- ข้อความ
- ประวัติศาสตร์
2. Selection of nature reserves2.1.
2. Selection of nature reserves
2.1. Interest of nature reserves
Many countries have pledged to halt biodiversity loss in the near
future and have adopted different strategies for this including the
protection of land and sea areas. These protected areas – or reserves
– play a decisive role in maintaining biodiversity because they aim
directly at the protection of elements which have the strongest risk
of extinction. These elements relate to flora, fauna, rocks, minerals
and fossils, or major geomorphological sites. The objective is to ensure
each threatened species or site has a place where its future is
guaranteed. Thus, many governmental and nongovernmental programs
seek to restore and protect habitat in order to preserve the
species. At the 10th meeting of the CBD, a plan for biodiversity conservation
for 2020 was adopted. It contains 20 goals including the
restoration of degraded habitats and the establishment of protected
areas (terrestrial, marine and coastal). Commenting on the plan, the
President of the environmental organization Conservation International,
said that the problem is not only quantitative but also qualitative and that the most important areas in terms of biodiversity
must be protected. The resources available for this protection
being obviously limited, it is important to use them efficiently. Until
the 1980s, the proposed methods mainly consisted to rank the potential
sites in order of interest by using scoring methods. Smith
and Theberge (1986) and Cocks and Baird (1989) were some of
the first authors to propose the use of mathematical optimization
techniques for solving the problem of selecting which sites should
ideally be included in a reserve network. Subsequently, many optimization
models have been proposed in the literature of operational
research and conservation biology to help select sites for
designing reserves. These publications are usually theoretical, they
are modeling realistic problems and propose algorithms – often
heuristics – to solve them. Some authors discuss the applicability
of these models (see e.g., Cabeza and Moilanen, 2001). Many objectives
can be considered in selecting nature reserves. For example,
Juutinen and Mönkkönen (2007) compare the obtained results with
two different objectives, the presence of species and species abundance,
while varying the relative weights of different species. They
carry out their study using actual data for the boreal forest in Finland.
Some articles are based on multi-objective mathematical programming
(see e.g., Memtsas, 2003). Although many publications
present applications of their models to real data (see e.g., Poulin
et al., 2006; Toth et al., 2009; Fiorella et al., 2010; Groeneveld,
2010), few of them concern the actual use of these models by an
organization to make decisions. Some articles discuss the gap in this
field between theory and practice (see e.g., Prendergast et al., 1999;
Pressey and Cowling, 2001; Knight et al., 2008; Schindler et al.,
2011; Braunisch et al., 2012; Jolibert and Wesselink, 2012). Several
software for selecting nature reserves are currently available. Marxan
(http://www.uq.edu.au/marxan/) finds good solutions to a
mathematically well-specified problem. Different optimization
techniques are used to drive the optimization phase of this software:
integer linear programming to obtain exact optimal solutions
and metaheuristics such as genetic algorithms and simulated
annealing to obtain approximate solutions. The reader can refer
to (Ball et al., 2009) for a comprehensive description of this
software including an example of its application to a conservation
prioritization for the entire Australian continent. Other valuable
software are also available: Zonation (http://www.helsinki.fi/
bioscience/consplan/software/Zonation/index.html) and C-Plan,
(http://www.edg.org.au/free-tools/cplan.html).
With regard to Zonation and C-Plan, the reader may refer to
Moilanen et al. (2009) and Pressey et al. (2009), respectively.
The reader may also refer to Sarkar et al. (2006), a comprehensive
survey on the biodiversity conservation planning tools
presented in the conservation biology literature. Among other
things this survey reviews the various software tools for conservation
planning that have been developed over the past 20 years.
Four other interesting references are (Pressey et al., 1996),
(Rodrigues and Gaston, 2002b), (Fischer and Church, 2005) and
(Vanderkam et al., 2007). In these articles the authors compare
exact and heuristics approaches to solve some reserve selection
problems.
We present below some selection reserve problems and their
formulation by mathematical programming. We first consider the
basic problem and some variants. This problem is to select a set
of areas, of minimum cost, to protect a set of predefined species.
A variant consists in determining, under a budget constraint, a
set of areas to protect a maximum number of species. These problems
can be modeled easily by 0–1 linear programs and can be
solved efficiently by commercial solvers. We then illustrate consideration
of spatial constraints. These constraints may affect the
compactness of the reserve, its connectivity or its shape. They
can also impose a specific role to different areas of the reserve
(central zone and buffer zone, for example). Taking into account these spatial constraints often complicates the models because
they generate nonlinearities in the associated mathematical programs.
The connectivity constraint, common to many operational
research problems, is particularly difficult to take into account.
We then focus on the definition of reserves taking into account
the population of each species that needs protection. In this case,
we consider that a species can survive only if the size of its population
exceeds a certain threshold. Another objective, also taking
into account the population size of each species, is to define a reserve
which maximizes the species diversity. Again, the optimal
solutions can be difficult to obtain. We also consider the realistic
case, where for each species we only know its survival probability
in a protected area. The associated problems are often difficult to
solve because the expression of the survival probability of a species
in a given set of protected areas is generally complicated. In some
cases, one should be satisfied with sub-optimal solutions. Finally,
we illustrate the temporal dimension which may occur in the design
of a reserve. Consideration of time does not necessarily introduces
great difficulties in modeling. However it increases the size
of the associated programs.
2.1. Interest of nature reserves
Many countries have pledged to halt biodiversity loss in the near
future and have adopted different strategies for this including the
protection of land and sea areas. These protected areas – or reserves
– play a decisive role in maintaining biodiversity because they aim
directly at the protection of elements which have the strongest risk
of extinction. These elements relate to flora, fauna, rocks, minerals
and fossils, or major geomorphological sites. The objective is to ensure
each threatened species or site has a place where its future is
guaranteed. Thus, many governmental and nongovernmental programs
seek to restore and protect habitat in order to preserve the
species. At the 10th meeting of the CBD, a plan for biodiversity conservation
for 2020 was adopted. It contains 20 goals including the
restoration of degraded habitats and the establishment of protected
areas (terrestrial, marine and coastal). Commenting on the plan, the
President of the environmental organization Conservation International,
said that the problem is not only quantitative but also qualitative and that the most important areas in terms of biodiversity
must be protected. The resources available for this protection
being obviously limited, it is important to use them efficiently. Until
the 1980s, the proposed methods mainly consisted to rank the potential
sites in order of interest by using scoring methods. Smith
and Theberge (1986) and Cocks and Baird (1989) were some of
the first authors to propose the use of mathematical optimization
techniques for solving the problem of selecting which sites should
ideally be included in a reserve network. Subsequently, many optimization
models have been proposed in the literature of operational
research and conservation biology to help select sites for
designing reserves. These publications are usually theoretical, they
are modeling realistic problems and propose algorithms – often
heuristics – to solve them. Some authors discuss the applicability
of these models (see e.g., Cabeza and Moilanen, 2001). Many objectives
can be considered in selecting nature reserves. For example,
Juutinen and Mönkkönen (2007) compare the obtained results with
two different objectives, the presence of species and species abundance,
while varying the relative weights of different species. They
carry out their study using actual data for the boreal forest in Finland.
Some articles are based on multi-objective mathematical programming
(see e.g., Memtsas, 2003). Although many publications
present applications of their models to real data (see e.g., Poulin
et al., 2006; Toth et al., 2009; Fiorella et al., 2010; Groeneveld,
2010), few of them concern the actual use of these models by an
organization to make decisions. Some articles discuss the gap in this
field between theory and practice (see e.g., Prendergast et al., 1999;
Pressey and Cowling, 2001; Knight et al., 2008; Schindler et al.,
2011; Braunisch et al., 2012; Jolibert and Wesselink, 2012). Several
software for selecting nature reserves are currently available. Marxan
(http://www.uq.edu.au/marxan/) finds good solutions to a
mathematically well-specified problem. Different optimization
techniques are used to drive the optimization phase of this software:
integer linear programming to obtain exact optimal solutions
and metaheuristics such as genetic algorithms and simulated
annealing to obtain approximate solutions. The reader can refer
to (Ball et al., 2009) for a comprehensive description of this
software including an example of its application to a conservation
prioritization for the entire Australian continent. Other valuable
software are also available: Zonation (http://www.helsinki.fi/
bioscience/consplan/software/Zonation/index.html) and C-Plan,
(http://www.edg.org.au/free-tools/cplan.html).
With regard to Zonation and C-Plan, the reader may refer to
Moilanen et al. (2009) and Pressey et al. (2009), respectively.
The reader may also refer to Sarkar et al. (2006), a comprehensive
survey on the biodiversity conservation planning tools
presented in the conservation biology literature. Among other
things this survey reviews the various software tools for conservation
planning that have been developed over the past 20 years.
Four other interesting references are (Pressey et al., 1996),
(Rodrigues and Gaston, 2002b), (Fischer and Church, 2005) and
(Vanderkam et al., 2007). In these articles the authors compare
exact and heuristics approaches to solve some reserve selection
problems.
We present below some selection reserve problems and their
formulation by mathematical programming. We first consider the
basic problem and some variants. This problem is to select a set
of areas, of minimum cost, to protect a set of predefined species.
A variant consists in determining, under a budget constraint, a
set of areas to protect a maximum number of species. These problems
can be modeled easily by 0–1 linear programs and can be
solved efficiently by commercial solvers. We then illustrate consideration
of spatial constraints. These constraints may affect the
compactness of the reserve, its connectivity or its shape. They
can also impose a specific role to different areas of the reserve
(central zone and buffer zone, for example). Taking into account these spatial constraints often complicates the models because
they generate nonlinearities in the associated mathematical programs.
The connectivity constraint, common to many operational
research problems, is particularly difficult to take into account.
We then focus on the definition of reserves taking into account
the population of each species that needs protection. In this case,
we consider that a species can survive only if the size of its population
exceeds a certain threshold. Another objective, also taking
into account the population size of each species, is to define a reserve
which maximizes the species diversity. Again, the optimal
solutions can be difficult to obtain. We also consider the realistic
case, where for each species we only know its survival probability
in a protected area. The associated problems are often difficult to
solve because the expression of the survival probability of a species
in a given set of protected areas is generally complicated. In some
cases, one should be satisfied with sub-optimal solutions. Finally,
we illustrate the temporal dimension which may occur in the design
of a reserve. Consideration of time does not necessarily introduces
great difficulties in modeling. However it increases the size
of the associated programs.
0/5000
2. เลือกเขตอนุรักษ์2.1. สนใจธรรมชาติสำรองหลายประเทศได้บริจาคเพื่อหยุดการสูญเสียความหลากหลายทางชีวภาพในใกล้ในอนาคต และได้นำกลยุทธ์ต่าง ๆ นี้รวมถึงการปกป้องแผ่นดินและทะเล พื้นที่ป้องกัน – หรือสำรองเหล่านี้-เล่นบทบาทชี้ขาดในการรักษาความหลากหลายทางชีวภาพเนื่องจากพวกเขามีจุดมุ่งหมายโดยตรงในการคุ้มครองขององค์ประกอบที่มีความเสี่ยงรัดกุมที่สุดสูญพันธุ์ องค์ประกอบเหล่านี้เกี่ยวข้องกับพืช สัตว์ หิน แร่ธาตุและซากดึกดำบรรพ์ หรือสถานที่สำคัญที่ geomorphological วัตถุประสงค์คือเพื่อ ให้แน่ใจแต่ละสปีชีส์คามหรือไซต์มีตำแหน่งที่เป็นอนาคตของรับประกัน ดังนั้น ภาครัฐ และเอกชนจำนวนมากค้นหาเพื่อคืนค่า และปกป้องอยู่อาศัยการรักษาสายพันธ์ ในการประชุม 10 เอน แผนการอนุรักษ์ความหลากหลายทางชีวภาพสำหรับ 2020 ถูกนำมาใช้ ประกอบด้วยเป้าหมายที่ 20 รวมถึงการอยู่อาศัยเสื่อมโทรมฟื้นฟู และป้องกันการก่อตั้งพื้นที่ (ภาคพื้น ทางทะเล และชายฝั่ง) แสดงความคิดเห็นในแผน การประธานองค์กรสิ่งแวดล้อมนานาชาติอนุรักษ์กล่าวว่า ปัญหาไม่เฉพาะเชิงปริมาณ แต่ยังคุณภาพและพื้นที่สำคัญที่สุดในแง่ของความหลากหลายทางชีวภาพต้องได้รับการป้องกัน ทรัพยากรพร้อมใช้งานสำหรับการป้องกันนี้ชัดจำกัด มันจะต้องใช้อย่างมีประสิทธิภาพ จนถึงทศวรรษที่ 1980 วิธีการนำเสนอส่วนใหญ่ประกอบด้วยการจัดอันดับศักยภาพเว็บไซต์น่าสนใจโดยใช้วิธีการให้คะแนนตามลำดับ สมิธและ Theberge (1986) และ Cocks และ Baird (1989) ได้บางผู้เขียนแรกเสนอใช้ของคณิตศาสตร์เทคนิคการแก้ปัญหาของการเลือกไซต์ที่ควรดาวจะรวมอยู่ในเครือข่ายสำรอง ในเวลาต่อมา เพิ่มประสิทธิภาพในได้รับการเสนอรูปแบบในเอกสารประกอบการดำเนินงานของชีววิทยาวิจัยและอนุรักษ์เพื่อช่วยเลือกไซต์ออกแบบสำรอง สิ่งเหล่านี้เป็นทฤษฎีปกติ พวกเขามีปัญหาจริงโมเดล และเสนออัลกอริทึม – บ่อยรุก – แก้ไขปัญหาเหล่านั้น บางอย่างผู้เขียนกล่าวถึงความเกี่ยวข้องของการของโมเดลเหล่านี้ (ดูเช่น Cabeza และ Moilanen, 2001) วัตถุประสงค์ในสามารถพิจารณาเลือกเขตอนุรักษ์ ตัวอย่างJuutinen และ Mönkkönen (2007) เปรียบเทียบผลได้รับวัตถุประสงค์แตกต่างกันสอง สถานะของชนิดและสายพันธุ์ความอุดมสมบูรณ์ในขณะที่น้ำหนักสัมพัทธ์ของสายพันธุ์ต่าง ๆ ที่แตกต่างกันไป พวกเขาดำเนินการศึกษาโดยใช้ข้อมูลจริงในป่า boreal ในฟินแลนด์บทความขึ้นอยู่กับการเขียนโปรแกรมทางคณิตศาสตร์หลายวัตถุประสงค์(ดูเช่น Memtsas, 2003) แม้ว่าหลายสิ่งนำเสนอโปรแกรมประยุกต์รุ่นของข้อมูลจริง (ดูเช่น Poulinและ al., 2006 Toth et al., 2009 Fiorella et al., 2010 Groeneveld2010 ไม่กี่ของพวกเขาเกี่ยวกับการใช้จริงของโมเดลเหล่านี้โดยการองค์กรในการตัดสินใจ บางบทความกล่าวถึงช่องว่างนี้ฟิลด์ระหว่างทฤษฎีและปฏิบัติ (ดู:เช่น Prendergast et al., 1999Pressey และ Cowling, 2001 อัศวิน et al., 2008 ชินด์เลอร์ et al.,2011 Braunisch et al., 2012 Jolibert ก Wesselink, 2012) หลายซอฟต์แวร์สำหรับการเลือกสำรองในธรรมชาติมีอยู่ในปัจจุบัน เช่น Marxan(http://www.uq.edu.au/marxan/) ค้นหาโซลูชั่นที่ดีเพื่อเป็นปัญหา mathematically ระบุห้องพัก เพิ่มประสิทธิภาพที่แตกต่างกันใช้เทคนิคการขับระยะเพิ่มประสิทธิภาพของซอฟต์แวร์นี้:เชิงจำนวนเต็มจะได้รับโซลูชั่นที่ดีที่สุดแน่นอนและ metaheuristics เช่นอัลกอริทึมทางพันธุกรรม และการจำลองการอบเหนียวได้รับโซลูชั่นโดยประมาณ ผู้อ่านสามารถอ้างอิงเพื่อ (ลูกร้อยเอ็ด al., 2009) สำหรับคำอธิบายที่ครอบคลุมนี้ซอฟต์แวร์รวมทั้งตัวอย่างของโปรแกรมประยุกต์เพื่อการอนุรักษ์ระดับความสำคัญสำหรับทวีปออสเตรเลียทั้งหมด อื่น ๆ ค่ะนอกจากนี้ยังมีซอฟต์แวร์: Zonation (http://www.helsinki.fi/bioscience/consplan/software/Zonation/index.html) และ C-วาง แผน(http://www.edg.org.au/free-tools/cplan.html)เกี่ยวกับ Zonation และแผน C อ่านอาจหมายถึงMoilanen et al. (2009) และ al. et Pressey (2009), ตามลำดับผู้อ่านอาจยังอ้างการ Sarkar et al. (2006), ครอบคลุมสำรวจในการอนุรักษ์ความหลากหลายทางชีวภาพที่วางเครื่องมือนำเสนอในเอกสารข้อมูลทางชีววิทยาการอนุรักษ์ อื่น ๆกิจกรรมสำรวจนี้รีวิวเครื่องมือซอฟต์แวร์ต่าง ๆ เพื่อการอนุรักษ์วางแผนที่มีการพัฒนามากกว่า 20 ปีอ้างอิงที่น่าสนใจ 4 อื่น ๆ มี (Pressey et al., 1996) ,(Rodrigues and Gaston, 2002b), (Fischer and Church, 2005) and(Vanderkam et al., 2007). In these articles the authors compareexact and heuristics approaches to solve some reserve selectionproblems.We present below some selection reserve problems and theirformulation by mathematical programming. We first consider thebasic problem and some variants. This problem is to select a setof areas, of minimum cost, to protect a set of predefined species.A variant consists in determining, under a budget constraint, aset of areas to protect a maximum number of species. These problemscan be modeled easily by 0–1 linear programs and can besolved efficiently by commercial solvers. We then illustrate considerationof spatial constraints. These constraints may affect thecompactness of the reserve, its connectivity or its shape. Theycan also impose a specific role to different areas of the reserve(central zone and buffer zone, for example). Taking into account these spatial constraints often complicates the models becausethey generate nonlinearities in the associated mathematical programs.The connectivity constraint, common to many operationalresearch problems, is particularly difficult to take into account.We then focus on the definition of reserves taking into accountthe population of each species that needs protection. In this case,we consider that a species can survive only if the size of its populationexceeds a certain threshold. Another objective, also takinginto account the population size of each species, is to define a reservewhich maximizes the species diversity. Again, the optimalsolutions can be difficult to obtain. We also consider the realisticcase, where for each species we only know its survival probabilityin a protected area. The associated problems are often difficult tosolve because the expression of the survival probability of a speciesin a given set of protected areas is generally complicated. In somecases, one should be satisfied with sub-optimal solutions. Finally,we illustrate the temporal dimension which may occur in the designof a reserve. Consideration of time does not necessarily introducesgreat difficulties in modeling. However it increases the sizeof the associated programs.
การแปล กรุณารอสักครู่..
2. Selection of nature reserves
2.1. Interest of nature reserves
Many countries have pledged to halt biodiversity loss in the near
future and have adopted different strategies for this including the
protection of land and sea areas. These protected areas – or reserves
– play a decisive role in maintaining biodiversity because they aim
directly at the protection of elements which have the strongest risk
of extinction. These elements relate to flora, fauna, rocks, minerals
and fossils, or major geomorphological sites. The objective is to ensure
each threatened species or site has a place where its future is
guaranteed. Thus, many governmental and nongovernmental programs
seek to restore and protect habitat in order to preserve the
species. At the 10th meeting of the CBD, a plan for biodiversity conservation
for 2020 was adopted. It contains 20 goals including the
restoration of degraded habitats and the establishment of protected
areas (terrestrial, marine and coastal). Commenting on the plan, the
President of the environmental organization Conservation International,
said that the problem is not only quantitative but also qualitative and that the most important areas in terms of biodiversity
must be protected. The resources available for this protection
being obviously limited, it is important to use them efficiently. Until
the 1980s, the proposed methods mainly consisted to rank the potential
sites in order of interest by using scoring methods. Smith
and Theberge (1986) and Cocks and Baird (1989) were some of
the first authors to propose the use of mathematical optimization
techniques for solving the problem of selecting which sites should
ideally be included in a reserve network. Subsequently, many optimization
models have been proposed in the literature of operational
research and conservation biology to help select sites for
designing reserves. These publications are usually theoretical, they
are modeling realistic problems and propose algorithms – often
heuristics – to solve them. Some authors discuss the applicability
of these models (see e.g., Cabeza and Moilanen, 2001). Many objectives
can be considered in selecting nature reserves. For example,
Juutinen and Mönkkönen (2007) compare the obtained results with
two different objectives, the presence of species and species abundance,
while varying the relative weights of different species. They
carry out their study using actual data for the boreal forest in Finland.
Some articles are based on multi-objective mathematical programming
(see e.g., Memtsas, 2003). Although many publications
present applications of their models to real data (see e.g., Poulin
et al., 2006; Toth et al., 2009; Fiorella et al., 2010; Groeneveld,
2010), few of them concern the actual use of these models by an
organization to make decisions. Some articles discuss the gap in this
field between theory and practice (see e.g., Prendergast et al., 1999;
Pressey and Cowling, 2001; Knight et al., 2008; Schindler et al.,
2011; Braunisch et al., 2012; Jolibert and Wesselink, 2012). Several
software for selecting nature reserves are currently available. Marxan
(http://www.uq.edu.au/marxan/) finds good solutions to a
mathematically well-specified problem. Different optimization
techniques are used to drive the optimization phase of this software:
integer linear programming to obtain exact optimal solutions
and metaheuristics such as genetic algorithms and simulated
annealing to obtain approximate solutions. The reader can refer
to (Ball et al., 2009) for a comprehensive description of this
software including an example of its application to a conservation
prioritization for the entire Australian continent. Other valuable
software are also available: Zonation (http://www.helsinki.fi/
bioscience/consplan/software/Zonation/index.html) and C-Plan,
(http://www.edg.org.au/free-tools/cplan.html).
With regard to Zonation and C-Plan, the reader may refer to
Moilanen et al. (2009) and Pressey et al. (2009), respectively.
The reader may also refer to Sarkar et al. (2006), a comprehensive
survey on the biodiversity conservation planning tools
presented in the conservation biology literature. Among other
things this survey reviews the various software tools for conservation
planning that have been developed over the past 20 years.
Four other interesting references are (Pressey et al., 1996),
(Rodrigues and Gaston, 2002b), (Fischer and Church, 2005) and
(Vanderkam et al., 2007). In these articles the authors compare
exact and heuristics approaches to solve some reserve selection
problems.
We present below some selection reserve problems and their
formulation by mathematical programming. We first consider the
basic problem and some variants. This problem is to select a set
of areas, of minimum cost, to protect a set of predefined species.
A variant consists in determining, under a budget constraint, a
set of areas to protect a maximum number of species. These problems
can be modeled easily by 0–1 linear programs and can be
solved efficiently by commercial solvers. We then illustrate consideration
of spatial constraints. These constraints may affect the
compactness of the reserve, its connectivity or its shape. They
can also impose a specific role to different areas of the reserve
(central zone and buffer zone, for example). Taking into account these spatial constraints often complicates the models because
they generate nonlinearities in the associated mathematical programs.
The connectivity constraint, common to many operational
research problems, is particularly difficult to take into account.
We then focus on the definition of reserves taking into account
the population of each species that needs protection. In this case,
we consider that a species can survive only if the size of its population
exceeds a certain threshold. Another objective, also taking
into account the population size of each species, is to define a reserve
which maximizes the species diversity. Again, the optimal
solutions can be difficult to obtain. We also consider the realistic
case, where for each species we only know its survival probability
in a protected area. The associated problems are often difficult to
solve because the expression of the survival probability of a species
in a given set of protected areas is generally complicated. In some
cases, one should be satisfied with sub-optimal solutions. Finally,
we illustrate the temporal dimension which may occur in the design
of a reserve. Consideration of time does not necessarily introduces
great difficulties in modeling. However it increases the size
of the associated programs.
2.1. Interest of nature reserves
Many countries have pledged to halt biodiversity loss in the near
future and have adopted different strategies for this including the
protection of land and sea areas. These protected areas – or reserves
– play a decisive role in maintaining biodiversity because they aim
directly at the protection of elements which have the strongest risk
of extinction. These elements relate to flora, fauna, rocks, minerals
and fossils, or major geomorphological sites. The objective is to ensure
each threatened species or site has a place where its future is
guaranteed. Thus, many governmental and nongovernmental programs
seek to restore and protect habitat in order to preserve the
species. At the 10th meeting of the CBD, a plan for biodiversity conservation
for 2020 was adopted. It contains 20 goals including the
restoration of degraded habitats and the establishment of protected
areas (terrestrial, marine and coastal). Commenting on the plan, the
President of the environmental organization Conservation International,
said that the problem is not only quantitative but also qualitative and that the most important areas in terms of biodiversity
must be protected. The resources available for this protection
being obviously limited, it is important to use them efficiently. Until
the 1980s, the proposed methods mainly consisted to rank the potential
sites in order of interest by using scoring methods. Smith
and Theberge (1986) and Cocks and Baird (1989) were some of
the first authors to propose the use of mathematical optimization
techniques for solving the problem of selecting which sites should
ideally be included in a reserve network. Subsequently, many optimization
models have been proposed in the literature of operational
research and conservation biology to help select sites for
designing reserves. These publications are usually theoretical, they
are modeling realistic problems and propose algorithms – often
heuristics – to solve them. Some authors discuss the applicability
of these models (see e.g., Cabeza and Moilanen, 2001). Many objectives
can be considered in selecting nature reserves. For example,
Juutinen and Mönkkönen (2007) compare the obtained results with
two different objectives, the presence of species and species abundance,
while varying the relative weights of different species. They
carry out their study using actual data for the boreal forest in Finland.
Some articles are based on multi-objective mathematical programming
(see e.g., Memtsas, 2003). Although many publications
present applications of their models to real data (see e.g., Poulin
et al., 2006; Toth et al., 2009; Fiorella et al., 2010; Groeneveld,
2010), few of them concern the actual use of these models by an
organization to make decisions. Some articles discuss the gap in this
field between theory and practice (see e.g., Prendergast et al., 1999;
Pressey and Cowling, 2001; Knight et al., 2008; Schindler et al.,
2011; Braunisch et al., 2012; Jolibert and Wesselink, 2012). Several
software for selecting nature reserves are currently available. Marxan
(http://www.uq.edu.au/marxan/) finds good solutions to a
mathematically well-specified problem. Different optimization
techniques are used to drive the optimization phase of this software:
integer linear programming to obtain exact optimal solutions
and metaheuristics such as genetic algorithms and simulated
annealing to obtain approximate solutions. The reader can refer
to (Ball et al., 2009) for a comprehensive description of this
software including an example of its application to a conservation
prioritization for the entire Australian continent. Other valuable
software are also available: Zonation (http://www.helsinki.fi/
bioscience/consplan/software/Zonation/index.html) and C-Plan,
(http://www.edg.org.au/free-tools/cplan.html).
With regard to Zonation and C-Plan, the reader may refer to
Moilanen et al. (2009) and Pressey et al. (2009), respectively.
The reader may also refer to Sarkar et al. (2006), a comprehensive
survey on the biodiversity conservation planning tools
presented in the conservation biology literature. Among other
things this survey reviews the various software tools for conservation
planning that have been developed over the past 20 years.
Four other interesting references are (Pressey et al., 1996),
(Rodrigues and Gaston, 2002b), (Fischer and Church, 2005) and
(Vanderkam et al., 2007). In these articles the authors compare
exact and heuristics approaches to solve some reserve selection
problems.
We present below some selection reserve problems and their
formulation by mathematical programming. We first consider the
basic problem and some variants. This problem is to select a set
of areas, of minimum cost, to protect a set of predefined species.
A variant consists in determining, under a budget constraint, a
set of areas to protect a maximum number of species. These problems
can be modeled easily by 0–1 linear programs and can be
solved efficiently by commercial solvers. We then illustrate consideration
of spatial constraints. These constraints may affect the
compactness of the reserve, its connectivity or its shape. They
can also impose a specific role to different areas of the reserve
(central zone and buffer zone, for example). Taking into account these spatial constraints often complicates the models because
they generate nonlinearities in the associated mathematical programs.
The connectivity constraint, common to many operational
research problems, is particularly difficult to take into account.
We then focus on the definition of reserves taking into account
the population of each species that needs protection. In this case,
we consider that a species can survive only if the size of its population
exceeds a certain threshold. Another objective, also taking
into account the population size of each species, is to define a reserve
which maximizes the species diversity. Again, the optimal
solutions can be difficult to obtain. We also consider the realistic
case, where for each species we only know its survival probability
in a protected area. The associated problems are often difficult to
solve because the expression of the survival probability of a species
in a given set of protected areas is generally complicated. In some
cases, one should be satisfied with sub-optimal solutions. Finally,
we illustrate the temporal dimension which may occur in the design
of a reserve. Consideration of time does not necessarily introduces
great difficulties in modeling. However it increases the size
of the associated programs.
การแปล กรุณารอสักครู่..
2 . การเลือกสำรองของธรรมชาติ
2.1 . สนใจสำรองธรรมชาติ
หลายประเทศให้คำมั่นสัญญาว่า จะหยุดยั้งการสูญเสียความหลากหลายทางชีวภาพในอนาคต และได้ใช้กลยุทธ์ที่แตกต่างกันสำหรับ
นี้รวมถึงการป้องกันของพื้นที่ทางบก และทางทะเล เหล่านี้ป้องกันพื้นที่ ( หรือสำรอง
–บทบาทชี้ขาดในการรักษาความหลากหลายทางชีวภาพ เพราะจุดมุ่งหมาย
โดยตรงในการป้องกันขององค์ประกอบที่แข็งแกร่งที่สุดเสี่ยง
สูญพันธุ์ องค์ประกอบเหล่านี้มีความสัมพันธ์กับพืช , พืช , หิน , แร่
และซากดึกดำบรรพ์ หรือสาขาธรณีสัณฐานเว็บไซต์ วัตถุประสงค์คือเพื่อให้แน่ใจว่า แต่ละชนิด หรือขู่
เว็บไซต์มีสถานที่ในอนาคตของ
รับประกัน ดังนั้นหลายโปรแกรมทั้งของรัฐและเอกชน
ผู้อ่านอาจหมายถึงซาร์คาร์ et al . ( 2006 ) , การสำรวจที่ครอบคลุมในการวางแผนอนุรักษ์ความหลากหลายทางชีวภาพ
นำเสนอเครื่องมือในชีววิทยาการอนุรักษ์วรรณกรรม ในสิ่งอื่น ๆ
สำรวจความคิดเห็นนี้เครื่องมือซอฟต์แวร์ต่าง ๆเพื่อการอนุรักษ์
วางแผนที่ได้ถูกพัฒนาขึ้นในช่วง 20 ปีที่ผ่านมา
4 ที่น่าสนใจอื่น ๆอ้างอิง ( pressey et al . , 1996 )
( โรดริเกส และ แกสตันพยายามที่จะฟื้นฟูและปกป้องที่อยู่อาศัยเพื่อรักษา
ชนิด ในการประชุม 10 ของ CBD , แผน
การอนุรักษ์ความหลากหลายทางชีวภาพสำหรับ 2020 เป็นลูกบุญธรรม มันมี 20 ประตู รวมทั้งฟื้นฟูพื้นที่เสื่อมโทรมและ
การป้องกันพื้นที่ ( ภาคพื้นดิน ทางทะเลและชายฝั่ง ) ความเห็นเกี่ยวกับแผน
ประธานขององค์กรอนุรักษ์สิ่งแวดล้อมนานาชาติ
กล่าวว่า ปัญหาคือไม่เพียง แต่ยัง คุณภาพ และปริมาณที่พื้นที่ที่สำคัญที่สุดในแง่ของความหลากหลายทางชีวภาพ
ต้องป้องกัน ทรัพยากรที่พร้อมใช้งานสำหรับคุ้มครอง
ถูกแน่นอน จำกัด มันเป็นสิ่งสำคัญที่จะใช้พวกเขาได้อย่างมีประสิทธิภาพ จนกระทั่ง
1980วิธีที่เสนอนี้ ส่วนใหญ่ใช้เพื่อจัดอันดับเว็บไซต์ศักยภาพ
เพื่อความสนใจโดยการใช้วิธีการให้คะแนน สมิธ
theberge ( 1986 ) และและไก่ แบร์ด ( 1989 ) บางส่วนของผู้เขียนก่อนเสนอ
ใช้เทคนิคการเพิ่มประสิทธิภาพสำหรับการแก้ปัญหาของการเลือกเว็บไซต์ที่ควร
ซึ่งถูกรวมอยู่ในในเครือข่าย ต่อมามีการเพิ่มประสิทธิภาพ
รุ่นที่ได้รับการเสนอในบทความวิจัยปฏิบัติการ
และชีววิทยาการอนุรักษ์จะช่วยให้เลือกสำหรับ
ออกแบบเว็บไซต์สำรอง สิ่งพิมพ์เหล่านี้มักจะมีปัญหาทางทฤษฎีที่พวกเขา
แบบสมจริงและนำเสนออัลกอริทึมฮิวริสติกและมักจะ
–การแก้พวกเขา บางคนเขียนเกี่ยวกับความเกี่ยวข้อง
รุ่นนี้ ( ดูเช่น นอกจากนี้ และ moilanen , 2001 )
หลายวัตถุประสงค์สามารถได้รับการพิจารณาในการเลือกสำรองธรรมชาติ ตัวอย่างเช่น
juutinen และ M ö nkk ö nen ( 2007 ) เปรียบเทียบผลการทดลองกับ
สองวัตถุประสงค์ที่แตกต่างกัน การปรากฏตัวของชนิดและสายพันธุ์ความอุดมสมบูรณ์ ในขณะที่การเปลี่ยนแปลงน้ำหนักสัมพัทธ์
ของสายพันธุ์ที่แตกต่างกัน ดำเนินการศึกษาของพวกเขา
ข้อมูลที่แท้จริงที่ใช้สำหรับป่า Boreal
ในฟินแลนด์บางบทความจะขึ้นอยู่กับหลายโปรแกรมเชิงคณิตศาสตร์
( ดูเช่น memtsas , 2003 ) แม้ว่าสิ่งพิมพ์หลาย
การใช้งานปัจจุบันของตนรุ่น ( ดูข้อมูลที่แท้จริง เช่น พูแลน
et al . , 2006 ; ทอธ et al . , 2009 ; ฟิโอเรลล่า et al . , 2010 ; groeneveld
, 2010 ) , ไม่กี่ของพวกเขากับใช้งานจริงของโมเดลเหล่านี้โดย
องค์การในการตัดสินใจ บางบทความกล่าวถึงช่องว่างนี้
สนามระหว่างทฤษฎีและการปฏิบัติ ( ดูเช่นณ et al . , 1999 ;
pressey และ Cowling , 2001 ; อัศวิน et al . , 2008 ; ชินด์เลอร์ et al . ,
2011 ; braunisch et al . , 2012 ; และ jolibert เวสซิลิงก์ , 2012 ) ซอฟต์แวร์สำหรับการเลือกหลาย
ธรรมชาติสำรองอยู่ในขณะนี้สามารถใช้ได้ marxan
( http://www.uq.edu.au/marxan/ ) พบว่าโซลูชั่นที่ดีให้
ทางคณิตศาสตร์ดีระบุปัญหา เพิ่มประสิทธิภาพ
แตกต่างกันเทคนิคที่ใช้ไดรฟ์เพิ่มประสิทธิภาพขั้นตอนของซอฟต์แวร์นี้ : เขียนโปรแกรมเชิงเส้นเพื่อขอรับ
เป็นโซลูชั่นที่เหมาะสมที่สุดที่แน่นอนและเมตาฮิวริ ิก เช่น ขั้นตอนวิธีเชิงพันธุกรรมและจำลอง
อบให้ได้ประมาณ โซลูชั่น ผู้อ่านสามารถอ้างอิง
( บอล et al . , 2009 ) สำหรับคำอธิบายอย่างละเอียดของ
ซอฟต์แวร์รวมทั้งตัวอย่างของการประยุกต์กับการอนุรักษ์
การจัดลำดับในทวีปออสเตรเลียทั้งหมด ซอฟต์แวร์ที่มีคุณค่า
อื่น ๆ นอกจากนี้ยังมี : แถว ( http : / / www.helsinki . FI /
วิทยาศาสตร์ชีวภาพ / consplan / ซอฟต์แวร์ / ฟู / index . html ) และ c-plan
, ( http : / / www.edg . org . AU / เครื่องมือฟรี / cplan . html ) .
ในเรื่องขอบเขตพื้นที่และ c-plan , เครื่องอ่าน อาจจะหมายถึง
moilanen et al . ( 2009 ) และ pressey et al .
( 2009 ) ตามลำดับผู้อ่านอาจหมายถึงซาร์คาร์ et al . ( 2006 ) , การสำรวจที่ครอบคลุมในการวางแผนอนุรักษ์ความหลากหลายทางชีวภาพ
นำเสนอเครื่องมือในชีววิทยาการอนุรักษ์วรรณกรรม ในสิ่งอื่น ๆ
สำรวจความคิดเห็นนี้เครื่องมือซอฟต์แวร์ต่าง ๆเพื่อการอนุรักษ์
วางแผนที่ได้ถูกพัฒนาขึ้นในช่วง 20 ปีที่ผ่านมา
4 ที่น่าสนใจอื่น ๆอ้างอิง ( pressey et al . , 1996 )
( โรดริเกส และ แกสตัน2002b ) , ( ฟิชเชอร์และคริสตจักร , 2005 )
( vanderkam et al . , 2007 ) ในบทความนี้ผู้เขียนเปรียบเทียบ
วิธีที่แน่นอนและฮิวริสติกเพื่อแก้ปัญหาการเลือกสำรองบ้าง
.
เราจะนำเสนอด้านล่างบางส่วนของปัญหาและการจัดทำการจอง
ด้วยโปรแกรมทางคณิตศาสตร์ เราพิจารณาปัญหาพื้นฐานบางอย่าง
และตัวแปร ปัญหานี้คือการ เลือกชุด
ของพื้นที่ของต้นทุนต่ําของการเชื่อมต่อหรือรูปร่างของมัน พวกเขายังสามารถกำหนดบทบาท
เฉพาะในพื้นที่ที่แตกต่างกันของทุนสำรอง
( โซนภาคกลางและเขตกันชน เช่น ) โดยคำนึงถึงข้อจำกัดทางพื้นที่เหล่านี้มักจะมีความซับซ้อนของโมเดล เพราะพวกเขาสร้าง nonlinearities
ในโปรแกรมที่เกี่ยวข้องทางคณิตศาสตร์ .
การเชื่อมต่อข้อจำกัดทั่วไปปัญหาวิจัยปฏิบัติการ
มากมายเพื่อปกป้องชุดของที่กำหนดไว้ล่วงหน้าชนิด
ตัวแปรประกอบด้วยในการกำหนด ภายใต้งบประมาณที่จำกัด ,
ชุดของพื้นที่เพื่อปกป้องจำนวนสูงสุดของเผ่าพันธุ์ ปัญหาเหล่านี้สามารถสร้างได้อย่างง่ายดายโดย
0 – 1 และโปรแกรมเชิงเส้นสามารถ
อย่างมีประสิทธิภาพ โดยแก้พาณิชย์แก้ เราก็แสดงให้เห็นถึงการพิจารณา
ข้อจำกัดเชิงพื้นที่ ข้อจำกัดเหล่านี้อาจส่งผลกระทบต่อ
ความเป็นปึกแผ่นของสํารองโดยเฉพาะอย่างยิ่งยากที่จะเข้าบัญชี .
เราเน้นความหมายของสำรอง จดลงในบัญชี
ประชากรของแต่ละชนิดที่ต้องปกป้อง ในกรณีนี้
เราพิจารณาว่าชนิดสามารถอยู่รอดได้เท่านั้น ถ้าขนาดของ
ประชากรเกินเกณฑ์บางอย่าง วัตถุประสงค์อื่น ยังถ่าย
เข้าบัญชีขนาดประชากรของแต่ละชนิด คือ กำหนดจอง
ซึ่งจะเพิ่มความหลากหลาย . อีกครั้ง , โซลูชั่นที่เหมาะสม
สามารถยากที่จะได้รับ เรายังได้พิจารณากรณีมีเหตุผล
ที่แต่ละชนิดที่เรารู้การอยู่รอดความน่าจะเป็น
ในพื้นที่คุ้มครอง เกี่ยวข้องปัญหามักยาก
แก้ เพราะการแสดงออกของการอยู่รอดของสายพันธุ์
ความน่าจะเป็นในกำหนดพื้นที่คุ้มครองโดยทั่วไปซับซ้อนในบาง
กรณีควรจะพอใจกับโซลูชั่นย่อยที่ดีที่สุด ในที่สุด
เราแสดงชั่วคราวมิติซึ่งอาจเกิดขึ้นในการออกแบบ
ของสำรอง การพิจารณาเวลาที่ไม่จำเป็นต้องแนะนำ
ความยากลำบากมากในการสร้างโมเดล แต่มันเพิ่มขนาด
ของที่โปรแกรม
2.1 . สนใจสำรองธรรมชาติ
หลายประเทศให้คำมั่นสัญญาว่า จะหยุดยั้งการสูญเสียความหลากหลายทางชีวภาพในอนาคต และได้ใช้กลยุทธ์ที่แตกต่างกันสำหรับ
นี้รวมถึงการป้องกันของพื้นที่ทางบก และทางทะเล เหล่านี้ป้องกันพื้นที่ ( หรือสำรอง
–บทบาทชี้ขาดในการรักษาความหลากหลายทางชีวภาพ เพราะจุดมุ่งหมาย
โดยตรงในการป้องกันขององค์ประกอบที่แข็งแกร่งที่สุดเสี่ยง
สูญพันธุ์ องค์ประกอบเหล่านี้มีความสัมพันธ์กับพืช , พืช , หิน , แร่
และซากดึกดำบรรพ์ หรือสาขาธรณีสัณฐานเว็บไซต์ วัตถุประสงค์คือเพื่อให้แน่ใจว่า แต่ละชนิด หรือขู่
เว็บไซต์มีสถานที่ในอนาคตของ
รับประกัน ดังนั้นหลายโปรแกรมทั้งของรัฐและเอกชน
ผู้อ่านอาจหมายถึงซาร์คาร์ et al . ( 2006 ) , การสำรวจที่ครอบคลุมในการวางแผนอนุรักษ์ความหลากหลายทางชีวภาพ
นำเสนอเครื่องมือในชีววิทยาการอนุรักษ์วรรณกรรม ในสิ่งอื่น ๆ
สำรวจความคิดเห็นนี้เครื่องมือซอฟต์แวร์ต่าง ๆเพื่อการอนุรักษ์
วางแผนที่ได้ถูกพัฒนาขึ้นในช่วง 20 ปีที่ผ่านมา
4 ที่น่าสนใจอื่น ๆอ้างอิง ( pressey et al . , 1996 )
( โรดริเกส และ แกสตันพยายามที่จะฟื้นฟูและปกป้องที่อยู่อาศัยเพื่อรักษา
ชนิด ในการประชุม 10 ของ CBD , แผน
การอนุรักษ์ความหลากหลายทางชีวภาพสำหรับ 2020 เป็นลูกบุญธรรม มันมี 20 ประตู รวมทั้งฟื้นฟูพื้นที่เสื่อมโทรมและ
การป้องกันพื้นที่ ( ภาคพื้นดิน ทางทะเลและชายฝั่ง ) ความเห็นเกี่ยวกับแผน
ประธานขององค์กรอนุรักษ์สิ่งแวดล้อมนานาชาติ
กล่าวว่า ปัญหาคือไม่เพียง แต่ยัง คุณภาพ และปริมาณที่พื้นที่ที่สำคัญที่สุดในแง่ของความหลากหลายทางชีวภาพ
ต้องป้องกัน ทรัพยากรที่พร้อมใช้งานสำหรับคุ้มครอง
ถูกแน่นอน จำกัด มันเป็นสิ่งสำคัญที่จะใช้พวกเขาได้อย่างมีประสิทธิภาพ จนกระทั่ง
1980วิธีที่เสนอนี้ ส่วนใหญ่ใช้เพื่อจัดอันดับเว็บไซต์ศักยภาพ
เพื่อความสนใจโดยการใช้วิธีการให้คะแนน สมิธ
theberge ( 1986 ) และและไก่ แบร์ด ( 1989 ) บางส่วนของผู้เขียนก่อนเสนอ
ใช้เทคนิคการเพิ่มประสิทธิภาพสำหรับการแก้ปัญหาของการเลือกเว็บไซต์ที่ควร
ซึ่งถูกรวมอยู่ในในเครือข่าย ต่อมามีการเพิ่มประสิทธิภาพ
รุ่นที่ได้รับการเสนอในบทความวิจัยปฏิบัติการ
และชีววิทยาการอนุรักษ์จะช่วยให้เลือกสำหรับ
ออกแบบเว็บไซต์สำรอง สิ่งพิมพ์เหล่านี้มักจะมีปัญหาทางทฤษฎีที่พวกเขา
แบบสมจริงและนำเสนออัลกอริทึมฮิวริสติกและมักจะ
–การแก้พวกเขา บางคนเขียนเกี่ยวกับความเกี่ยวข้อง
รุ่นนี้ ( ดูเช่น นอกจากนี้ และ moilanen , 2001 )
หลายวัตถุประสงค์สามารถได้รับการพิจารณาในการเลือกสำรองธรรมชาติ ตัวอย่างเช่น
juutinen และ M ö nkk ö nen ( 2007 ) เปรียบเทียบผลการทดลองกับ
สองวัตถุประสงค์ที่แตกต่างกัน การปรากฏตัวของชนิดและสายพันธุ์ความอุดมสมบูรณ์ ในขณะที่การเปลี่ยนแปลงน้ำหนักสัมพัทธ์
ของสายพันธุ์ที่แตกต่างกัน ดำเนินการศึกษาของพวกเขา
ข้อมูลที่แท้จริงที่ใช้สำหรับป่า Boreal
ในฟินแลนด์บางบทความจะขึ้นอยู่กับหลายโปรแกรมเชิงคณิตศาสตร์
( ดูเช่น memtsas , 2003 ) แม้ว่าสิ่งพิมพ์หลาย
การใช้งานปัจจุบันของตนรุ่น ( ดูข้อมูลที่แท้จริง เช่น พูแลน
et al . , 2006 ; ทอธ et al . , 2009 ; ฟิโอเรลล่า et al . , 2010 ; groeneveld
, 2010 ) , ไม่กี่ของพวกเขากับใช้งานจริงของโมเดลเหล่านี้โดย
องค์การในการตัดสินใจ บางบทความกล่าวถึงช่องว่างนี้
สนามระหว่างทฤษฎีและการปฏิบัติ ( ดูเช่นณ et al . , 1999 ;
pressey และ Cowling , 2001 ; อัศวิน et al . , 2008 ; ชินด์เลอร์ et al . ,
2011 ; braunisch et al . , 2012 ; และ jolibert เวสซิลิงก์ , 2012 ) ซอฟต์แวร์สำหรับการเลือกหลาย
ธรรมชาติสำรองอยู่ในขณะนี้สามารถใช้ได้ marxan
( http://www.uq.edu.au/marxan/ ) พบว่าโซลูชั่นที่ดีให้
ทางคณิตศาสตร์ดีระบุปัญหา เพิ่มประสิทธิภาพ
แตกต่างกันเทคนิคที่ใช้ไดรฟ์เพิ่มประสิทธิภาพขั้นตอนของซอฟต์แวร์นี้ : เขียนโปรแกรมเชิงเส้นเพื่อขอรับ
เป็นโซลูชั่นที่เหมาะสมที่สุดที่แน่นอนและเมตาฮิวริ ิก เช่น ขั้นตอนวิธีเชิงพันธุกรรมและจำลอง
อบให้ได้ประมาณ โซลูชั่น ผู้อ่านสามารถอ้างอิง
( บอล et al . , 2009 ) สำหรับคำอธิบายอย่างละเอียดของ
ซอฟต์แวร์รวมทั้งตัวอย่างของการประยุกต์กับการอนุรักษ์
การจัดลำดับในทวีปออสเตรเลียทั้งหมด ซอฟต์แวร์ที่มีคุณค่า
อื่น ๆ นอกจากนี้ยังมี : แถว ( http : / / www.helsinki . FI /
วิทยาศาสตร์ชีวภาพ / consplan / ซอฟต์แวร์ / ฟู / index . html ) และ c-plan
, ( http : / / www.edg . org . AU / เครื่องมือฟรี / cplan . html ) .
ในเรื่องขอบเขตพื้นที่และ c-plan , เครื่องอ่าน อาจจะหมายถึง
moilanen et al . ( 2009 ) และ pressey et al .
( 2009 ) ตามลำดับผู้อ่านอาจหมายถึงซาร์คาร์ et al . ( 2006 ) , การสำรวจที่ครอบคลุมในการวางแผนอนุรักษ์ความหลากหลายทางชีวภาพ
นำเสนอเครื่องมือในชีววิทยาการอนุรักษ์วรรณกรรม ในสิ่งอื่น ๆ
สำรวจความคิดเห็นนี้เครื่องมือซอฟต์แวร์ต่าง ๆเพื่อการอนุรักษ์
วางแผนที่ได้ถูกพัฒนาขึ้นในช่วง 20 ปีที่ผ่านมา
4 ที่น่าสนใจอื่น ๆอ้างอิง ( pressey et al . , 1996 )
( โรดริเกส และ แกสตัน2002b ) , ( ฟิชเชอร์และคริสตจักร , 2005 )
( vanderkam et al . , 2007 ) ในบทความนี้ผู้เขียนเปรียบเทียบ
วิธีที่แน่นอนและฮิวริสติกเพื่อแก้ปัญหาการเลือกสำรองบ้าง
.
เราจะนำเสนอด้านล่างบางส่วนของปัญหาและการจัดทำการจอง
ด้วยโปรแกรมทางคณิตศาสตร์ เราพิจารณาปัญหาพื้นฐานบางอย่าง
และตัวแปร ปัญหานี้คือการ เลือกชุด
ของพื้นที่ของต้นทุนต่ําของการเชื่อมต่อหรือรูปร่างของมัน พวกเขายังสามารถกำหนดบทบาท
เฉพาะในพื้นที่ที่แตกต่างกันของทุนสำรอง
( โซนภาคกลางและเขตกันชน เช่น ) โดยคำนึงถึงข้อจำกัดทางพื้นที่เหล่านี้มักจะมีความซับซ้อนของโมเดล เพราะพวกเขาสร้าง nonlinearities
ในโปรแกรมที่เกี่ยวข้องทางคณิตศาสตร์ .
การเชื่อมต่อข้อจำกัดทั่วไปปัญหาวิจัยปฏิบัติการ
มากมายเพื่อปกป้องชุดของที่กำหนดไว้ล่วงหน้าชนิด
ตัวแปรประกอบด้วยในการกำหนด ภายใต้งบประมาณที่จำกัด ,
ชุดของพื้นที่เพื่อปกป้องจำนวนสูงสุดของเผ่าพันธุ์ ปัญหาเหล่านี้สามารถสร้างได้อย่างง่ายดายโดย
0 – 1 และโปรแกรมเชิงเส้นสามารถ
อย่างมีประสิทธิภาพ โดยแก้พาณิชย์แก้ เราก็แสดงให้เห็นถึงการพิจารณา
ข้อจำกัดเชิงพื้นที่ ข้อจำกัดเหล่านี้อาจส่งผลกระทบต่อ
ความเป็นปึกแผ่นของสํารองโดยเฉพาะอย่างยิ่งยากที่จะเข้าบัญชี .
เราเน้นความหมายของสำรอง จดลงในบัญชี
ประชากรของแต่ละชนิดที่ต้องปกป้อง ในกรณีนี้
เราพิจารณาว่าชนิดสามารถอยู่รอดได้เท่านั้น ถ้าขนาดของ
ประชากรเกินเกณฑ์บางอย่าง วัตถุประสงค์อื่น ยังถ่าย
เข้าบัญชีขนาดประชากรของแต่ละชนิด คือ กำหนดจอง
ซึ่งจะเพิ่มความหลากหลาย . อีกครั้ง , โซลูชั่นที่เหมาะสม
สามารถยากที่จะได้รับ เรายังได้พิจารณากรณีมีเหตุผล
ที่แต่ละชนิดที่เรารู้การอยู่รอดความน่าจะเป็น
ในพื้นที่คุ้มครอง เกี่ยวข้องปัญหามักยาก
แก้ เพราะการแสดงออกของการอยู่รอดของสายพันธุ์
ความน่าจะเป็นในกำหนดพื้นที่คุ้มครองโดยทั่วไปซับซ้อนในบาง
กรณีควรจะพอใจกับโซลูชั่นย่อยที่ดีที่สุด ในที่สุด
เราแสดงชั่วคราวมิติซึ่งอาจเกิดขึ้นในการออกแบบ
ของสำรอง การพิจารณาเวลาที่ไม่จำเป็นต้องแนะนำ
ความยากลำบากมากในการสร้างโมเดล แต่มันเพิ่มขนาด
ของที่โปรแกรม
การแปล กรุณารอสักครู่..
ภาษาอื่น ๆ
การสนับสนุนเครื่องมือแปลภาษา: กรีก, กันนาดา, กาลิเชียน, คลิงออน, คอร์สิกา, คาซัค, คาตาลัน, คินยารวันดา, คีร์กิซ, คุชราต, จอร์เจีย, จีน, จีนดั้งเดิม, ชวา, ชิเชวา, ซามัว, ซีบัวโน, ซุนดา, ซูลู, ญี่ปุ่น, ดัตช์, ตรวจหาภาษา, ตุรกี, ทมิฬ, ทาจิก, ทาทาร์, นอร์เวย์, บอสเนีย, บัลแกเรีย, บาสก์, ปัญจาป, ฝรั่งเศส, พาชตู, ฟริเชียน, ฟินแลนด์, ฟิลิปปินส์, ภาษาอินโดนีเซี, มองโกเลีย, มัลทีส, มาซีโดเนีย, มาราฐี, มาลากาซี, มาลายาลัม, มาเลย์, ม้ง, ยิดดิช, ยูเครน, รัสเซีย, ละติน, ลักเซมเบิร์ก, ลัตเวีย, ลาว, ลิทัวเนีย, สวาฮิลี, สวีเดน, สิงหล, สินธี, สเปน, สโลวัก, สโลวีเนีย, อังกฤษ, อัมฮาริก, อาร์เซอร์ไบจัน, อาร์เมเนีย, อาหรับ, อิกโบ, อิตาลี, อุยกูร์, อุสเบกิสถาน, อูรดู, ฮังการี, ฮัวซา, ฮาวาย, ฮินดี, ฮีบรู, เกลิกสกอต, เกาหลี, เขมร, เคิร์ด, เช็ก, เซอร์เบียน, เซโซโท, เดนมาร์ก, เตลูกู, เติร์กเมน, เนปาล, เบงกอล, เบลารุส, เปอร์เซีย, เมารี, เมียนมา (พม่า), เยอรมัน, เวลส์, เวียดนาม, เอสเปอแรนโต, เอสโทเนีย, เฮติครีโอล, แอฟริกา, แอลเบเนีย, โคซา, โครเอเชีย, โชนา, โซมาลี, โปรตุเกส, โปแลนด์, โยรูบา, โรมาเนีย, โอเดีย (โอริยา), ไทย, ไอซ์แลนด์, ไอร์แลนด์, การแปลภาษา.
- สลับภาษาต้นทางและภาษาปลายทาง ผลลัพธ์ (ภา
- I honestly appreciate it very well
- I wish I can attend University.
- ขอบคุณสำหรับอีเมล์ของคุณ มันยากสำฟรับฉัน
- วันเกิด ของเขาคือ สินเดือน ของเดือนแรก
- มีสุขภาพที่ดีโดยกินอย่างถูกวิธี
- sanitary facilities
- dense
- แล้วแต่คุณ
- ความประทับใจในอาจารย์ที่ฉันรัก
- why laughing ?
- The tool tip is perfectly sharp.
- เราควรเปิดระดับเสียงเพลงให้เหมาะสม
- Insufficient control of heart rate in st
- โลกส่วนตัวมากเกินไป
- cam he saw this picture?
- But even if it has many advantages in th
- The teacher presents the card number of
- succes
- place
- ดิฉันต้องกลับไปทำงานที่บริษัทในตำแหน่งที
- Strong
- ศึกษาเกี่ยวกับวิธีการทำรังวัดและงานทางด้
- ขอบคุณสำหรับอีเมล์ของคุณ มันยากสำฟรับฉัน
