Summary
이 작품은 수질 개선 목표 지정된 집합에 대한 농업 보호 관행의 최적 (최저 비용) 게재 위치에 대해 해결하기 위해 진화 알고리즘을 이용하여 최적화 구성 요소와 수질 모델의 통합을 보여줍니다. 솔루션은 tradeoffs의 명시 적 정량화를 위해 수 있도록 여러 목적 접근법을 사용하여 생성됩니다.
Abstract
풍경에서 특정 수질 목표 달성을 위해 보전 실천 투자를 타겟팅의 비용 효율적인 (즉, 최저 비용) 방법을 찾는 것은 유역 관리의 기본 중요합니다. 유역 환경 (예를 들어, 5,12,20)에 가장 낮은 비용 솔루션을 찾는 전통 경제학 방법은 오프 사이트에 미치는 영향을 정확하게 생성 현장 오염의 비율로 설명 할 수 있다고 가정합니다. 이러한 접근 방법은 오염 소스의 영향은 종종 복잡한 biophysical 프로세스에 의해 결정됩니다 유역의 실제 오염 공정의 대표가 될 가능성이 있습니다. 현대적인 물리적 기반, spatially 배포 수문 시뮬레이션 모델의 사용은 프로세스 표현의 측면에서 현실성의 큰 학위를 허용하지만 모델은 최적화의 중요한 부분이되는 시뮬레이션 최적화 프레임 워크의 개발이 필요합니다.
진화워 알고리즘은 분수령 시뮬레이션 최적화 문제의 조합 자연과 처리 및 전체 수질 모델의 사용을 허용 할 수 특히 유용 최적화 도구로 나타납니다. 진화 알고리즘은 후보 솔루션으로 유역의 보존 관행의 특정 공간 할당을 유지하고 반복적 확률 선택의 운영자, 재조합, 그리고 최적화의 목표와 관련하여 개선을 찾을 돌연변이를 적용 후보 솔루션 세트를 (인구) 사용합니다. 이 경우 최적화 목표는 동시에 보존 관행의 비용을 최소화 유역에 nonpoint 소스 오염을 최소화하는 것입니다. 연구의 최근 및 확장 세트는 유사한 방법을 사용하려고 시도하고 광범위하게 정의 된 진화 최적화 방법 3,4,9,10,13-15,17-19,22,23,25과 수질 모델을 통합하고 있습니다. 이 응용 프로그램에서 우리는 Rabotyagov 외 다음에 프로그램을 보여줍니다.의 appro가ACH하고 보존 관행의 비용과 사용자가 지정한 수질 사이의 전체 효율이 줄어의 국경을 검색 할 수있는 multiobjective 진화 알고리즘 SPEA2 26, 및 보존 관행과 비용의 사용자 지정 집합으로 현대적이고 일반적으로 SWAT 수질 모델을 사용하는 7 통합 목표. 국경 다양한 수질 개선 목표와 관련된 비용의 전체 범위를 제시하여 유역 관리자들이 직면 tradeoffs을 수량화. 이 프로그램은 지정된 수질 개선 목표 및 보존 관행의 최적화 된 배치의지도 생산을 달성 유역 구성의 선택 할 수 있습니다.
Protocol
1. 유역 모델을 준비하고 최적화를위한 입력 데이터를 제공
- i_SWAT 데이터베이스를 만듭니다
- "회전하는 것"이라는 프로그램을 사용하여, 토양, 날씨, 관리 및 비료 등 다양한 입력 데이터베이스에서 데이터베이스를 구축 할 수 있습니다.
- 또한, 기존의 SWAT 실행은 (아마도 ArcSWAT 또는 AVSWAT로 만든) i_SWAT.exe로 가져올 수 있습니다. 이 경우, 프로그램은 "swat_rewrite는"관리 또는 필드 레벨의 데이터를 기준으로 다른 HRU 정보를 대체하는 데 사용할 수 있습니다.
- SWAT 모델의 보정 및 검증이 시점에서 수행해야합니다. 이 너구리 강 유역 EA 모델링 프레임 워크 내에서 통합 SWAT (버전 2005) 모델은 원래 조정과 Jha 외 의해 설명 된대로 총 최대 일일로드 (TMDL) 연구에 대한 확인되었습니다. (2010). SWAT 모델의 추가 보정 및 검증은 descri 같은 너구리 강 유역 기본 계획의 개발 지원에 실시 된본 연구에 사용 된 SWAT 모델입니다 Agren 주식회사 (2011)에 침대를 갖추고 있습니다.
- SWAT2005GA.exe라는 SWAT2005.exe의 수정 된 버전을 사용합니다.
- "유역 presets.csv"를 제출 준비 -이 너구리 분수령에 해당 설정의 많은 부분을 저장하는 텍스트 파일입니다. 그것은 한 번의 클릭으로 유역에 대해 여러 개의 컨트롤 및 데이터 필드를 설정하려면 다음 GeneticiSWAT과 MapSWAT에서 읽을 수 있습니다.
- 보전 실천 요소의 비용을 준비합니다. 이 예를 들어, 다음은 테이블에 저장됩니다 [실습 비용 - 카운티의 너구리] 데이터베이스 "subbasin Josh.mdb하여 실제 비용"인치
후보 솔루션의 총 비용은 분수령 단위 ( "수문 응답 단위"또는 HRUs)에 적용 보전 관행의 비용의 합계입니다. 최적화 프로그램은 분수령에있는 모든 경작지 HRU의 보존 관행의 특정 집합에서 하나의 보전 실천의 최적의 할당을 고려합니다. SHRU에 할당 가능한 보존 관행 ETS는 allele 세트라고합니다.
- SWAT 폴더를 만듭니다. 이 실행의 경우, 16 개의 CPU가 SWAT2005GA.exe 16 복사본가 16 별도의 폴더에 실행 된 즉, 사용 된 (같은이 적은 CPU를, 예를 들어있는 시스템을 적용, 4 폴더는 "쿼드 코어"프로세서를 만들 수합니다).
2. 최적화 매개 변수를 선택
- 최적화는 "GeneticISWAT"라는 프로그램에 의해 제어됩니다. 최적화, 개방 GeneticISWAT.exe을 수행합니다.
- 그런 다음 "열기", "파일"로 이동하여 i_SWAT 데이터베이스 "너구리 GA.mdb"를 선택합니다.
- 다음 "구성"SWAT 모델 실행 (SWAT2005GA.exe)에 경로를 지정하려면 "파일"로 이동합니다.
- "실행"로 이동 한 다음 'Allele 설정을 선택합니다. " 이 단계는 최적화에 사용되는 보존 관행의 조합을 결정합니다. 이 실행의 경우 allele은 # 14 절약 사례의 23 조합을 가지고있는, 사용 된 설정합니다. AVailable allele 세트는 구성 파일 "Alleles.csv"에 저장됩니다.
- "실행"다음 SPEA2 진화 알고리즘을 사용하여 multiobjective 최적화를 수행하기 위해 "SPEA2 아카이브 기본 인식 하위 집합"을 선택하세요.
그림 1. 최적화 목표 및 매개 변수를 설정합니다.
최적화 매개 변수를 선택 할 :
사전 설정 : 최적화 할 수있는 유역을 선택합니다. "적용"을 클릭하면이 화면에 제어 값을 채우기 위해 사전 파일 "유역 presets.csv"에서 항목을 선택합니다.
출력 변수 : 최적화를위한 환경 목표를 선택합니다. (N 아울렛, P 아울렛)을 선택 바와 같이,이 3 차원 목표 기능을 정의한다 : 질소는 (유기 N은 + NO3 + NH4 + NO2)는 (Orga, 콘센트에서 5 년 동안 인 평균NIC P + 미네랄 P)는 콘센트에서 5 년 동안 평균 및 보존 관행의 총 비용이 포함됩니다. 이 3 차원 효율이 줄어의 경계를 생성됩니다. multiobjective 프로그램 ({출력 변수}, 총 비용) 최소화하기 위해입니다 대체 출력 변수는 선택하실 수 있습니다.
인구 크기 : 설정 초기 인구의 크기입니다. 이 후보 솔루션의 초기 수를 결정합니다. 옵션 "각 allele와 씨는"선택하면 유역의 모든 경작지 HRUs로 설정 allele에 지정된 각 절약 실천의 균일 한 응용 프로그램을 대표하는 후보 솔루션이 먼저 생성됩니다. 나머지 후보 솔루션은 경작지 HRUs로 설정 allele의 보존 사례를 무작위 할당에 의해 만들어집니다. 옵션을 "각 allele와 씨"를 선택하면, 하나는 초기 인구 크기가 allele 세트의 대립 유전자의 수 (이 예제에서는 23)으로 크게 적어도 있는지 확인해야합니다.
"jove_content"세대> 수 : 최적화 실행 (실행이 다시 시작 될 수 있다는주의)에 대한 세대 원하는 번호 (반복) 설정합니다.
크로스 오버 확률 : 두 후보 솔루션은 새 후보 솔루션을 만드는 선택하면, 크로스 오버 확률이 뚜렷한 새로운 솔루션 (이 실험을 위해 1로 설정)이 생성되는 확률을 지정합니다.
임시 인구의 크기 :이 만든 새 후보 솔루션의 수를 결정합니다. 이 값이 프로세서 스레드의 수의 정수 여러 (이 예제의 16) 경우 프로세서 자원이 가장 효율적으로 사용됩니다.
돌연변이 확률 : allele 세트에서 다른 절약 실천에 HRU 지정의 임의의 변화의 가능성을 지정합니다. (이것은이 예제에 대해 0.03로 설정되어 있습니다).
수스레드 : 사용 프로세서 또는 스레드의 수를 선택합니다. 16이 예제에서 사용됩니다.
곡선 번호 교정 계수 :이 SWAT 모델 보정에서 제공됩니다.
텍스트 파일의 인구를 저장 :이 반복의 지정된 번호를 한 후 실행 최적화를 다시 시작 한 소원이 완료되는 경우를 선택하는 것이 중요합니다. 이 옵션을 선택하면 모든 살아 후보 솔루션 (개인)의 모든 HRU의 allele 값이있는 텍스트 파일을 생성합니다. 이것은 실행을 다시 시작하고 계속 다시 읽을 수 있습니다.
보조 최적화 매개 변수
첫 해는 : 과거 기상 정보 시작 후 1 년으로 설정하고, 늦어도보다 칠년이 데이터의 끝 이전이어야합니다.
옥수수의 가격 : 비료 절감 비용을 추정하기 위해 수율 손실 방정식을 사용합니다.
퍼지 방법 : 지배. 모든 3 차원에 더 아르 개인은 지배와 정화되어 있습니다.
HUC 출처 : 다음 필드 "유역 HUC"에서 "7100006"를 값을 의미 "특정 지역"로 설정이 HUC 지대 테이블에서 행을 찾는 데 사용됩니다. 이 값은 "07100006"는 너구리 유역에 8 자리 HUC 코드입니다.
비용 출처 : CRP 이외의 비용은 위의 연습 비용 테이블에 카운티 FIPS 코드에 따라 결정됩니다 나타냅니다 "카운티 (HRU 위치 코드)"로 설정하십시오.
비용 소스 CRP : CRP 그 비용을 표시하는 "1 위치"로 설정은 위의 연습 비용 테이블에 카운티 FIPS 코드에 따라 결정됩니다.
3. 대표 결과 GeneticiSWAT.exe는 모든 후보 솔루션 (개인),뿐만 아니라 최적화 실행을 다시 시작하는 데 사용할 수있는 최종 알고리즘 반복과의 결과를 인코딩 "저장"파일에 대한 설정 및 결과를 보여주는 로그 파일을 생성합니다. 이 시점에서, 하나는 아래의 단계에 따라 파레토 효율적인 솔루션 (효율이 줄어의 국경)의 집합 전체 내용을 표시 할 수 있습니다 : 출력 POV-RAY 프로그램을 사용하여 다음 "렌더링", "파일 큐"를 선택하여 이미지 파일로 한 번에 모두 렌더링 할 수있는 파일의 시리즈이다. 이미지는 자체적으로 사용하거나 알고리즘의 진행을 보여주는 영화로 결합 할 수 있습니다. 원하는 경우, 알고리즘의 진행을 보여주는 영화는 "Framescanner.exe"를 실행하고 다음 단계를 수행하여 만들 수 있습니다 : 국경의 각 포인트는 분수령 구성 (풍경의 보존 관행의 특정 과제)를 나타냅니다. 이러한 구성의지도는 다음 단계를 수행하여 전체 돌아가는 볼 수 있습니다 : 관심 내보내기 특정 유역 구성 (개인). 종종 관심의 질문은 특정 수질 목표를 달성 특정 유역 구성 (개인)을 선택하는 것입니다. 예를 들어, 하나는 개인을 발견 할 수 있습니다기본 로딩에 비해 20 % 30 % 인에 의해 질소를 감소 국경에 idual. MapSWAT 하나는 지정된 목표에 가장 작은 유클리드 거리와 개인에 대한 경계를 검색 할 수 있습니다. 이것은 다음을 수행하여이 작업을 수행 할 수 있습니다 : files/ftp_upload/4009/4009fig7.jpg "ALT ="그림 7 "/> 추가적인 분석을 위해지도 데이터를 내보내기하는 것은 다음 단계에 따라 수 있습니다 : 표 1. 필요한 프로그램 표. 표 2. 필요한 샘플 파일의 표. 
그림 2. 사우스 캐롤라이나3 차원 첨단 시각화를위한 "스냅 샷"을 만들 reenshot. 
그림 3. 효율이 줄어의 국경의 정적 시각화. 
그림 4. 최후의 개척지의 각 개인의지도를 만들기의 스크린 샷. 
그림 5. 수질 목표에 따라 국경의 특정 개인을 검색의 스크린 샷. 
그림 6. 검색 출력의 스크린 샷
그림 7. 국경에서 선택한 개인을 설명하는 샘플 맵의 스크린 샷이 있습니다. 큰 그림을 보려면 여기를 클릭하십시오 . 프로그램의 이름 출처 기술 회선 근 카드 생성 및 유역에 대한 토양, 날씨 및 관리 데이터 i_SWAT 데이터베이스를 채 웁니다. Swat2005GA.exe USDA 목초지, 토양 및 물 연구소 유역 시뮬레이션 모델 i_SWAT.exe 카드 SWAT 데이터베이스 인터페이스 GeneticISWAT.exe 카드 진화 알고리즘 SWAT 컨트롤러입니다. 에서 GALib 통합 http://lancet.mit.edu/ga/ . MapSWAT.exe 카드 , i_SWAT 데이터베이스와 shapefiles를 읽고 세대와 개인의 이미지를 생산하고 있습니다. POV - 레이 Povray.org 비전 raytracer의 지속성. Framescanner.exe 토드 캠벨 AVI 변환기 PNG 이미지 Windows Live 무비 메이커 마이크로 소프트 AV를 압축하는 데 사용I WMV로 파일의 이름 유형 기술 너구리 GA.mdb Access 데이터베이스 너구리 유역의 구조 및 관리 설명입니다. GeneticiSWAT와 MapSWAT에 의해 읽어보세요. 유역 presets.csv 본문 GeneticiSWAT.exe 및 MapSWAT에 대한 설정 프리셋 Alleles.csv 본문 allele의 목록 진화 알고리즘에 설정합니다. 너구리 Allele의 HRU.txt 본문 GeneticISWAT가 경작지로 결정 그 대립 유전자를 나열하여 만든 파일입니다. MapSWAT으로 읽어 보시기 바랍니다. subbasin Josh.mdb하여 실제 비용 액세스 데이터베이스 관리 연습과 카운티의 비용. 테라스 Zones.mdb 액세스 데이터베이스 표 [HUC 데이터]는 분수령의 테라스와 항복 영역 번호를 보유하고 있습니다. NRI Budgets.mdb 액세스 데이터베이스 이 실행에 사용되지 작물 및 시스템 테이블에 대한 GeneticISWAT.exe으로 읽어 보시기 바랍니다. phucrp 2008-12 - 15.dat 본문 이 실행에 사용되지 플랜트 열 단위 조회 테이블. Management.mdb 액세스 데이터베이스 이 실행에 사용되지 회전 조회 테이블. 너구리 GA 2011년 9월 28일 1313.log 라쿤 GA 2011년 9월 29일 0732.log 라쿤 GA 2011년 10월 7일 0644.log 본문 GeneticISWAT 실행의 파일을 기록합니다. 너구리 GA.wmv 생기 세대에 의한 개인의 3D 디스플레이 Subbasin.shp ESRI Shapefile 유역의 subbasins의 설명합니다. 너구리 Map.wmv 생기 국경에 각 각 subbasin에 대한 지배적 인 대립 유전자의 표시.
Subscription Required. Please recommend JoVE to your librarian.
Discussion
우리는 분수령 수준의 영양이 감소 목표의 범위를 달성하기 위해 농업 보호 관행의 가장 저렴한 혼합 및 위치를 포함하는 유역 구성 파레토 효율적인 세트를 검색 할 수있는 통합 된 시뮬레이션 최적화 프레임 워크를 구축 할 수 있습니다. 시뮬레이션 최적화 시스템의 개념적 다이어그램은 그림 8에 표시됩니다. 농업 보존 관행의 수질 영향을 시뮬레이션 등의 유역 시뮬레이션은 Windows 기반 데이터베이스 관리 시스템, i_SWAT 6,8와 결합 수문 모델, SWAT2005에 의해 처리됩니다. 최적화 구성 요소는 SWAT의 수문 응답 단위 (HRUs)에서 작동하고 동시에 영양소 로딩 (N, P, 또는 둘 다) 및 보존 관행의 비용을 최소화 보존 관행의 할당을 찾기 위해 진화 알고리즘 (26)의 논리를 사용하고 있습니다. 알고리즘 반복은 individ을 살아남은 집합을 종료 한 후uals은 대략 효율이 줄어의 경계를 나타냅니다. 이 영양소는 (질산염-N 및 총 인)을 동시에 고려되고 있기 때문에, 우리는 3 차원의 효율이 줄어의 경계를 얻습니다. 효율이 줄어의 국경에있는 각 점은 유역의 각 의사 결정 단위 (경작지 HRU)를 보존 관행의 특정 구성을 처방. 보존 관행이 선택되어있는 확인하려면, 우리는 영양소 대상을 지정하고 다음 영양소 감소 기준을 충족하는 개별 구성에 대한 효율이 줄어의 경계를 검색 할 수 있습니다. 선택한 보존 관행의 위치와 혼합 (예 데이터 HRUs을 만들 때 사용할 수있는 경우) 유역에있는 필드 레벨 공간적 의사 결정 단위로 매핑 할 수 있습니다. 특정 혼합 및 보존 관행의 배포를 지정합니다 우리의 접근 방식은, 수질 개선을 목표로 보존 정책을 목표로 더 나은 도구를 사용하여 정책 입안자를 제공 할 수 있습니다. 구현의 관점에서,알고리즘의 처방전으로 무장, 정책 입안자 타겟팅 지불 (방법 11에 의해 제안)을 제공하거나, 입찰을 유도하고 수락하거나지도 등의 모델링 결과를 사용하여 거부 할 수 있습니다. 물론, 대상 사례의 특정 집합은 특정 수질 목표와 공부 특정 유역에 따라 달라집니다. 그러나, 수문 모델과 경제 비용 견적 향후 개선 쉽게 시뮬레이션 최적화 시스템에 통합 할 수 있습니다. 개발 프레임 워크는 쉽게 generalizable하고 nonpoint 소스 오염 감소의 복잡한 문제에 유용하고 정책 관련 통찰력을 제공 할 수 있습니다.
그림 8. 실험의 전체 흐름.
Subscription Required. Please recommend JoVE to your librarian.
Disclosures
관심 없음 충돌이 선언 없습니다.
Acknowledgments
이 연구는 미국 환경 보호국의 대상 Watersheds 교부금 프로그램 (프로젝트 # WS97704801)로부터받은 지원에서 일부 재정 지원, 결합 자연과 인간 시스템 (프로젝트 # DEB1010259-CARD-KLIN)의 국립 과학 재단 (National Science Foundation)의 역학, 미국과 한 Foodand 농업의 협정 농업 프로젝트의 농업 - 국립 연구소 (프로젝트 # 20116800230190-CARD -)의.
References
- American Society of Agricultural and Biological Engineers. Design, layout, construction, and maintenance of terrace systems. ASAE Standard. , S268 (2003).
- Raccoon River Watershed water quality master plan. , Agren, Inc. Carroll, IA. (2011).
- Arabi, M., Govindaraju, R. S., Hantush, M. M. Cost-effective allocation of watershed management practices using a genetic algorithm. Water Resour. Res. 42, W10429 (2006).
- Bekele, E. G., Nicklow, J. W. Multiobjective management of ecosystem services by integrative watershed modeling and evolutionary algorithms. Water Resour. Res. 41, W10406 (2005).
- Carpentier, C. L., Bosch, D. J., Batie, S. S. Using spatial information to reduce costs of controlling agricultural nonpoint source pollution. Am. J. Agr. Econ. 61, 404-413 (1998).
- CARD: Resource and Environmental Policy Interactive Software Programs [Internet]. , Center for Agricultural and Rural Development, Iowa State University. Ames, IA. Available from: http://www.card.iastate.edu/environment/interactive_programs.aspx (2007).
- Gassman, P. W., Reyes, M., Green, C. H., Arnold, J. G. The Soil and Water Assessment Tool: Historical development, applications, and future directions. Trans. ASABE. 50 (4), 1211-1250 (2007).
- The i_SWAT software package: a tool for supporting SWAT watershed applications. Gassman, P. W., Campbell, T., Secchi, S., Jha, M., Arnold, J. G. SWAT2003: The 2nd International SWAT Conference, 1-4 July, Bari, Italy, , Instituto di Ricerca sulle Acque, IRSACNR. Bari, Italy. 66-69 Forthcoming.
- Gitau, M. W., Veith, T. L., Gburek, W. J., Jarrett, A. R. Watershed level best management practice selection and placement in the Town Brook watershed, New York. J. Am. Water Resour. Assoc. 42, 1565-1581 (2006).
- Jha, M., Rabotyagov, S., Gassman, P. W. Optimal placement of conservation practices using genetic algorithms with SWAT. Int. Agr. Eng. J. 18 (1-2), 41-50 (2009).
- Jha, M. K., Wolter, C. F., Schilling, K. E., Gassman, P. W. Assessment of total maximum daily load implementation strategies for nitrate impairment of the Raccoon River, Iowa. J. Envir. Qual. 39, 1317-1327 (2010).
- Kanna, M., Yang, W., Farnsworth, R., Onal, H. Cost effective targeting of CREP to improve water quality with endogenous sediment deposition coefficients. Am. J. Agr. Econ. 85, 538-553 (2003).
- Kramer, R. A., McSweeny, W. T., Kerns, W. R., Stravros, R. W. An evaluation of alternative policies for controlling agricultural nonpoint source pollution. Water Resour. Bull. 20, 841-8446 (1984).
- Lant, C. L., Kraft, S. E., Beaulieu, J., Bennett, D., Loftus, T., Nicklow, J. Using GIS-based ecological-economic modeling to evaluate policies affecting agricultural watersheds. Ecol. Econ. 55, 467-484 (2005).
- Muleta, M. K., Nicklow, J. W. Evolutionary algorithms for multiobjective evaluation of watershed management decisions. J. Hydroinform. 4 (2), 83-97 (2002).
- Muleta, M. K., Nicklow, J. W. Decision support for watershed management using evolutionary algorithms. J. Water Resour. Plan. Manag. 131 (1), 35-44 (2005).
- Rabotyagov, S. S., Campbell, T., Jha, M., Gassman, P. W., Arnold, J., Kurkalova, L., Secchi, S., Feng, H., Kling, C. L. Least Cost Control of Agricultural Nutrient Contributions to the Gulf of Mexico Hypoxic Zone. Ecol. Appl. 20, 1542-1555 (2010).
- Rabotyagov, S., Jha, M., Campbell, T. Impact of crop rotations on optimal selection of conservation practices for water quality protection. J. Soil. Water Conserv. 65 (6), 369-380 (2010).
- Rabotyagov, S. S., Jha, M., Campbell, T. D. Nonpoint-source pollution for an Iowa watershed: An application of evolutionary algorithms. Canadian Journal of Agricultural Economics/Revue canadienne d'agroeconomie. , (2010).
- Rabotyagov, S. S., Jha, M., Campbell, T. Searching for Efficiency: Least Cost Nonpoint Source Pollution Control with Multiple Pollutants, Practices, and Targets. J. Nat. and Environ. Sci. 1, 75-90 (2010).
- Ribaudo, M. O. Consideration of off-site impacts in targeting soil conservation programs. Land Econ. 62, 402-411 (1986).
- Ribaudo, M. O. Targeting the conservation reserve program to maximize water quality benefits. Land Econ. 65, 320-332 (1989).
- Srivastava, P., Hamlett, J. M., Robillard, P. D., Day, R. L. Watershed optimization of best management practices using AnnAGNPS and a genetic algorithm. Water Resour. Res. 38 (3), 1-14 (2002).
- Veith, T. L., Wolfe, M. L., Heatwole, C. D. Development of optimization procedure for cost-effective BMP placement. J. Am. Water Resour. Assoc. 39 (6), 1331-1343 (2003).
- GAlib: Matthew's Genetic Algorithms Library [Internet]. , Available from: http://lancet.mit.edu/ga/ (1996).
- Whittaker, G., Confesor, R., Griffith, S. M., Färe, R., Grosskopf, S., Steiner, J. J., Mueller-Warrant, G. W., Banowetz, G. M. A Hybrid Genetic Algorithm for Multiobjective Problems with Activity Analysis-based Local Search. Eur. J. Operat. Res. , (2007).
- Zitzler, E., Laumanns, M., Thiele, L. SPEA2: Improving the Strength Pareto Evolutionary Algorithm for Multiobjective Optimization. CIMNE. , 95-100 (2002).
