ارائه يك روش تركيبي براي بهينه سازي مكاني مقيد كاربري هاي شهري با هدف كاهش ناسازگاري بين آنها

A Hybrid Method for Constrained Optimization of the Spatial Arrangement of Urban Land Uses to Reduce the Inconsistency

توجّه به سازگاري بين كاربري هاي شهري، يكي از موارد مهم در بهينه سازي مكاني آنها بشمار مي آيد. رايجترين روش كاهش اثرات منفي كاربري هاي ناسازگار بر روي يكديگر، حفظ فاصله اي معين بين آنها مي باشد. لزوم بررسي حجم بالايي از اطلاعات در بهينه سازي مكاني كاربري ها و محدوديت هاي روش هاي دقيق از يك سو و وجود اهداف و معيارهاي متعدد در اين مسائل از سوي ديگر، توجّه محققان را به استفاده از روش هاي فرا ابتكاري چندهدفه در حل آنها معطوف ساخته است. در اين روش ها امكان مواجهه با انواع قيود نيز وجود دارد. در اين پژوهش، روشي تركيبي براي مواجهه با قيود فاصله در مسأله بهينه سازي مكاني چندين كاربري پيشنهاد شده است. براي اين منظور از نوعي الگوريتم ژنتيك چندهدفه براي بهينه سازي توابع هدف شامل بيشينه سازي تناسب سايت ها و بيشينه سازي سازگاري كاربري ها و از روش شبيه سازي تبريد براي ترميم پاسخ ها بمنظور رعايت قيود استفاده گرديده است. قيود مذكور براي حفظ حداقل فاصله مجاز بين انواع كاربري ها وارد مسأله بهينه سازي شده اند. نتايج تحقيق نشان مي دهد كه بكارگيري روش پيشنهادي با ترميم و بهبود پاسخ ها مي تواند تا حد زيادي در حفظ فاصله معين بين كاربري ها و در نتيجه كاهش ناسازگاري بين آنها در چيدمان هاي مختلف مؤثر باشد. در اين روش براي هر يك از پاسخ هاي غير مجاز، چندين جايگزين توليد مي شود كه مي توان از ميان آنها نزديكترين پاسخ مجاز به پاسخ اصلي با بهترين مقادير توابع هدف را انتخاب نمود.

Considering to the compatibility of the urban land uses is one of the important issues in optimization of their spatial arrangement. The most common way of mitigating the negative effects of conflicting land uses on each other is to maintain a certain distance between them. Due to the need to investigate a high amount of information for optimization of the different land uses arrangement and limitations of the precise methods, researchers have focused on the meta-heuristic methods (e.g. genetic algorithm) to solve such problems. Furthermore, because of the need to notice multiple objectives and criteria, multi-objective optimization methods have been considered. To ensure adequate separation distances between incompatible land uses, they can be entered as constraints to these types of optimization methods. In this research, a hybrid method is proposed to meet distance constraints in an optimization problem for locating multiple land uses. For this purpose, a multi-objective genetic algorithm was used to maximize the location suitability and compatibility of the land uses. Simulated Annealing (SA) method was applied to repair infeasible individuals and meet distance constraints in related solutions. SA is a probabilistic technique for approximating the global optimum of a given function. Simulated annealing starts with an initial solution. A neighboring solution is then selected. If the neighbor solution is better than the current solution, is considered as the current solution. Otherwise, the candidate solution, is accepted as the current solution based on the acceptance probability to escape local optima. In this study, the solutions are generated by the genetic algorithm. Each gene of the chromosome represents the location of a candidate site. After generating the population, the distance constraints are checked and infeasible solutions are determined. A solution to which all the distance constraints are met is the feasible solution, otherwise the solution is infeasible. Repairing the infeasible chromosomes were done as follows: • Identify the gene (s) which makes the chromosome infeasible