淡若清风—
0.087 0.054
0.180 0.194 0.157 0.129 0.154 0.133 0.096 0.243 0.272 0.335 0.286 0.270 0.244 0.299 —
—
—
0.236 0.213 0.223 0.155
过计算Agent所在土地利用网格与最近的已开发的土地利用网格的距离得到，Agent对目标(2)的函数值通过计算土地用途转换的开发费用得到，土地用途转换的开发费用标准见表2；Agent对目标(3)的函数值通过计算该Agent的3×3邻域内其他Agent所期望的土地利用目标与该Agent所期望的土地利用目标之间的兼容性之和得到。不同土地利用类型之间的环境兼容性见表3[12]。
表2 土地用途转换的开发费用标准 Table 2 Standard of land development cost of land
use type conversion 万元/土地利用网格
用地类型 工业用地 居住用地 商业用地 未开发用地
工业用地 — 0.90
居住用地
商业用地
括如下几步：
(1) 对土地利用网格上每个智能体执行邻域竞争算子；
(2) 对执行邻域竞争算子后的土地，利用网格上的每个智能体，若U(0，1)＜Pc，则执行邻域交叉算子(其中，Pc为交叉概率，在本研究中，Pc=0.85)；
(3) 对执行邻域交叉算子后的土地，利用网格上的每个智能体，若U(0，1)＜Pm，则执行变异算子(其中，Pm为变异概率，在本研究中，Pm=0.05)；
(4) 从当代所有智能体中找出适应度最大的Agent，对该Agent执行自学习算子；
(5) 若停止准则满足，则输出具有最大总体适应度的智能体集合，模型运行结束；否则令t=t+1，并转步骤(1)。
0.20 0.20 —
0.90 —
2.2.5 长沙市土地利用空间优化配置结果
在确定了智能体结构与决策参数后，按照模型的实现流程，采用多智能体遗传进化算法对长沙市土地利用进行空间优化配置。图2所示为对应于模型不同
0.45 0.45
1.80 1.80 1.80
注：上表表示“列”类型的用地转换为“行”类型的用地的开发费用，且表中数值据为开发费用的相对费用，而非实际费用。
表3 相邻土地利用类型之间的环境兼容性 Table 3 Environmental compatibility of adjacent land uses 用地类型 未开发用地 不可建设用地 居住用地 商业用地 工业用地
不可建设 用地
居住用地 商业用地 工业用地
1.0 1.0 1.0 1.0 1.0 1.0 0.5 0.0 1.0 1.0 0.7 0.0 0.5 0.7 1.0 0.2 0.0 0.0 0.2 1.0
注：环境兼容性的取值范围为0~1.0，0表示不兼容；取值越大，表示环境兼容性越好。
T：(a) 0；(b) 100；(c) 200；(d) 300；(e) 400 图2 MOSOLUA模型的土地利用空间优化配置过程 Fig.2 Land use allocation processes using multi-objective
spatial optimization allocation model
2.2.4 多智能体进化
根据1.2.2节中设计的多智能体进化算子，对分布于土地利用网格上的多智能体执行进化操作，具体包
