Multi-objective cellular automata
Multi-Objective Cellular Automata (MOCA) couples the bottom-up spatial dynamics of cellular automata with multi-objective optimization to simultaneously pursue competing goals — such as maximizing urban compactness while minimizing ecosystem loss. Each grid cell updates its state based on transition rules that are calibrated or steered to satisfy a Pareto-optimal trade-off among two or more objectives, making the method widely used in land-use change simulation, urban growth modeling, and spatial planning under conflicting demands.
Källpost
Citat kopierade ordagrant från metodens källpost. Ingen verifiering på källnivå härleds från dem.
- Liu, X., Liang, X., Li, X., Xu, X., Ou, J., Chen, Y., Li, S., Wang, S., Pei, F. (2017). A future land use simulation model (FLUS) for simulating multiple land use scenarios by coupling human and natural effects. Landscape and Urban Planning, 168, 94-116. · DOI 10.1016/j.landurbplan.2017.09.019
- Jantz, C. A., Goetz, S. J., Shelley, M. K. (2004). Using the SLEUTH urban growth model to simulate the impacts of future policy scenarios on urban land use in the Baltimore-Washington metropolitan area. Environment and Planning B: Planning and Design, 31(2), 251-271. · DOI 10.1068/b2983
Kuraterade påståenden
Påståenden lagrade i bevisloggen, var och en med sin egen bedömning.
Denna vy hittar inte på en påståendebedömning när loggen saknar en.
Relaterade metoder
Genererade från metodgrafen och visade som maskinföreslagna relationer – inga bevispåståenden härleds.