基于遗传算法的土地利用优化研究进展_文献计量分析_王昊煜.pdf

第 卷第 期 年 月生态学报 .:/.基金项目:第二次青藏高原综合考察研究()国家自然科学基金()国家自然科学基金()国家自然科学基金()收稿日期:网络出版日期:通讯作者 .:.:./王昊煜高培超宋长青程昌秀叶思菁.基于遗传算法的土地利用优化研究进展:文献计量分析.生态学报():.:.():.基于遗传算法的土地利用优化研究进展:文献计量分析王昊煜高培超宋长青程昌秀叶思菁 北京师范大学地表过程与资源生态国家重点实验室 北京 北京师范大学地理科学学部地理数据与应用分析中心 北京 国家青藏高原科学数据中心 北京 摘要:以 数据库中 年(截止 年 月 日)关于遗传算法与土地利用的 篇英文和 篇中文文献为数据源基于文献计量方法对每年中英文发文量、文献来源国家、中英文文献学科方向、中英文载文期刊进行分析探究基于遗传算法的土地利用优化的总体研究概况然后利用 软件对作者和研究机构合作网络、关键词共现网络和文献共被引网络进行可视化分析研究热点 研究发现 基于遗传算法的土地利用优化研究整体呈上升趋势中国(包括港澳台地区)、美国、伊朗是发文量前三国家研究属于环境、地理和规划的交叉领域 研究者间形成了 个较大规模的合作网络和众多中小规模的合作网络处于核心地位的研究机构来自发文量前十的国家 绿色基础设施是重要的研究对象多目标优化是主要的优化模型与其它技术如粒子群算法的结合和对比为重要的研究方向 风力能源规划、自然环境保护、海绵城市规划、生物多样性、交通规划、规划支持系统构建是重要的研究内容主要的研究方法包括带约束的多目标优化和空间优化模型关键词:遗传算法土地利用文献计量 :().().:.网络首发时间：2022-10-09 15:19:04网络首发地址：https:/ 在这一目标的引导下国土空间规划为美丽中国建设提供了空间保障是实现美丽中国的重要途径 国土空间规划是将主体功能区规划、土地利用规划、城乡规划等空间规划融合的新的规划体系 土地利用规划是对不同的土地利用类型进行数量设计并空间分配的过程它是国土空间规划的重要组成 优化土地利用有众多不同类型的方法如基于规划者主观的方法基于统计分析的方法基于数学规划的方法 其中基于数学规划的方法自 年 首次将线性规划引入土地利用优化问题后被越来越多地使用 但量化后的土地利用优化问题涉及巨大的数据量采用传统的数学规划方法求解困难 因此启发式算法逐渐被使用其中遗传算法的应用较为广泛遗传算法始于 世纪 年代它通过模仿自然界中生物进化过程来求解极值问题 遗传算法的一些特点如不受目标函数连续可微的限制陷入局部最优风险降低使其在求解复杂优化问题时展现出巨大优势它在许多领域都得到了广泛的应用并且成果已被总结和综述 而在土地利用优化领域虽然已经有学者在技术方法方面进行了综述但这些综述涉及的范围都比较大如对所有类型方法和模型的综述对所有优化技术的综述以及对各种元启发式算法的综述具体的关于基于遗传算法的成果的梳理总结还比较缺乏 在生态文明建设和智能算法快速发展的背景下科学、客观地对基于遗传算法的土地利用优化研究进展进行分析是非常必要的文献计量通过数学和统计学的方法定量地分析知识载体研究文献的数量关系、分布结构、变化规律并进而探讨科学技术的某些特征、规律 其计量对象主要是文献量、词汇数、作者数等 本文采用文献计量方法探究基于遗传算法的土地利用优化研究的主要特征和发展趋势并对未来研究的发展方向进行展望 研究方法与数据来源本文采用 统计工具对文献的总体研究概况进行分析同时利用 软件对文献的主要作者、研究机构、关键词以及文献共被引情况进行可视化及分析 是目前最为流行的知识图谱绘制工具之一它主要基于共引分析理论和寻径网络算法对特定领域文献进行计量 来探索学科结构及演化路径该软件在文献计量分析和可视化方面得到广泛应用 本文使用 .版本对数据进行处理并绘制图谱 通过合成一系列独立网络来制作图谱每个独立网络都是根据一定的时间间隔生 态 学 报 卷:/.(由用户设定)内出版的文献构建的这一时间间隔被称为时间切片本文的数据样本来源于 数据库中的 核心合集和中国科学引文数据库分别反映英文论文和中文论文中遗传算法土地利用优化的研究现状 以 (“”“”“”)为检索式进行检索文献类型选择“”(全部文档类型)时间跨度选择“所有年份()”其余均保留默认选项 对检索结果进行筛选剔除不相关的论文最终得到英文论文 条检索结果中文论文 条检索结果这些文献分布在 年(截至 年 月 日)计量结果分析.总体研究概况首先在 中对在 中检索到的中英文文献进行初步的分析 所有文献出版年份的分布如图 所示 从图 中可以看出基于遗传算法的土地利用优化研究英文文献的年发文数量整体呈上升趋势部分年份存在波动 根据每年发文数量的变化可以将基于遗传算法的土地利用优化研究分为三个阶段第一阶段为 年基于遗传算法的土地利用优化研究刚刚起步每年的发文量均在 篇以下 在这一时期计算机技术不够发达难以支撑大数据量问题的处理受技术条件的限制发展比较缓慢 第二阶段为 年由于计算机技术的快速发展计算能力大大提高这推动了优化算法在实际问题中的应用特别是土地利用优化这种复杂且数据量大的问题 在这一阶段年发文量相比之前有所提高增长趋势明显 第三阶段为 至今在这段时间出现了新一轮的人工智能热潮遗传算法作为典型的智能优化算法关注度得到进一步提高整体发展稳定在一个比较高的水平 此外国内外对于生态文明的保护和发展也进入了新阶段 年联合国提出 个可持续发展指标()年我国提出了高质量发展的新概念在这样的双重背景下基于遗传算法的土地利用优化研究得到了比较大的关注 中文文献于 年首次出现相关研究在上述三个时间阶段发文量基本持平没有特别大的波动 年是历年发文量的最高峰图 年文献出版年分布.英文文献的主要来源国家如图 所示 发文量最多的是中国(包括港澳台地区)总计发文 篇占总量的.其次是美国、伊朗、加拿大、德国、新加坡、荷兰、英国、希腊、瑞士等 这些国家都分布于北美、欧洲、东亚等经济比较发达的地区且他们本身的经济实力也都比较强英文论文的主要学科类别和主要载文期刊如图 和表 所示 从学科类别来看基于遗传算法的土地利用优化研究主要集中在环境科学、地理学和城市规划等 从发表的期刊来看排名较高的期刊有 期 王昊煜 等:基于遗传算法的土地利用优化研究进展:文献计量分析:/.图 发文量居前 位的国家.这些期刊也是以环境科学、地理学和城市规划为主 这说明目前基于遗传算法的土地利用优化研究属于环境科学和地理学、规划学的交叉领域中文论文的主要学科类别和主要载文期刊如图 和表 所示 从学科类别来看基于遗传算法的土地利用优化研究主要集中在农学 载文量最多的期刊农业工程学报也属于农学方向 这说明目前中文论文基于遗传算法的土地利用优化研究侧重农学.发文作者与研究机构分析利用 分别对中英文文献作者与研究机构进行共现分析 如果两个作者为一篇文献的共同作者则这两个作者具有共现关系研究机构的共现关系同理 首先分析作者共现关系 以一年为一个时间切片提取 年发文量最多的前 位作者构建基于遗传算法的土地利用优化研究作者合作网络(即用每年出现次数最多的前 位作者构建该时间切片的作者共现网络 然后合并各个网络(图)每个节点代表一个作者节点间的连线代表他们的共现关系连线颜色表明共现关系首次出现的时间冷色早于暖色如蓝色早于绿色绿色早于红色以此类推 从图 中来看作者间的合作网络整体分散、局部紧密以十人以内的中小型网络为主 仅有以 、为核心的合作网络以及以 .和 .为核心的合作网络规模较大合作人数多余十人外其余合作网络均规模较小 这说明目前基于遗传算法的土地利用优化研究通常基于中小型的合作研究展开大规模的合作交流较少图 载文量前 位的学科类别.表 载文量 篇(含)以上的期刊 期刊 载文量 生 态 学 报 卷:/.图 中文文献学科类别.表 载文量前 位的中文期刊 期刊载文量 农业工程学报地理与地理信息科学武汉大学学报信息科学版 对检索到的每个作者的发文量进行统计发文量多于 篇的作者及各自发文数量如表 所示 从表中可以看出基于遗传算法的土地利用优化研究作者呈现明显的头部效应 以 、为核心的合作网络不仅规模大且三位作者的发文量居所有作者的前三位在基于遗传算法的土地利用优化研究中处于领先地位 表 中所有作者的发文量总和占总发文量的 说明目前基于遗传算法的土地利用优化研究是靠几位核心作者带动的图 作者合作网络.期 王昊煜 等:基于遗传算法的土地利用优化研究进展:文献计量分析:/.表 发文量多于 篇的作者 作者单位发文量 作者单位发文量 香港中文大学.多伦多大学 香港中文大学 华东师范大学 华中农业大学.多伦多大学图 研究机构合作网络.在 中进一步分析研究机构间的合作情况 以一年为一个时间切片提取 年发文量最多的前 个研究机构得到基于遗传算法的土地利用优化研究机构合作网络图谱(图)每个节点为一个研究机构节点越大说明该机构发文量越多节点间的连线代表机构间的合作关系 从图 中可以看出研究机构间主要形成了三个合作集团 第一个集团是香港中文大学中国科学院武汉大学新加坡国立大学合作集团 这三个研究机构均位于东亚和东南亚组成亚洲合作网络 在这个网络中位于中国的三个研究机构武汉大学、香港中文大学、中国科学院发文量最大处于核心地位 第二个集团是以德黑兰大学为核心的中东合作集团规模较亚洲合作集团较小 第三个合作集团是以多伦多大学为核心的北美研究集团是三大集团中规模最小的 这三个集团内部合作紧密集团之间也有一些合作 除了这三个大规模的集团外还有一些由五个左右的研究机构组成的小型合作网络 通过上述分析可以发现三大合作集团的主要成员均来自发文量前 名的国家这也进一步表明了东亚、中东和北美在基于遗传算法的土地利用优化研究领域的重要地位.关键词分析利用 对文献的关键词进行共现分析如果两个词语是同一篇文献的关键词则这两个关键词有共现关系 以一年为一个时间切片提取 年出现频次在前 位的关键词裁剪方法选择最小生成树法生成基于遗传算法的土地利用优化关键词共现图谱(图)每个节点为一个关键词连线代表关键词间的共现关系连线颜色表明共现关系首次出现的时间冷色早于暖色如蓝色早于绿色绿色早于红色以此类推 从图谱中可以看到检索词“”、“”、“”中最大的节点是“”这说明基于遗传算法的土地利用优化研究的核心在于遗传算法 与“”共现次数较多的节点有“”、“”以及“”这反映出绿色基础设施是基于遗传算法的土地利用优化的重要研究对 象“”也 是 一 个 比 较 大 的 节 点(还 有 与 之 接 近 的“”)说明在基于遗传算法进行土地利用优化时往往将实际问题建模为多目标优化问题 此外在“”和附近出现了一些比较大的节点包括“”、“”、“”等等这说明在进行土地利用权衡时遗传算法与其他优化模型、算法(主要是粒子群和元胞自动机)的结合和比较是当前研究中的重要内容.引文分析在 中进行文献共被引分析 如果两篇文献同时被第三篇文献引用则这两篇文献构成共被引关系 通过分析施引文献可以了解研究领域的前沿方向而分析被引文献则可以得到研究领域的知识基生 态 学 报 卷:/.图 关键词共现图谱.图 文献共被引网络.础 以一年为一个时间切片提取 年被引频次在前 位的被引文献并对共被引图谱进行聚类分析保留属于最大连通子网络的聚类生成基于遗传算法的土地利用优化文献共被引图谱(图)每个节点为一篇文献节点越大表示文献被引量越高节点间的连线代表他们的共被引关系 聚类分析将共被引图谱分成几个聚类同一聚类内的参考文献联系紧密不同聚类间的参考文献联系松散 聚类区块的不同颜色表明这些区块中共被引关系首次出现的时间同样也是冷色区块早于暖色区块 聚类标签反映了施引文献的主题如青色区块的标签为“”说明有关风场布局的文献引用了聚类 标签序号越小聚类包含的文献数量越多 通过对聚类标签的分析可将其分为两类 第一类聚类标签包括“”、“”、“”、“”、“”、“期 王昊煜 等:基于遗传算法的土地利用优化研究进展:文献计量分析:/.”这六个标签均反映了不同的研究方向说明基于遗传算法的土地利用优化研究的主要研