(3.238.88.35) 您好!臺灣時間:2021/04/10 19:08
字體大小: 字級放大   字級縮小   預設字形  
回查詢結果

詳目顯示:::

我願授權國圖
: 
twitterline
研究生:莊浩均
研究生(外文):Hao-Chun Chuang
論文名稱:應用人工智慧演算法於森林採伐規劃問題
論文名稱(外文):Artificial Intelligence Approaches for the Forest Harvesting Problem
指導教授:謝益智謝益智引用關係
指導教授(外文):Yi-Chin Hsieh
學位類別:碩士
校院名稱:國立虎尾科技大學
系所名稱:工業管理系工業工程與管理碩士班
學門:工程學門
學類:工業工程學類
論文種類:學術論文
論文出版年:2017
畢業學年度:106
語文別:中文
論文頁數:118
中文關鍵詞:森林採伐基因演算法免疫演算法粒子群演算法田口方法
外文關鍵詞:Forest Harvesting ProblemGenetic AlgorithmImmune AlgorithmParticle Swarm OptimizationTaguchi Method
相關次數:
  • 被引用被引用:0
  • 點閱點閱:220
  • 評分評分:系統版面圖檔系統版面圖檔系統版面圖檔系統版面圖檔系統版面圖檔
  • 下載下載:67
  • 收藏至我的研究室書目清單書目收藏:0
現今各種開發技術的發展,提升了人們對森林等資源的開發利用,但是隨著採伐速度的加快,森林的覆蓋面積逐年減少中。土地利用會對環境及生態系統造成不同程度的衝擊,若能妥善規劃土地利用,將有助於避免土地濫用造成的影響,除此之外,土地發展規劃的決策常常必須同時滿足許多不同目標。
本研究探討森林採伐規劃問題,此問題為在給定森林區域、各單位的採伐量、未採伐森林土地間的相關性數值以及各目標函數之權重值的條件下,運用三種人工智慧演算法,包含基因演算法(Genetic Algorithm, GA)、免疫演算法(Immune Algorithm, IA)以及粒子群演算法(Particle Swarm Optimization, PSO),規劃出適當的森林採伐區域,使收成量達到最佳化,並提出新的編碼方式求解此問題。測試問題分為兩個部分,第一部分是自設矩陣問題,第二部分是實際的地圖問題。本研究比較此三種演算法對於森林採伐規劃問題的表現,測試數值結果顯示,免疫演算法與基因演算法的求解品質優於粒子群演算法,而粒子群演算法的收斂代數優於其他兩種演算法。
Nowadays, the various development technologies have promoted the utilization of resources such as forests. However, with the speed of harvesting, the area of forest cover is decreasing year by year. Land use will have a different degree of impact on the environment and ecosystems. If land use is properly planned, it will help to decrease the impact of land abuse. In addition, land development planning decisions often have to meet many different objectives at the same time.
This study explored the forest harvesting problem. In this forest harvesting problem, given the forest area and relevant values of forest land not harvested and related constraints, we apply three artificial intelligence algorithms, including Genetic Algorithm (GA), Immune Algorithm (IA), Particle Swarm Optimization (PSO), for maximizing the total profit. In this study, GA was used to solve the forest harvesting problem. In this forest harvesting problem, given the forest area and related constraints, the objective is to maximize the total profit. There are two sets of test problems in this thesis, namely, (1) self-designed matrix problems, and (2) practical map problems. We compare the performance of these three algorithms for the forest harvesting problem. Nnumerical results show that IA is superior to the other two algorithms and PSO is faster than the other two algorithms.
摘要...............i
Abstract...............ii
誌謝...............iv
目錄...............v
表目錄...............vii
圖目錄...............viii
第一章 緒論...............1
1.1研究背景與動機...............1
1.2研究目的...............2
1.3研究方法與步驟...............2
1.4論文架構...............4
第二章 文獻探討...............5
2.1多目標規劃與決策...............5
2.1.1多目標最佳化問題...............5
2.2森林經營規劃問題...............6
2.3研究方法簡介...............8
2.3.1基因演算法...............8
2.3.2免疫演算法...............13
2.3.3粒子群演算法...............17
2.3.4田口方法...............20
第三章 研究問題與研究方法...............27
3.1研究問題...............27
3.1.1問題描述...............27
3.1.2問題假設...............27
3.2研究方法...............28
3.2.1編碼方式...............28
3.2.3參數設定...............30
第四章 測試問題與結果討論...............34
4.1參數設定及設備環境...............34
4.2測試問題...............34
4.2.1第一部分測試問題(自設矩陣問題3題)...............34
4.2.2第二部分測試問題 (實例問題1題)...............38
4.3測試結果...............41
4.3.1第一部分測試問題(自設矩陣問題3題)結果討論...............41
4.3.2第二部分測試問題(實際地圖問題)結果討論...............56
4.4統計檢定...............62
第五章 結論...............68
5.1結論...............68
5.2未來研究方向...............69
參考文獻...............70
附錄A...............74
附錄B...............95
附錄C...............102
Extended Abstract...............114
簡歷...............118
1.王正苡(2001)。使用遺傳演算法和模糊理論法的多目標最佳化。國立中興大學機械工程研究所碩士論文。
2.朱建華(2012)。智慧家庭節能資訊管理系統最佳化之整合研究:多目標基因演算法與層級分析法。中興大學資訊管理學系所碩士論文。
3.朱健瑋(2009)。免疫演算法於配水管網管理問題之研究。中興大學環境工程學系所博士論文。
4.何祥龍(2014)。應用多目標最佳化模式於都市土地發展之研究。臺北大學不動產與城鄉環境學系碩士論文。
5.余岱璟(2008)。多目標最佳化之解集合在不確定因素下之分析及預測。成功大學機械工程學系碩士論文。
6.吳祥輝(2003)。應用模糊田口方法於架空式起重機桁架穩健多目標最佳化設計。國立高雄第一科技大學-機械與自動化工程研究所碩士論文。
7.汪大雄. (1997). 多目標數學規劃和地理資訊系統在林木資源經營規劃之研究. 臺灣林業科學, 12(2), 117-133.
8.周峰正(2003)。螞蟻理論於多目標線性規劃之研究。中華大學企業管理學系碩士論文。
9.屈文華、李友錚、吳嘉興(2014)。應用田口方法分析製程最佳化之研究。社會服務與休閒產業研究,(3),46-61。
10.林勇(2013)。使用基因演算法求解旅行銷售員問題於自走車路徑規劃之應用實現。國立中央大學電機工程學系碩士論文。
11.林耿民(2004)。國有林區永續森林經營準則與指標之研究-以新竹林區為例。臺灣大學森林學研究所碩士論文。
12.林敬堯(2010)。停車場立體多目標使用最佳化之研究-以泰山停(三)立體停車場為例。國立中央大學土木工程研究所碩士論文。
13.林義清,2016,應用田口方法於回收溶劑蒸餾參數最適化研究,國立屏東科技大學工業管理系碩士論文。
14.邱紫怡(2011)。使用基因演算法結合加權模糊時間序列在股票投資組合上的買賣時機策略。國立臺灣科技大學資訊管理系碩士論文。
15.夏倬彥(2008)。應用免疫演算法於輸電系統最佳化無效功率調度。臺北科技大學電機工程系研究所碩士論文。
16.陳俊穎(2015)。以田口方法分析耐候鋼SPA-H調質精整製程對於平坦度改善之研究。逢甲大學機械與電腦輔助工程學系碩士論文。
17.陳建富(2009)。具權重特性偵測器配置問題之研究.。虎尾科技大學資訊管理研究所學位論文。
18.陳瑩達(2011)。三階複選目標規劃法於森林疏伐減碳規劃之研究。臺灣大學森林環境暨資源學研究所博士論文。
19.馮豐隆、林妏嬪(2001)。數學規劃法於森林經營上之應用-從林木經營到生態經營。台灣林業,27(6):15-21。
20.黃士滔、郭珀菁(2014)。田口方法在拉球測試參數最佳化的應用。管理資訊計算,3,428-438。
21.黃尊威(2013)。高洪災風險地區多目標土地使用最佳化配置模式之建構與評估-以曾文集水區為例。成功大學都市計劃學系碩士論文。
22.黃詠農(2016)。長筒形塑件冷卻方式與最佳製程參數之探討。逢甲大學機械與電腦輔助工程學系碩士論文。
23.楊士杰、李坤洲(2012)。粒子群演算法應用於線性天線陣列最佳化。華岡工程學報,(29),109-114。
24.葉怡成、黃文孝(1999)。以遺傳演算法解資源限制排程最佳化問題之研究。中華民國第一屆營建管理學術研討會論文集,第Ⅱ.9-Ⅱ.14頁。
25.鄒敏惠(2015)。未來森林消失在何方?全球11砍伐熱點現形。台灣環境資訊協會。取自http://e-info.org.tw/node/107110
26.蔡聿威(2015)。整合DEMATEL 與田口方法於精實六標準差之應用模式。中原大學工業與系統工程研究所碩士論文。
27.盧皓平(2014)。數十年來,人類對森林的破壞到底有多嚴重?遠見雜誌。取自https://www.gvm.com.tw/article.html?id=25785
28.優美樂(2012)。亞馬遜雨林面積減少:每分鐘消失6個足球場。科技日報。取自http://info.wenweipo.com/index.php?action-viewnews-itemid-53913
29.戴巧雯(2014)。多目標遺傳演算法應用於滯洪池最佳化優選。成功大學水利及海洋工程學系碩士論文。
30.韓麗龍、林信羽(2013)。應用田口方法優化 PE 軟管封尾製程。臺北科技大學學報,45(2),15-26。
31.蘇科閎(2016)。應用有空間運算子之模擬退火法於空間森林疏伐規劃問題。交通大學工業工程與管理系所碩士論文。
32.Alexandridis, A., Chondrodima, E., & Sarimveis, H. (2016). Cooperative learning for radial basis function networks using particle swarm optimization. Applied Soft Computing, 49, 485-497.
33.Alkayal, E. S., Jennings, N. R., & Abulkhair, M. F. (2016, November). Efficient Task Scheduling Multi-Objective Particle Swarm Optimization in Cloud Computing. In Local Computer Networks Workshops (LCN Workshops), 2016 IEEE 41st Conference on (pp. 17-24). IEEE.
34.Billionnet, A. (2010). Solving a cut problem in bipartite graphs by linear programming: Application to a forest management problem. Applied Mathematical Modelling, 34(4), 1042-1050.
35.Delgarm, N., Sajadi, B., Kowsary, F., & Delgarm, S. (2016). Multi-objective optimization of the building energy performance: A simulation-based approach by means of particle swarm optimization (PSO). Applied Energy, 170, 293-303.
36.De-liang, Z., Gang, Z., Yan-qiao, C., & Yan-qiu, Z. (2017, May). Model identification of coal mill control system based on genetic algorithm. In Control And Decision Conference (CCDC), 2017 29th Chinese (pp. 1607-1610). IEEE.
37.Fotakis, D. G., Sidiropoulos, E., Myronidis, D., & Ioannou, K. (2012). Spatial genetic algorithm for multi-objective forest planning. Forest Policy and Economics, 21, 12-19.
38.Holland, J. H. (1975). Adaptation in natural and artificial systems. An introductory analysis with application to biology, control, and artificial intelligence. Ann Arbor, MI: University of Michigan Press.
39.Juárez-Castillo, E., Acosta-Mesa, H. G., & Mezura-Montes, E. (2017, June). Empirical study of bound constraint-handling methods in Particle Swarm Optimization for constrained search spaces. In Evolutionary Computation (CEC), 2017 IEEE Congress on (pp. 604-611). IEEE.
40.Kumar, D., Rao, P. N., & Dangayach, G. S. (2016, December). An investigation on optimization of parameters for injection molded Polypropylene-marble composites with Multi Objective Genetic Algorithm. In Recent Advances and Innovations in Engineering (ICRAIE), 2016 International Conference on (pp. 1-6). IEEE.
41.Liu, W. Y., & Lin, C. C. (2015). Spatial forest resource planning using a cultural algorithm with problem-specific information. Environmental Modelling & Software, 71, 126-137.
42.Von Neumann, J., & Burks, A. W. (1966). Theory of self-reproducing automata. IEEE Transactions on Neural Networks, 5(1), 3-14.
43.Weintraub, A., & Bare, B. B. (1996). New issues in forest land management from an operations research perspective. Interfaces, 26(5), 9-25.
44.Yu, W., Li, B., Jia, H., Zhang, M., & Wang, D. (2015). Application of multi-objective genetic algorithm to optimize energy efficiency and thermal comfort in building design. Energy and Buildings, 88, 135-143.
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top
系統版面圖檔 系統版面圖檔