本研究针对土地利用分配中的变量依赖知识缺乏，提出了一种新的变量依赖定义，并获取依赖变量的掩码。通过构建新型交叉操作符，实验表明将其应用于多目标优化算法（NSGA-II和MOEA/D）显著提升了优化效果。

本文介绍了多种基于贝叶斯优化的多目标优化方法，如MOEA/D、MOBO和MixMOBO，旨在提高优化效率和决策灵活性。研究表明，这些方法在处理昂贵目标函数和复杂决策变量时表现出色，实验结果显示它们在寻找Pareto前沿和优化性能方面具有优异表现。