土地利用优化配置是促进土地资源集约利用与实现可持续发展的重要途径。当前，土地利用优化模型较少考虑人类活动对土地利用优化产生的影响，有时导致优化结果不够理想。论文耦合具有土地利用规划知识的MAS(Multi-agent system，MAS)与混合蛙跳算法(Shuffled Frog Leaping Algorithm，SFLA)的搜索迭代机制，发展了一种新的多智能体混合蛙跳算法(Multi-Agent Shuffled Frog Leaping Algorithm，MASFLA)土地利用优化配置模型。
　　模型在天津市蓟州区的模拟显示：（1）MASFLA优化效果显著，优化后生态系统服务、区域经济总产出、土地利用集约程度分别增加了18.6%、51.1%和30.3%；（2）MASFLA的优化效果要优于单一算法，在同样达到收敛条件时，MASFLA的综合适应度值要比SFLA与PSO(Particle Swarm Optimization，PSO)高出2.1%与4.1%;（3）MASFLA模型能够调节不同决策主体间的用地冲突，在多个优化目标与限制条件下，同时对区域土地利用空间结构与数量进行优化配置，从而促进区域土地的可持续利用。　　
　　相关论文：
　　Huang Qiang, Song Wei*, A land-use spatial optimum allocation model coupling a multi-agent system with the shuffled frog leaping algorithm. Computers, Environment and Urban Systems, 2019, 77, 101360.　　
　　论文链接