森林经营规划是实现森林可持续经营的重要手段,常常利用优化方法建立模型得到森林可持续经营的最佳决策。但森林规划问题具有多目标、多层次、长期性、动态性和空间相关性等特点。现阶段森林通过科学合理的经营措施持续发挥森林的综合效益已经成为森林经营的一个重要目标,然而,营林作业安排往往会涉及复杂的林分空间关系,实现具有相同经营措施林分的聚集采伐(或择伐)有利于降低森林的经营成本。但在传统的规划模型中加入空间约束会使模型变得更为复杂而难以得到有效解,只有采用现代启发式算法才能得到合理的规划解,因此研究基于启发式算法的森林经营规划成为我国林业亟待解决的关键问题。为此,本文基于黑龙江完达山地区1990年-2010年以来的大量固定样地数据、树干解析／枝解析数据以及生物量数据,以理论和经验生长模型为基础构建了该地区林分生长收获模型与主要树种的生物量模型；分别选用木材采伐量、规划期末蓄积和聚集采伐度做为经营目标,建立了森林空间和非空间规划数学模型；以孟家岗林场30年森林经营规划(规划分期10年)为例,采用Hooke和Jeeves方法系统研究了随机算法、Hero算法、禁忌搜索算法、模拟退火算法以及遗传算法在解决森林空间(1-邻域)和非空间规划问题中主要参数的敏感性,据此提出了各启发式算法在解决森林经营规划中关键参数设置的基本规律；基于各启发式算法(1-邻域)的最优参数组合系统分析了对于不同的邻域处理方式(1-邻域和2-邻域)搜索时目标函数值、木材采伐量、规划期末蓄积以及相邻采伐边界的变化过程；最后,基于空间规划模型以2-邻域模拟退火算法的求解结果为例分析了森林资源基本特征(蓄积、生物量、碳储量以及年龄分布等)的变化动态。本研究具体贡献及结论：1)本研究建立了黑龙江省完达山地区的地位级指数、林分密度指数以及主要树种的单木生长模型、枯损模型、进界木模型、削度方程以及生物量模型,总体来看各模型拟合效果及检验效果较好,可以用于黑龙江省完达山地区森林经营规划当中。2)以规划期末蓄积、各分期木材采伐量和聚集采伐为经营目标,将基础模型和启发式算法进行有机结合,以林分生长量和小班空间位置为主要约束条件,以林分皆伐和择伐为主要经营措施,采用效用函数理论建立森林资源的空间和非空间规划模型。3)非空间规划模型中规划期末蓄积对各启发式算法关键参数的变化不敏感,而对搜索时间有显著影响,各启发式算法单项最优参数搜索时间增加约80%；而在空间规划模型中规划期末蓄积对各启发式算法关键参数的变化也不敏感,但对目标函数值、搜索时间和相邻采伐边界变化影响显著,其中空间规划模型中基于1-邻域搜索时的搜索时间较非空间问题增加约1000倍,目标函数值平均增加约7%,相邻采伐边界约提高2倍。4)各启发式算法在森林空间和非空间规划模型中重复优化20次之后得其主要参数的设置规律如下：经多次试验得出,除遗传算法外其它算法对于产生初始解的随机个数应不少于100个,本研究为200个；在简单的非空间规划模型中各启发式算法的参数设置对目标函数即规划期末蓄积的影响不敏感。通常情况下,各算法搜索迭代的时间越长,得出的结果越好。在空间规划模型中,随机搜索算法的迭代次数不少于500000次,模拟退火算法的初始温度为0.1-0.01之间、冷却速率均为0.9左右和冷却温度均应≤0.000001；禁忌搜索算法的迭代次数不少于5000次,而禁忌表长度则应取50为宜；对于使用遗传算法来优化含有大量皆伐约束的森林来说,则应给予较大的染色体数量不少于50000个,子代数量则至少应大于50,突变数量则应为5。5)各启发式算法基于2-邻域搜索时的搜索时间较1-邻域相比增加约2.5倍左右,同时,规划期末蓄积仅增加0.22%,但目标函数和聚集采伐度均较1-邻域提高了约2%和15%,说明各启发式算法基于2-邻域搜索得到的解比1-邻域的解的质量要好,因为2-邻域搜索法是在不改变其它目标的前提下能够更好的安排采伐小班位置,增加相邻两个采伐小班的公共边界。6)在非空间和空间规划模型中,Hero算法搜索解的时间最快,其次为RA算法；而SA算法在可以接受的时间内获得最好的目标函数值,其次为Hero算法；GA算法在解决空间规划模型时效果欠佳,导致该算法的规划效果一般的主要原因在于,本研究涉及皆伐的邻域约束,父代分裂和重组产生大量的不可行解,仅有少量父代的DNA是合理的,致使新产生有效子代的数量受到限制,影响了解的质量。综合考虑5种启发式算法的表现,可以认为模拟退火算法在解决森林规划问题中具有较好的表现。7)各启发式算法均能够达到预先规定的木材采伐量(各规划分期实现3.0×105m3采伐量),并且能够实现规划期末蓄积的持续增加和林分聚集采伐的要求。但不同算法求解技术(1-邻域和2-邻域)在解决空间和非空间规划模型中目标函数值、相邻采伐边界、规划期末蓄积以及各分期木材采伐量的变化趋势不同,即在非空间问题中,RA、Hero、TS和SA的目标函数值都是快速达到极大值,而在空间规划问题中,RA、Hero、TS和SA算法在合适的参数选择下的目标函数值和相邻采伐边界都是随着搜索时间逐渐增加,之后则趋于相对稳定状态；在附于GA算法足够多的染色体数量时,该算法随着搜索时间的增加各项目标均处于逐渐增加近于平稳的趋势；虽然各算法规划期末蓄积变化不同,但最终达到的蓄积量均维持在2.5×106m3左右。本文系统研究了五种常用启发式算法求解森林规划模型的过程,给出了各算法主要参数在不同规划问题中设置的基本规律,研究结果可为基于启发式算法的森林经营规划方案的编制提供借鉴,进而为该地区森林资源的可持续经营提供决策依据和理论支持。