我的目标是构建一个算法在最基本的层面上,其基本目标是,考虑到当前树配置的一个特定的地区,输出工厂的最佳坐标下树。树的配置的坐标是指在一个特定地区所有的树。
让我开始通过定义术语树效用,其中包括整体定性测量的属性如森林的完整性、蓬勃发展当地生态系统的能力,减少竞争的资源(树),等等。
从这论文徐et al .(2021),我认为自然形成的森林趋向统一的空间分布。但我不相信关于我的推理,被完全未经训练的。我知道这篇论文是基于植物的森林的一个特定的模式物种。但下面的引用文本提到的纸追求我相信至少我的推理,一个统一的空间结构最大化树效用——可以推广到大多数,如果不是所有的物种
研究天然森林的结构基于统一的角度指数分布表明,树木的数量在一个随机分布微环境在自然森林是超过50%,通常可以分为两种类型,R1(哑铃型随机单元)和R2 (torch-shaped随机单元)(图1),与类似的比例(R1, R2 = 1:2),它与森林分布区域,树种,或森林类型
假设我的推理不是错,我设计了以下我将使用数学模型的基本框架构建算法。
考虑一个4 x4网格和假设存在一个树的位置(1,1),左上角。我应该在哪里下树来最大化植物树效用的地区?
我假设相邻树木越多在网格单元广场,就越好。这使得(2,2)上面问题的答案我问。我将建立的数学模型,在此基础上假设将推广这一过程任意麦根网格。
这一假设的最终含义是,树分布越接近均匀分布在一个给定的地区,越树效用是最大化。我试着更好地阐明我的观点通过下面的图片。
把短,
- 是我推理的论文提到许等人对吗?
- 我的假设——靠近森林的空间分布均匀性,越高树效用——声音吗?如果是的,请参考相关文献。如果不是,请详细说明原因是谬误的。