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