Method Article

SWATモデルを用いた農業保全の実践の空間的な多目的最適化と進化的アルゴリズム

DOI:

10.3791/4009

⸱

December 9th, 2012

 ,  ,  ,  ,  ,  ,  , 
1School of Environmental and Forest Sciences, University of Washington, 2Center for Agricultural and Rural Development, Department of Economics, Iowa State University, 3Department of Civil, Architectural, and Environmental Engineering, North Carolina A&T University, 4Iowa Geological and Water Survey

In This Article

Summary

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

この作品は、水質改善目標の指定された一連の農業保全慣行の最適な（最も低コストの）配置を解くために、進化的アルゴリズムを用いた最適化コンポーネントを使用した水質モデルの統合を示します。ソリューションは、トレードオフの明確な定量化を可能にする、マルチ客観的なアプローチを使用して生成されます。

Abstract

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

風景渡る特定の水質目標を達成するためのターゲティング保全実践投資のコスト効率の高い（ すなわち 、最も低コストの）方法を見つけることは流域管理における最も重要である。流域コンテキスト（ 例えば 、5,12,20）で最も低コストの解決策を見つけるの伝統的な経済学の方法は、外部への影響を正確に生成された敷地内の汚染の割合として記述することができることを想定しています。このようなアプローチは、汚染源の影響はしばしば複雑な生物物理学的プロセスによって決定される流域における実際の汚染プロセスを代表することはほとんどありません。現代の物理ベース、空間的に分散水文学的シミュレーションモデルの使用は、プロセス表現の面でリアリズムの大きい程度を可能にしますが、モデルは最適化の不可欠な一部となるシミュレーション最適化フレームワークの開発が必要である。

進化進アルゴリズムは流域シミュレーション·最適化問題のコンビナトリアル性質に対処するとフル水質モデルの使用を可能にすることが特に有用な最適化ツールであるように見えます。進化的アルゴリズムは、候補解として、流域の保全慣行の特定の空間的配分を扱い、最適化の目標に対して改善を見つけるために反復的に選択、交叉および突然変異の確率的演算子を適用する解候補の集合（集団）を利用する。この場合の最適化の目的は同時に保全慣行のコストを最小限に抑え、流域における非点、源汚染を最小にするためである。研究の最近の拡大とセットは同様の方法を使用しようとすると広義の進化的最適化手法3,4,9,10,13-15,17-19,22,23,25と水質モデルを統合しています。このアプリケーションでは、Rabotyagovらの適切に従うプログラムを実証ACHと保全の実践と保全の実践と、ユーザーが指定した水質のコストとの間の完全なトレードオフのフロンティアを検索するため、その費用の現代および一般SPEA2 26多目的進化アルゴリズムとSWATの水質モデル7を使用し、ユーザが指定したセットを統合目的。フロンティアは、様々な水質改善の目標に関連するコストの完全な範囲を提示することによって、流域管理者が直面してトレードオフを定量化する。プログラムは、指定された水質改善の目標と保全慣行の最適化された配置のマップの生産を達成する流域の構成を選択することができます。

Protocol

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

1。流域モデルを準備して、最適化のための入力データを提供

  1. i_SWATデータベースを作成
    1. "回転子"と呼ばれるプログラムを使って、土壌、気象、管理や肥料などの複数の入力データベースからデータベースを構築します。
    2. あるいは、既存のSWATの実行は（おそらくArcSWATまたはAVSWATで作成された）i_SWAT.exeでインポートすることができます。この場合、プログラムは "swat_rewrite"が管理またはフィールド·レベルのデータに基づいて、他のHRU情報を交換するために使用することができます。
    3. SWATモデルのキャリブレーションと検証は、この時点で実行する必要があります。 Jhaはらによって説明されているように、このアライグマ川流域のEAモデリングフレームワーク内に組み込まれ、SWAT（バージョン2005）のモデルはもともと最大総デイリー負荷（TMDL）研究のためにキャリブレーションされ、検証されました。 （2010）。 SWATモデルの更なる校正および検証はdescriとして、ラクーン川流域マスタープランの開発を支援するために実施されたこの研究のために使用されたSWATのモデルですAgren社（2011）、のベッド。
    4. SWAT2005GA.exe呼ばSWAT2005.exeの修正版を使用してください。
  2. "流域presets.csv"ファイルの準備 - これはアライグマ流域に固有の設定の多くを保存するテキストフ​​ァイルです。それはワンクリックで分水嶺のために複数のコントロールとデータフィールドを設定するには、次のGeneticiSWATとMapSWATによって読み取られます。
  3. 保全の実践要素の費用を準備します。この例では、これらは、テーブルに格納されています[実践費用 - カウンティーアライグマ]データベース内の "実践コストsubbasin Josh.mdbによって"。

候補解の合計コストは、流域単位（ "水文応答ユニット"、またはHRUs）に適用保全慣行のコストの合計です。最適化プログラムは、流域内のすべての農地HRUの保全慣行の特定のセットから単一の保全の実践の最適割り当てを考慮します。のHRUに割り当てられている可能性保全の実践のETSは、対立遺伝子セットと呼ばれます。

  1. SWATのフォルダを作成します。この実行では、16個のCPUがSWAT2005GA.exeの16コピーは16個のフォルダで実行された、つまり、使用された（同じ数が少ないCPUを、 例えばを持つシステムに適用され、4つのフォルダは、 "クアッドコア"プロセッサ用に作成されるべきです。）

2。最適化パラメータを選択する

  1. 最適化は、 "GeneticISWAT"と呼ばれるプログラムによって制御されます。最適化、オープンGeneticISWAT.exeを実行します。
    1. 次に "開く"、 "ファイル"に移動し、i_SWATデータベース "アライグマGA.mdb"を選択します。
    2. SWATモデルの実行可能ファイル（SWAT2005GA.exe）にパスを割り当てるには、 "ファイル"を選び、 "設定"に進みます。
    3. "実行"を選び、 "対立遺伝子セットを選択"に進みます。このステップでは、最適化で使用される保全の実践の組み合わせを決定します。この実行では、対立遺伝子のセット＃14は、保全実務の23の組み合わせを持っている、使用されていました。 AVailable対立遺伝子セットは、コンフィギュレーションファイル "Alleles.csv"に格納されています。
    4. "実行"に進み、その後、SPEA2進化アルゴリズムを用いた多目的最適化を実行するために "SPEA2アーカイブのベースラインを意識サブセット"を選択します。

figure-protocol-1
図1は、最適化の目的とパラメータの設定。

最適化パラメータを選択する：

プリセット：最適化する流域を選択します。 "Apply"をクリックすると、この画面上のコントロールの値を埋めるためにプリセットファイル "流域presets.csv"からエントリを選択します。

出力変数：最適化のための環境目標を選択します。 （Nアウトレット、アウトレットP）を選択したように、これは3次元の目的関数を定義しています：窒素（有機N + NO3 + NH4 + NO2）はリン（オルガ、出口での5年間の平均NICのP +ミネラルP）は出口で5年間の平均化され、保全実務の総費用。これは3次元のトレードオフのフロンティアを作成することに注意してください。多目的プログラム（{出力変数}、トータルコスト）を最小化するためにある別の出力変数は、選択することができます。

人口規模：設定初期人口規模。これは、解候補数の初期値を決定します。オプションの "各アレルによるシード"が選択された場合、流域内のすべての耕作地HRUsに設定アレルで指定された各保全実践の統一的適用を表す解候補が最初に作成されています。残りの候補解は耕作地HRUsに設定アレルから保全慣行の無作為割り当てによって作成されます。オプションの "各アレルによるシード"を選択した場合は、1は、初期集団のサイズが対立遺伝子セット内の対立遺伝子の数（このデモでは23）と少なくとも同じ大きさであることを確認する必要があります。

世代の > 数：最適化のラン（ランが再開できることに注意してください）の世代の希望の番号を（反復）を設定します。

交叉確率：2つの候補解が新たな解候補を作成するために選択された場合は、交叉確率は異なる新たな解が（このデモのために1に設定）作成されている確率を指定します。

一時的な人口の大きさ：これは、作成した新しい解候補の数を決定します。この値はプロセッサスレッドの数の整数倍（このデモで16）である場合にプロセッサのリソースを最も効率的に使用されています。

突然変異確率：対立遺伝子セットから別の省エネ実践にHRU割り当てのランダムな変化の確率を指定します。 （それはこのデモのために0.03に設定されています）。

数スレッド：使用プロセッサまたはスレッドの数を選択します。 16は、このデモで使用されています。

カーブ番号校正係数：これは、SWATのモデルのキャリブレーションから提供される。

テキストファイル内の人口を保存：これは、指定した数だけ繰り返された後に実行する最適化を再起動するように一つ願いが完了したかどうか選択することが重要です。このオプションをチェックすると、すべての存続候補解（個体）のすべてのHRUのアレルの値を指定したテキストフ​​ァイルを生成します。これは実行を再開し、続行します後ろに読み取ることができます。

二次最適化パラメータ

最初の年は：過去の気象情報の開始年後に設定されており、遅くとも7年以上このデータの終わりの前にしなければなりません。

トウモロコシの価格：肥料削減のコストを見積もるために歩留まり損失の式と組み合わせて使用します。

採点方法：SPEA2アーカイブ。採点は存続個人がクロスオーバーするために選択されることになっている方法おそらく決定します。

パージ方法：支配した。すべて3次元で悪化している個人が支配し、パージされます。

HUCソース： "指定した場所"に設定し、次のフィールドから"7100006"の値を意味する"流域HUC"はHUCゾーンテーブルの行を検索するために使用されます。値は、 "07100006"はアライグマ流域のための8桁のHUCコードです。

コストソース：CRP以外の費用は上記の練習のコストテーブルに郡のFIPSコードによって決定されるであろうことを示すために、 "郡（HRUロケーション·コード）"に設定されています。

コストソースCRP：CRPのコストは上記の練習のコストテーブルに郡のFIPSコードによって決定されるであろうことを示すために、 "1場所"に設定してください。

3。代表的な結果

GeneticiSWAT.exeはすべての解候補（個人）だけでなく、最適化の実行を再開するために使用することができます最終的なアルゴリズムの反復との結果をコードする "保存"ファイルの設定と結果を示すログファイルを生成します。

この時点で、1次のステップに従うことで、パレート効率的なソリューション（トレードオフのフロンティア）のセット全体を視覚化することができます：

  1. GeneticiSWATを実行する;
    1. i_SWATデータベース "アライグマGA.mdb"を開き、 "開く"、 "ファイル"に進みます。
    2. その後、 "エクスポートHRUリスト"を "実行"に進みます。 "アライグマアレルHRU.txt"としてファイルを保存します。
  2. "3Dアニメーション"をクリックし、 "実行"を選択し、Mapswat.exeを実行することにより、アニメーションを制作。

figure-protocol-2
図2：Scが3次元可視化のためのフロンティア "スナップショット"を作成するためのreenshot。

出力は、POV-Rayのプログラムを使用して、次に "レンダリング"、 "ファイルキュー"を選択して画像ファイルに一度にレンダリングされたすべてのことができるファイルのシリーズです。画像は自分で使用したり、アルゴリズムの進行を示すムービーにまとめることができます。

figure-protocol-3
図3はトレードオフのフロンティアの静的可視化。

必要であれば、アルゴリズムの進行を示すムービー "はFramescanner.exe"を実行し、次の手順を実行することによって作成できます。

  1. "ファイル"に移動し、[次に "新規作成"、 "ファイル"→ "インポート"、 "PNGファイル"を参照してください。静止画像を選択します。
  2. その後、 "AVI"、 "ファイル"→ "エクスポート"に移動し、ムービーを作成します。
  3. 画像のバッチからAVIファイルを作成するためのコーデック "DIB"を選択ファイル。

フロンティア内の各ポイントは、流域構成（景観上の保全慣行の特定の割り当て）を表します。これらの構成のマップは、次の手順を実行して、全体のフロンティアとして見ることができる：

  1. Mapswat.exeを実行し、 "マップアニメーション"次に、 "実行"を選択します。
  2. プリセットリストから "狸"を選択し、 "Apply"をクリックします。
  3. マップレイアウト一覧から "レイアウト7（ラクーン）"を選択し、 "OK"をクリックします。

figure-protocol-4
図4：最後のフロンティア内の個々のマップを作成するのスクリーンショット。

関心のある特定の流域構成（個人）をエクスポートします。

多くの場合、目的の質問は特定の水質目標を達成する具体的な流域の構成（個人）を選択することです。例えば、人は個人ラージヒルを見つけたがっているかもしれませんベースラインの負荷に対して20％の30％、リンによって窒素を低減フロンティアでidual。 MapSWATは1つが指定された目標に対する最小ユークリッド距離を使用して個々のためにフロンテ​​ィアを検索することができます。これは、次の操作を実行して行うことができます。

  1. MapSWAT.exeを開きます。 "検索" | "を実行"を選択します。

figure-protocol-5
図5：水質目標に基づくフロンティアで特定の個人を検索のスクリーンショット。

  1. 最小と最大の削減目標tminと tmaxならびに間隔の色合いを入力します 。また、リンのベースラインの横に"％削減"の具体的なパーセントのNラインの横に"％削減"空間のベースラインからの窒素の減少（Nspec）、およびパーセントリンの減少（PSPEC）を入力します 。プログラムは、ポップアップ画面での出力を生成します。

figure-protocol-6
図6：検索出力のスクリーンショット

  1. "テキストのコピー"をクリックし、スプレッドシートに貼り付けます。 3つのテーブルが生成されます。最初にティントでのTminからTMAXの範囲で同じ％削減、N、Pのターゲットに最も近い個体があります。ちょうどこの下にターゲットに最も近い一人の個人（Nspec、PSPEC）が表示されます。 NはNspecほぼ一定に保持されている間のTminからTmaxにPのターゲット範囲最寄りの個人を示す表、第二。第三に、PはPSPECほぼ一定に保持されている間のTminからTmaxにまでN個の目標最寄りの個人を与えるテーブル。このケースでは、30％のN削減に最も近い個体は14,637,279.60のN値を持つID 8423であった。ここ保全の実践とトレードオフのフロンティアでは、この流域構成の場所の空間的な分布を示すマップは、次のとおりです。

files/ftp_upload/4009/4009fig7.jpgの "alt ="図7 "/>
図7。フロンティアで選択された個々のサンプルを記述したマップのスクリーンショット。 拡大図を表示するには、ここをクリックしてください 。

さらに分析するために、地図データをエクスポートすると、以下の手順に従うことにより可能である：

  1. Mapswat.exeを実行して、 "実行"を選択し、 "マップデータのエクスポート"。
  2. プリセットリストから "狸"を選択し、 "Apply"をクリックします。
  3. 流域形状（個別）（8423参照）のIDを入力し、 "OK"をクリックして "表示アレルのプロパティ"と "ショー·コスト"をチェックします。このデータは、GISプログラムを使用して、選択した流域形状のカスタムマップを作成するために使用することができます。
プログラムの名称 ソース 説明
回転子カード
Swat2005GA.exe 米国農務省草地、土壌·水研究所流域シミュレーションモデル
i_SWAT.exe カード SWATのデータベースインターフェイス
GeneticISWAT.exe カード進化アルゴリズムのSWATのコントローラ。からGALib組み込んhttp://lancet.mit.edu/ga/ 。
MapSWAT.exe カード i_SWATデータベースとシェープファイルを読み込んで、世代や個人の画像を生成します。
POV-Rayは Povray.org ビジョンレイトレーサーの永続性。
Framescanner.exe トッドキャンベル AVIファイルコンバータへのPNG画像
Windows Liveムービーメーカーマイクロソフト AVを圧縮するために使用私はWMVへ
土壌、気象、流域の管理データとi_SWATデータベースを作成し、塗りつぶします。

表1に必要なプログラムの表。

ファイルの名前 タイプ 説明
アライグマGA.mdb Accessデータベースアライグマ流域の構造と管理の説明。 GeneticiSWATとMapSWATによる読み込み。
流域presets.csv テキスト GeneticiSWAT.exeとMapSWATの設定プリセット
Alleles.csv テキスト進化的アルゴリズムのための対立遺伝子セットの一覧。
アライグマアレルHRU.txt テキスト GeneticISWATが農地であると判断、それらの対立を記載することによって作成されたファイル。 MapSWATによる読み込み。
subbasin Josh.mdbの訓練費 Accessデータベース管理の実践や郡によってコストを削減できます。
テラスZones.mdb Accessデータベース表[HUCデータ]流域用のテラスと歩留まりゾーン番号を保持しています。
NRI Budgets.mdb Accessデータベースこの実行で使用されていない作物＆マシンのテーブルのGeneticISWAT.exeによる読み込み。
phucrp 2008-12-15.dat テキストこの実行で使用されていない植物の熱ユニットルックアップテーブル、。
Management.mdb Accessデータベースこの実行で使用されていない回転ルックアップテーブル、。
アライグマジョージア2011年9月28日1313.log、アライグマジョージア2011年9月29日0732.log、アライグマジョージア2011年10月7日0644.log テキスト GeneticISWAT実行のログファイル。
アライグマGA.wmv アニメーション世代別の個人の3Dディスプレイ
Subbasin.shp > ESRIシェイプファイル流域におけるsubbasinsの概要。
アライグマMap.wmv アニメーションフロンティア上の個々の各subbasinための支配的な対立の表示。

表2に必要なサンプルファイルの表。

Access restricted. Please log in or start a trial to view this content.

Discussion

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

私たちは、流域レベルの栄養素削減目標の範囲を達成するために農業保全慣行の最低コストミックスと場所を含む流域構成のパレート効率的なセットを検索するための統合されたシミュレーション·最適化フレームワークを構築します。シミュレーション·最適化システムの概念図を図8に示されている。農業保全慣行の水質への影響をシミュレートすることを含む、流域シミュレーションは、Windowsベースのデータベース管理システム、i_SWAT 6,8と相まって水文モデル、SWAT2005によって処理されます。最適化コンポーネントは、SWATの水文応答単位（HRUs）上で動作し、同時に栄養負荷（N、P、または両方）と保全慣行のコストを最小限に抑える保全慣行の配分を見つけるために進化アルゴリズム26のロジックを採用しています。アルゴリズムの反復が、個々を存続のセットを終えられた後にualsは、おおよそのトレードオフのフロンティアを表しています。 2つの栄養素を同時に（硝酸塩-N及び全リン）が検討されているので、我々は3次元のトレードオフのフロンティアを入手してく...

Access restricted. Please log in or start a trial to view this content.

Disclosures

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

特別な利害関係は宣言されません。

Acknowledgements

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

この研究は、米国環境保護庁のターゲット流域グラント·プログラム（プロジェクト＃WS97704801）、結合自然と人間系の国立科学財団のダイナミクス（プロジェクト＃DEB1010259-CARD-クリン）、及び米国司法省から受け取ったサポートから一部で賄われていたFoodand農業協定の農業プロジェクトの農研究所（プロジェクト＃20116800230190-CARD-）の。

Access restricted. Please log in or start a trial to view this content.

References

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  1. American Society of Agricultural and Biological Engineers. Design, layout, construction, and maintenance of terrace systems. ASAE Standard. , S268(2003).
  2. Raccoon River Watershed water quality master plan. , Agren, Inc. Carroll, IA. (2011).
  3. 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).
  4. Bekele, E. G., Nicklow, J. W. Multiobjective management of ecosystem services by integrative watershed modeling and evolutionary algorithms. Water Resour. Res. 41, W10406(2005).
  5. 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).
  6. 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).
  7. 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).
  8. 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.
  9. 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).
  10. 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).
  11. 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).
  12. 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).
  13. 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).
  14. 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).
  15. Muleta, M. K., Nicklow, J. W. Evolutionary algorithms for multiobjective evaluation of watershed management decisions. J. Hydroinform. 4 (2), 83-97 (2002).
  16. Muleta, M. K., Nicklow, J. W. Decision support for watershed management using evolutionary algorithms. J. Water Resour. Plan. Manag. 131 (1), 35-44 (2005).
  17. 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).
  18. 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).
  19. 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).
  20. 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).
  21. Ribaudo, M. O. Consideration of off-site impacts in targeting soil conservation programs. Land Econ. 62, 402-411 (1986).
  22. Ribaudo, M. O. Targeting the conservation reserve program to maximize water quality benefits. Land Econ. 65, 320-332 (1989).
  23. 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).
  24. 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).
  25. GAlib: Matthew's Genetic Algorithms Library [Internet]. , Available from: http://lancet.mit.edu/ga/ (1996).
  26. 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).
  27. Zitzler, E., Laumanns, M., Thiele, L. SPEA2: Improving the Strength Pareto Evolutionary Algorithm for Multiobjective Optimization. CIMNE. , 95-100 (2002).

Access restricted. Please log in or start a trial to view this content.

Reprints and Permissions

Request permission to reuse the text or figures of this JoVE article

Request Permission

Tags

Spatial Multiobjective OptimizationAgricultural Conservation PracticesSWAT ModelEvolutionary AlgorithmWatershed SimulationNonpoint Source PollutionCost Effective TargetingTradeoff FrontiersGenetic IwoSPEA2 Algorithm

Related Articles