
通讯作者：
A. Engelbrecht
DOI：
10.1111/itor.12001
发表时间：
2015
期刊：
Int. Trans. Oper. Res.
影响因子：
--
作者：
K. Sörensen
通讯作者：
K. Sörensen
DOI：
10.1016/b978-0-12-409547-2.14581-0
发表时间：
2020
期刊：
Comprehensive Chemometrics
影响因子：
--
作者：
Federico Marini;Beata Walczak
通讯作者：
Federico Marini;Beata Walczak
DOI：
10.1016/0141-1195(85)90119-6
发表时间：
1984
期刊：
--
影响因子：
--
作者：
通讯作者：
--
DOI：
10.1201/9781003206477-5
发表时间：
2021-08
期刊：
Evolutionary Optimization Algorithms
影响因子：
--
作者：
A. Badar
通讯作者：
A. Badar