森林采伐规划是森林经理工作的重要内容,是编制森林采伐限额的主要依据,是控制森林资源消耗的技术手段,是扩大森林覆盖面积,实现“越采越多,越采越好,青山常在,永续利用”的重要保证。森林采伐量是否合理,是关系到一个区域或一个经营单位能否科学组织木材生产,能否合理利用森林资源,能否改善森林资源结构,能否充分发挥森林多种效益,能否最大限度满足社会林木需求的一个大问题。进行采伐规划优化是是确保采伐规划过程的科学性、森林年伐量的合理性和林业发展规划的可持续性的有效措施。森林采伐规划优化属于约束最优化范畴,具有多控制变量、多约束条件、连续和整型变量混杂以及不确定性等特点。常规的数学规划方法在处理此类问题时有较大的局限性,在论证合理的年伐量时,绝大多数单位使用的是公式法。公式法的特点是计算简单,但考虑的因子少,往往带有很强的主观性和片面性不利于龄级结构的调整和木材产量的相对稳定。本文对粒子群优化算法及其在森林采伐规划优化中的应用进行了深入研究,提出了新的解算思路和方法:基于计算机智能理论、罚函数约束处理机制等技术,给出了改进的粒子群优化算法,并将算法应用于采伐规划优化,并提出了考虑科学性和合理性的采伐规划模型,最后探索开发了采伐规划系统来解算采伐规划模型。本文针对采伐规划优化问题,在粒子的构造、等式约束与不等式约束的处理以及适应度函数的选取等方面进行了较为全面和较深入的探讨。并对粒子群优化算法的寻优机理及算法的控制参数进行了较深入的研究和探讨,介绍了基于外点罚函数SUMT法的粒子群优化改进算法(CPSO)。CPSO算法是在PSO算法基础上,根据各参数与粒子群适应值的关系,引入罚函数约束处理机制,使各参数随求解问题的不同在寻优过程根据模型约束条件相应地变化,以便获得最优解。在此基础上,编写计算机程序并设计可视化界面对模型进行实现。利用开发的基于CPSO算法的采伐规划系统对整个采伐规划过程进行模拟,采用自动建模技术并对寻优过程进行模拟。获取最优采伐结果后,最终实现在保证森林资源永续利用的基础上实现采伐量最大。数值实验结果表明:CPSO算法寻优质量高、计算复杂度低,求解时间短,适合求解大规模采伐规划问题。此外,改进的粒子群优化算法在降低计算复杂度显示了一定的优越性,拓展了采伐规划优化的计算方法,具有良好的应用前景。