This study presents an optimization

This study presents an optimization method based on cellular automaton (CA) for solving spatial forest planning problems. The CA maximizes stand-level and neighbourhood objectives locally, i.e., separately for different stands or raster cells. Global objectives are dealt with by adding a global part to the objective function and gradually increasing its weight until the global targets are met to a required degree. The method was tested in an area that consisted of 2500 (50 × 50) hexagons 1 ha in size. The CA was used with both parallel and sequential state-updating rules. The method was compared with linear programming (LP) in four nonspatial forest planning problems where net present value (NPV) was maximized subject to harvest constraints. The CA solutions were within 99.6% of the LP solutions in three problems and 97.9% in the fourth problem. The CA was compared with simulated annealing (SA) in three spatial problems where a multiobjective utility function was maximized subject to periodical harvest and ending volume constraints. The nonspatial goal was the NPV and the spatial goals were old forest and cutting area aggregation as well as dispersion of regeneration cuttings. The CA produced higher objective function values than SA in all problems. Especially, the spatial objective variables were better in the CA solutions, whereas differences in NPV were small. There were no major differences in the performance of the parallel and sequential cell state-updating modes of the CA.

Hasil (Bahasa Indonesia) 1:

Studi ini menyajikan metode optimasi yang didasarkan pada seluler otomaton (CA) untuk memecahkan spasial hutan, perencanaan masalah. CA memaksimalkan tujuan berdiri-tingkat dan lingkungan lokal, yaitu, secara terpisah untuk berdiri yang berbeda atau sel raster. Tujuan global ditangani dengan menambahkan bagian global ke fungsi objektif dan secara bertahap meningkatkan berat sampai target global terpenuhi hingga tingkat yang diperlukan. Metode ini diuji di suatu daerah yang terdiri dari segi enam 2500 (50 × 50) 1 ha dalam ukuran. CA digunakan dengan baik paralel dan berurutan aturan negara-update. Metode dibandingkan dengan pemrograman linier (LP) di empat nonspatial hutan masalah perencanaan yang mana nilai sekarang bersih (NPV) dimaksimalkan dapat panen kendala. CA solusi yang dalam 99.6% dari solusi LP di tiga masalah dan 97.9% di keempat masalah. CA dibandingkan dengan simulasi pelunakan (SA) di tiga masalah spasial yang mana fungsi multiobjective utilitas dimaksimalkan dapat berkala panen dan berakhir volume kendala. Tujuan nonspatial adalah NPV dan tujuan spasial hutan tua dan memotong daerah agregasi serta dispersi stek regenerasi. CA memproduksi lebih tinggi nilai fungsi tujuan dari SA dalam semua masalah. Terutama, variabel objektif spasial yang lebih baik di CA solusi, sedangkan perbedaan NPV masih kecil. Ada tidak ada perbedaan yang besar dalam kinerja sel paralel dan berurutan negara-update modus CA.

Hasil (Bahasa Indonesia) 2:

Penelitian ini menyajikan sebuah metode optimasi berdasarkan otomat seluler (CA) untuk memecahkan masalah perencanaan hutan spasial. CA memaksimalkan tingkat tegakan dan tujuan lingkungan lokal, yaitu, secara terpisah untuk berdiri yang berbeda atau sel raster. tujuan global ditangani dengan menambahkan bagian global untuk fungsi tujuan dan secara bertahap meningkatkan berat sampai target global terpenuhi untuk tingkat yang diperlukan. Metode ini diuji di daerah yang terdiri dari 2.500 (50 × 50) segi enam 1 hektar. CA digunakan dengan baik aturan negara-update paralel dan sekuensial. Metode ini dibandingkan dengan pemrograman linear (LP) di empat masalah perencanaan hutan nonspatial mana net present value (NPV) dimaksimalkan tunduk pada batasan panen. Solusi CA berada dalam 99,6% dari solusi LP di tiga masalah dan 97,9% dalam masalah keempat. CA dibandingkan dengan simulasi anil (SA) di tiga masalah tata ruang di mana fungsi utilitas multiobjective dimaksimalkan tunduk panen berkala dan berakhir kendala volume. Tujuan nonspatial adalah NPV dan tujuan tata ruang yang hutan tua dan daerah agregasi cutting serta dispersi stek regenerasi. CA diproduksi nilai fungsi tujuan yang lebih tinggi dari SA di semua masalah. Terutama, variabel tujuan spasial yang lebih baik di solusi CA, sedangkan perbedaan NPV yang kecil. Tidak ada perbedaan besar dalam kinerja mode sel negara-update paralel dan sekuensial dari CA.