遗传算法在多目标土地利用规划中的应用

中国人口・资源与环境　２００６年　第１６卷　第５期　ＣＨＩＮＡ　ＰＯＰＵＬＡＴＩＯＮ。ＲＥＳＯＵＲＣＥＳ　ＡＮＤ　ＥＮＶＩＲＯＮＭＥＮＴ　Ｖｏ１．１６　Ｎｏ．５　２００６　遗传算法在多目标土地利用规划中的应用　于苏俊　张　继　（西南交通大学环境科学与工程学院．四川Ｉ成郇６１（ＮＯ３１）　摘要在建立和求解多目标土地利用规划模型过程中，采用遗传算法并结合多目标模糊优选理论处理多目标土地利用结构优化问　题。其详细步骤为：在分析区域特征基础上构建时间序列；通过现状分析设置土地利用类型决策变量、确定优化目标和约束条件．构　建土地利用结构多目标优化模型；用灰色ＧＭ（１，ｌ】预测模型对土地利用结构优化多目标模型参数进行预测；用遗传算法多目标优化　方法对土地利用结构优化模型求解得ｐａｒｅｔｏ解集；最后运用多目标模糊动态优选方法对规划期内各时间段的Ｄ　ｅｔｏ解集进行模糊动　态优选，以最大优属度判定原则确定出最优决策序列。自贡实例表明，该方法有助于解决多目标协调问题，通过遗传算法避免了人为　偏好权重的主观性，并通过提供多方案选择性，从而使规划更具灵活性，同时又便于充分吸纳公众参与，减少规划中的不确定性．增加　规划的科学性、现实性和可操作性。　关键词土地利用；多目标；遗传算法；模糊动态优选　Ｏ１．２３　文献标识码Ａ　文章编号１００２—２１０４（２ＯＯ６）０５—００６２—０５　中图分类号　住满足可持续土地利用规划的本质要求上ｌｌｊ，传统的　多目标求解方法尚存在一定的局限性：一是其通常在预先　给定目标优属度或部分给定各目标的权重的导向下　ｔ成　非劣解，再根据决策人的改进偏好进行重复计算，直至求　出满意解，最终提供的是在一定主观权重下的决策方案；　进制编码，所以在土地利用规划中将矢量ｘ＝（ｘ　，ｘ…．．，　ｘ　）用浮点数编码来满足（ＶＰ）昕有的约束条件的＿口『行解．　这里ｘ．，ｘ：…．’、ｌ　为决策变量：随机产生一组染色体Ｘｋ（ｋ　＝１，２，．．．ｐｏｐｓｉｚｅ；ｐｏｐｏｓｉｚｅ为种群规模）放入集合Ｅ　（２）选择父个体：采用轮盘赌选，将经过小生境技术　二是规划方案刚性有余，柔性不足，缺乏可调整性和弹性　为此，夺文提出基于遗传算法的可持续土地利用动态规划　方法，其是在以模糊动态优选方法对可持续土地利用规划　进行本质表述的基础上，融合遗传算法并行搜索全局寻优　特性，通过ｐａｒｅｔｏ非劣解为土地利用提供多个可供选择的　方案，籍以增加规划过程的客观性和灵活性，并增强规划　结果的弹性和可操作性　和基于排序的适应度分配机制转换后的个体适应度值累　加为累计百分率，然后随机产生一个［０，１］的数Ｐ，当将个　体Ｖ．的选择概率累加后累计百分率正好大于或等于Ｐ，则　Ｖ　作为一个父个体进入交配池，这样进行…ｐｓｉｚｅ次循环　后就选择出Ｊ，进行交配的全部父个体　（３）染色体杂交：对上面产尘的种群按交叉溉率　选　择“个体对”进行杂交　一般取Ｐ　从０．２５到１．Ｏ０之间　（４）染色体变异：为使群体保持多样忭，可按变异率　ｌ遗传算法原理　遗传算法具有内在并行性和整体寻优特点，强渊溉率　转换机制　。能为土地利用规划问题提供多个潜在非劣　Ｐ．　进行变异　（５）更新集合ｌ一：：①对双亲和　代的每１＼染色体计算　各个目标的值；０将新的非劣解加入Ｅ，从『ｆＩ１更新Ｅ并从　Ｅ删玄劣点；０确定集合　中新的特殊点ｚ　：（Ｚ１…，　ｎ，．．．，解供决策者选择，从而能较好适应土地利用规划的不确定　性特性，使呵持续土地利用规划过程具有客观性，规划方　ｚ　…　）　】Ｚ一＝（ｚｌ…“。，ｚ２　川，．．．，ｚ　）　案具有更大的弹性。其基本步骤为：　（１）构造染色体，产生初始种群：鉴于浮点编码更接　近于问题的本身，且在解的质量和算法效率方面均优Ｆ二　收稿日期：２００６—０４—１３　（６）评估：按甚于排序机制分别计算双亲和后代的每　个染色体的适应度值　（７）捡奁终ＪＥ条件：若运行次数已达预先确定的代数　作者简介：于苏俊，教授，研究方向为环境规划　四川省科学技术厅项目（编号０４ＺＲ０２５—０４８）　・　６２　・　维普资讯 http://www.cqvip.com

于苏俊等：遗传算法在多目标土地利用规划中的应用　则停止，否则转步骤２。运用该算法若干次后最终能得到　一个非劣解集，供决策者参考。　２应用技术路线　以遗传算法和多目标模糊动态优选为基础构建土地　利用多目标动态规划模型，其步骤为：①构建时间序列。　基于自然规律、经济规律和社会效果的综合考虑确定规划　期内时间段的划分。②设立土地利用结构优化模型。在　土地利用现状和土地利用系统分析的基础上，依据厘定的　优化目标构建。采用灰色ＧＭ（１，１）预测模型处理模型参　数，并结合与专家的反复意见交换，修正模型，最终获得每　一时间段的优化模型。③遗传算法求解。利用ＶＣ编写的　遗传算法多目标优化程序对各时间序列点的模型求解，得　出各个时间段所有的ｐａｒｅｔｏ非劣解，再经过吸取公众意　见，得出各个时间段的真实满意解。④模糊动态优选。通　过对所有真实满意解集中各方案进行优属度确定，从而获　得兼顾公平与效率、具有可操作性的全局最优决策序列。　３应用实例　３．１多目标规划模型　自贡市位于四川Ｉ盆地西南部，地处岷江和沱江中下　游。全市面积４　３７３ｋ￣，总人口３２０万，其中农业人口２３６　万。本次规划基准年为２００５年，在规划期限１５年内（２００５　年至２０２０年），分为三个时间段即２００５—２０１０年、２０１０—　２０１５年和２０１５—２０２０年。鉴于规划过程中受土地利用系　统存在的不确定性和技术水平的限制，静态单向的规划实　际上是行不通的。按照“绿图设计”思想＿３　Ｊ，规划只需为　使用者设计好满足宏观控制政策的“骨架”，内容由使用者　根据土地利用内外部条件的变化，不断加以充实和完善，　使规划成为一个持续成长和发展的过程。为此，在决策变　量的选择上采用符合国家用地规模和管制规则的粗线条　即可。共设置９个变量，包括耕地（　，）、园地（　）、林地　（　）、牧草地（　）、农村居民点（　５）、城镇用地（　６）、交通　用地（　）、水域面积（　８）、未利用地（　）。　土地利用结构优化模型的基本形式为：　目标函数：ｍａｘ（ｍｉｎ）ｆ（　）＝（ｆｌ（　），ｆ２（　）…．，ｆＬ（　））　约束条件：｛【　０　≥　　≤‘≥，＝　ｉ　ｉ　其中ｂ；≥０　式中　（　）＝Ｃｉ　，ｉ－１，２…．，ｋ；　为所求变量向量，Ｃ　为目标函数的系数矩阵，　＝（　，，　…．，　）　，Ｃ。＝（ｃ，，　Ｃ　…．，Ｃ　），ｎ为变量个数。　３．１．１　目标函数　（１）经济效益最大化：ＭａｘＦｌ＝∑Ｂ　，式中Ｂ　为第ｉ　种土地利用方式单位面积年内国内生产总值（元／ｈｍ２）。　（２）环境目标：①环境效益最大化（以水土流失量最　小表达）：ＭａｘＦ２＝∑乩　，式中乩　为第ｉ种土地利用方式　单位面积年水土流失量（ｋｇ／ｈｒｎ２）。②生态效益最大化（以　植被覆盖率最大化表达）：ＭａｘＦ　＝　，＋Ｘ３。　（３）社会效益目标：①农用地满足程度最大化：ＭａｘＦ　＝　，式中Ｐｒ为规划期农村农业人口。②农用　地满足程度最大化：ＭａｘＦ５＝　，式中Ｐ“为规划　期农村农业人口。　３．１．２约束务件　根据土地利用现状系统分析，从市场经济约束、土地　面积宏观计划约束、人口总量约束、资源约束、环境约束和　技术约束等８个方面共确定２０个约束条件。　（１）土地总面积约束：∑　ＴＬ，式中化为自贡市土　地总面积（ｈｍ２）。　（２）宜农土地总面积约束：　，ｓ　ＳＬＡ，式中ＳＬＡ为宜农　土地总面积（ｈｍ２）。　（３）无法利用土地面积：　。　ＵＬ，式中ＵＬ为无法利用　土地总面积（ｈｍ２）。　（４）宏观计划约束有：　①大农业土地约束：∑　＝ＡＬ，式中ＡＬ为国民经济计　划规定的最少农业土地利用面积（ｈｍ２）。　③耕地最小面积约束（基本农田保护）：ｘ，　ＴＢＦ，式中　ＴＢＦ为基本农田保护面积（ｈｍ２）。　④林地最小面积约束：　３　ＴＬｔ／ｔ　，式中ｔ为规划期　林地覆盖率，ｔ　为换算系数。　⑤城镇及工矿用地面积约束：　６ｓ　ＵＣＬ，式中ＵＣＬ为　宏观计划最大城镇用地面积（ｈｍ２）。　⑥交通用地面积约束：Ｘ７ｓＵＪＬ，，式中ＵＪＬ为宏观计　划最大用交通用地面积（ｈｍ２）。　⑦粮食产量约束：ｓｌ　ｌ＋５，一ＳＯ　Ｓ，式中ｓｌ为单位　面积耕地粮食产量，ｓＩ为粮食调进量，ｓＯ为粮食调出量，ｓ　为粮食需求量。　（５）市场经济约束（亦即现状约束）有：　①城镇及独立工矿用地现状面积约束：　６　ＣＬ，式中　为现状城镇及独立工矿用地面积（ｈｍ２）。　②交通用地现状面积约束：　ＪＬ，式中儿为现状交　通用地面积（ｈｍ２）。　③园地现状面积约束：　，　ＧＬ，，式中ＧＬ为现状园地　用地面积（ｈｒｎ２）。　（６）人口总量约束：Ｐｌ　＋Ｐ２　６ｓ　，式中Ｐｌ为农　・　６３　・　维普资讯 http://www.cqvip.com

中国人口・资源与环境２００６年第５期　用地平均人口预测密度（人／ｈｍ２），Ｐ２为非农用地票据人　利用方式的单位面积磷流失量（ｋ异／ｈｍ２），　为允许磷流　口预测密度（人／ｈｍ２），　为规划总人口（人／ｈｍ２）。　失总量（ｔ）。　（７）资源约束有：　９　④污水总量约束：∑（聊　）：　，式中　为第　Ｉ＝１　４　①农业利用劳动力资源约束：Ｌ。　∑　ｓ　Ｌ　，式中Ｌ。　种利用方式单位面积年污水量（ｋｇ／ｈｒｎ２），　为允许污　为第ｉ种农业用地单位面积劳动力数量，　为可供农业利　水排放总量（ｔ）。　用劳动力数量（人／ｈｍ２）。　由自贡市统计局、农业局、环保局、国土局、规划部门　ｑ　②农业利用劳动力资源约束：　２　∑　Ｌ　，式中　２　等有关统计数据和相关课题自贡市土地多宜性评价研究　为第ｉ种非农业用地单位面积劳动力数量，Ｌ　为可供非农　数据，采用自然增长率法、线性回归法和灰色ＧＭ（１，１）预　业利用劳动力数量（人／ｈｒｎ２）。　测模型＿４　Ｊ对人口增长、土地需求、投入产出系数和资源约　ｑ　束进行比较预测，再经与专家交换意见得出模型运行的初　③水资源约束：∑（ｂｉｘ　）＝　，式中ｂ　为第　种用地单　始参数。　位面积需水量，　为水资源总量（万ｍ３）。　３．２模型的遗传算法求解　（８）环境约束有：　利用ＶＣ编写的遗传算法多目标优化程序，结合以上　ｑ　①水土流失约束：∑（乩　）＝ＴＳＬ，式中乩ｉ为第ｉ种　模型参数对自贡土地利用结构优化模型求解，求解顺序按　利用方式的单位面积水土流失量（ｋｇ／ｈｍ２），ＴＳＬ为允许水　时间序列进行，即先对２０１０年进行优化求解，得出与设计　土流失总量（ｔ）。　种群数（５０个）相当的求解方案数，再结合专家意见从中选　９　择５个满意解；然后依次分别利用这５个ｐａｒｅｔｏ解作为土　②氮流失约束：∑（ＮＬ　）＝ＴＮＬ，式中舭　为第　种　地利用现状约束对２０１５年进行优化求解；依法炮制，用　利用方式的单位面积氮流失量（ｋｇ／ｈｒｎ２），ＴＮＬ为允许氮流　２０１５年解作为２０２０年的市场经济约束条件模型参数进行　失总量（ｔ）。　２０２０年土地利用规划，最终得各时间序列段解见表１、表　ｑ　③磷流失量约束：∑（ＰＬ　）＝　，式中　为第　种　２、表３。　表１　２０１０年土地利用结构优化方案表（ｈｍ　）　Ｔａｂ．１　ｒＩ１１ｅ　ｏｐｔｉｍｉｚｅｄ　ｓｃｈｅｍｅｓ　ｏｆ　ｌａｎｄ　ｕｓｅ　ｉｎ　２０１０（ｈｍ２）　・６４・　维普资讯 http://www.cqvip.com

于苏俊等：遗传算法在多目标土地利用规划中的应用　３。３模糊动态优选决策　观性，同时为决策人员提供了较多的备择方案，还为公众　在公众参与和专家评议的基础上，利用多目标模糊优　参与创造了条件，使规划过程更具有灵活性。　选动态规划理论，将各时间段的真实满意解集各自组成目　表４决策序列表　标特征值矩阵，然后经相对优属度转换得到各阶段相对优　Ｔａｂ。４　Ｕｌｔｉｍａｔｅ　ｓｃｈｅｍｅ　ｓｅｑｕｅｎｃｅ　ｂｙ　ｍａｘｉｍｕｍ　ｄｏｍｉｎａｎｃｅ　属度矩阵，采用偏好信息部分已知权重公式‘５　Ｊ计算出各阶　段各目标权重。计算目标权重后采用模糊优选模型计算　出各方案的相对优属度，据此进行全局优选，得五条最优　决策序列（见表４），再从中选取决策序列号①方案集作为　规划期内的决策方案（见表５）。　４结语　（１）规划期内时间片断的划分克服了传统静态模式过　（３）将上一时间阶段的土地利用结构优化结果作为下　分笼统的弊端，它是实现动态规划的基础。　一时间阶段的现状约束增加了规划过程的动态性和适时　（２）遗传算法得出的ｐａｒｅｔｏ解集避免了人为偏好的主　性。　・　６５　・　维普资讯 http://www.cqvip.com

中国人口・资源与环境２００６年第５期　（４）对规划期内各时间段的真实满意解解集进行多目　标模糊动态优选，再依据最大模糊优属度确定最佳方案序　列，可保证规划方案的优选性和科学性。　（编辑：田　红）　参考文献（Ｒｅｆｅｒｅｎｃｅｓ）　地科学，２００４，ｌ８（１）：２４～２７．［Ｚｈａｎｇ　Ｙｏｕａｎ，Ｚｈｅｎｇ　Ｗｅｉｙｕａｎ．　Ｓｔｕｄｙ　ｏｎ　ｔｈｅ　Ｒｉｇｉｄｉｔｙ　ａｎｄ　ｔｈｅ　Ｆｌｅｘｉｂｉｌｉｔｙ　ｏｆ　Ｇｅｎｅｒｌ　Ｌａｎｄ　Ｕｓｅ　Ｐｌａｎｎｉａｎｇ　［Ｊ］．ＬａｎｄＳｃｉｅｎｃｅ　ｏｆ　Ｃｈｉｎａ，２００４，ｌ８（１）：２４～２７．］　［４］郭怀臣，张振兴．流域土地可持续利用规划方法及应用研究　［Ｊ］．地理研究，２００５，２２（６）：６７１～６７８．［Ｇｕｏ　Ｈｕａｉｃｈｅｎ，Ｚｈａｎｇ　Ｚｈｅｎｘｉｎｇ．Ａｐｐｒｏａｃｈ　ａｎｄ　Ａｐｐｌｉｃａｔｉｏｎ　ｆｏｒ　Ｓｕｓｔａｉｎａｂｌｅ　Ｌａｎｄ　Ｕｓｅ　Ｐｌａｎｎｉｎｇ　［１］吴传均，郭焕成．中国土地利用［Ｍ］．北京：科学出版社，１９９４．　［ｗｕ　Ｃｈｕａｎｊｕｎ，Ｇｕｏ　Ｈｕａｎｃｈｅｎｇ．Ｌａｎｄ　Ｕｓｅ　ｉｎ　Ｃｈｉｎａ［Ｍ］．Ｂｅｉｊｉｎｇ：　Ｓｃｉｅｎｅｅ　Ｐｒｅｓｓ，１９９４．］　ｉｎ　Ｗａｔｅｒｓｈｅｄ［Ｊ］．Ｇｅｏｇｒａｐｈｙ　Ｒｅｓｅａｒｃｈ，２００５，２２（６）：６７１～　６７８．］　［５］李登峰．模糊多目标多人决策与对策［Ｍ］．北京：国防工业出版　社，１９８５．［Ｌｉ　Ｄｅｎｇｆｅｎｇ．Ｍｕｌｔｉ－Ｏｂｊｅｃｔｉｖｅ　Ｄｅｃｉｓｉｏｎ－ｍａｋｉｎｇ　ａｎｄ　Ｃｏｕｎｔｅｒｍｅａｓｕｒｅ　Ｂａｓｅｄ　ｏｎ　Ｆｕｚｚｙ　Ｄｙｎａｍｉｃ　Ｏｐｔｉｍｕｍ［Ｍ］．Ｂｅｉｊｉｎｇ：　Ｎａｔｉｏｎａｌ　Ｄｅｆｅｎｃｅ　Ｉｎｄｕｓｔｒｙ　Ｐｕｂｌｉｓｈｉｎｇ　Ｃｏｍｐａｎｙ，１９８５．］　［２］玄光男，程润伟．遗传法与工程优化设计［Ｍ］．北京：科学出版　社，２００４．［Ｘｕａｎ　Ｇｕａｎｇｎａｎ，Ｃｈｅｎｇ　Ｒｕｎｗｅｉ．Ｈｅｒｅｄｉｔｙ　Ｍｏｄｅｌ　ａｎｄ　Ｅｎｇｉｎｅｅｒｉｎｇ　Ｏｐｔｉｍｕｍ　Ｄｅｓｉｇｎ［Ｍ］．Ｂｅｉｊｌｎｇ：Ｓｃｉｅｎｃｅ　Ｐｒｅｓｓ，２００４．］　［３］张友安，郑伟元．土地利用总体规划的刚性与弹性［Ｊ］．中国土　Ｍｕｌｔｉ－ｏｂｊｅｃｔｉｖｅ　Ｐｒｏｇｒａｍｍｉｎｇ　Ｍｅｔｈｏｄ　ｆｏｒ　Ｌａｎｄ　Ｕｓｅ　Ｂａｓｅｄ　ｏｎ　Ｇｅｎｅｔｉｃ　Ａｌｇｏｒｉｔｈｍ　ＹＵ　Ｓｕ－ｊｕｎ　ＺＨＡＨＧ　Ｊｉ　（Ｃｏｌｌｅｇｅ　ｏｆ　Ｅｎｖｉｒｏｎｍｅｎｔ，Ｓｃｉｅｎｃｅ　ａｎｄ　Ｅｎｇｉｎｅｅｉｒｎｇ，Ｓｏｕｔｈｗｅｓｔ　Ｊｉａｏｔｏｎｇ　Ｕｎｉｖｅｒｓｉｔｙ，Ｃｈｅｎｇｄｕ　Ｓｉｅｈｕａｎ　６１００３１，Ｃｈｉｎａ）　Ａｂｓｔｒａｃｔ　Ａ　ｍｅｔｈｏｄ　ｏｆ　ｍｕｈｉ－ｏｂｊｅｃｔｉｖｅ　ｐｒｏｇｒａｍｍｉｎｇ　ｆｏｒ　ｌａｎｄ　ｕｓｅ　ｉｓ　ｓｕｇｇｅｓｔｅｄ　ｂａｓｅｄ　ｏｎ　ｇｅｎｅｔｉｃ　ａｌｇｏｒｉｔｈｍ　ｃｏｍｂｉｎｅｄ　ｗｉｈ　ｔｍｕｌｔｉ—ｏｂｊｅｃｔｉｖｅ　ｆｕｚｚｙ　ｏｐｔｉｍｉｚａｔｉｏｎ．Ｔｈｅ　ｌｏｇｉｃａｌ　ａｐｐｒｏａｃｈｅｓ　ｃｏｍｐｒｉｓｅ①ｂｕｉｌｄｉｎｇ　ｔｉｍｅ　ｓｅｒｉｅｓ　ｂａｓｅｄ　ｏｎ　ｃａｒｅｆｕｌｌｙ　ａｎａｌｙｚｉｎｇ　ｌａｎｄ　ｕｔｉｌｉａｔｚｉｏｎ　ｓｙｓｔｅｍ，②ｓｅｔｔｉｎｇ　ｕｐ　ｌａｎｄ　Ｕｓｅ　ｐａｔｔｅｒｎ　ｖａｒｉａｂｌｅｓ　ａｎｄ　ｄｅｔｅｒｍｉｎｉｎｇ　ｏｐｔｉｍｉｚｉｎｇ　ｇｏａｌ　ａｎｄ　ｔｈｅ　ｒｅｓｔｒｉｃｔｉｏｎ　ｃｏｎｄｉｔｉｏｎ　ｐｒｏｃｅｅｄｉｎｇ　ｆｒｏｍ　ｔｈｅ　ｐｒｅｓｅｎｔ　ｓｉｔｕａｔｉｏｎ，③ａｐｐｌｙｉｎｇ　ｇｒｅｙ　ＧＭ　（１，１）ｔｏ　ｐｒｅｄｉｃｔ　ｐａｒａｍｅｔｅｒｓ　ｎｅｅｄｅｄ　ｂｙ　ｔｈｅ　ｍｏｄｅｌ，④ｓｔｕｄｙｉｎｇ　ｏｂｔａｉｉｎｇ　ｐａｒｅｔｏ　ｎｏｎ—ｉｎｎｆｅｒｉｏｒ　ｄｅｓｅｇｒｅｇａｔｉｏｎｓ　ｂｙ　ｇｅｎｅｔｉｃ　ａｌｇｏｒｉｔｈｍ，ａｎｄ⑤　ｓｅｅｋｉｎｇ　ｏｐｔｉｍｕｍ　ｐｌａｎｎｉｎｇ　ｄｅｃｉｓｉｏｎ　ａｒｒａｙ　ｆｒｏｍ　ｐａｒｅｔｏ　ｄｉｓａｇｇｒｅｇａｔｅｓ　ｂｙ　ｍｅａｎｓ　ｏｆ　ｔｈｅ　ｐｒｉｎｃｉｐｌｅ　ｏｆ　ｍａｘｉｍｕｍ　ｄｏｍｉｎａｎｃｅ．Ａｎ　ｉｎｓｔａｎｃｅ　ｏｆ　ｌａｎｄ　ｕｓｅ　ｐｌａｎｎｉｎｇ　ｉｎ　Ｚｉｇｏｎｇ　ｒｅｉｏｇｎ　ｈｒｔｏｕｇｈ　ｔｉｍｅ　ｓｌｉｃｉｎｇ　２０１０．２０１５　ａｎｄ　ｅｘｔｅｎｄｉｎｇ　ｉｎｔｏ　２０２０　ｓｈｏｗｓ　ｔｈｅ　ｇｅｎｅｔｉｃ　ａｌｇｏｉｒｔｈｍ　ｉｎｔｅｇｒａｔｅｄ　ｉｎ　ｍｕｌｔｉ・ｏ￣ｅｃｔｉｖｅ　ｆｕｚｚｙ　ｏｐｔｉｍｕｍ　ｐｒｏｇｒａｍｍｉｎｇ　ｉｓ　ｃｏｎｄｕｃｉｖｅ　ｔｏ　ｓｏｌｖｉｎｇ　ｔｈｅ　ｍｕｌｔｉ・ｏｂｊｅｃｔｉｖｅ　ｃｏｏｒｄｉｎａｔｉｏｎ　ｂｙ　ｐｒｏｖｉｄｉｎｇ　ｍｏｒｅ　ｃｈｏｉｃｅ　ｓｃｈｅｍｅｓ　ｔｈａｔ　ｉｎ　ｔｈｅ　ｍｅａｎｔｉｍｅ　ａｌｓｏ　ｈｅｌｐ　ｍａｋｅ　ｍｏｒｅ　ｆｌｅｘｉｂｉｌｉｔｙ　ａｎｄ　ｅｘｐｅｄｉｅｎｃｅ　ｔｏ　ｐｕｂｌｉｃ　ｐａｒｔｉｃｉｐａｎｔｓ　ｉｎ　ｔｈｅ　ｐｒｏｃｅｓｓ　ｏｆ　ｐｌａｎｎｉｎｇ．Ａｌｌ　ｐｒｏｃｅｄｕｒｅｓ　ｍａｋｅ　ｔｈｅ　ｐｌａｎｎｉｎｇ　ｔａｋｅ　ｏｎ　ｔｈｅ　ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ　ｏｆ　ｓｃｉｅｎｔｉｆｉｃｉｔｙ，ｆｅａｓｉｂｉｌｉｔｙ　ａｎｄ　ｍａｎｅｕｖｅｒａｂｉｌｉｔｙ．　Ｋｅｙ　ｗｏｒｄｓ　ｍｕｌｔｉ・ｏｂｊｅｃｔｉｖｅ；ｌａｎｄ　ｕｓｅ；ｇｅｎｅｔｉｃ　ａｌｇｏｒｉｈｍ；ｆｔｕｚｚｙ　ｄｙｎａｍｉｃ　ｏｐｔｉｍｕｍ．　・６６　・