智能式GIS與空間優化》提出較完整的智能式GIS的概念，并系統地介紹智能式GIS的實現方法。首先對人工智能的發展歷史進行回顧，探討人工智能與GIS的內在聯系，介紹人工智能的基本原理、方法以及應用領域，對人工智能的一般算法進行描述。
智能式GIS與空間優化》的特色是詳細地介紹空間知識發現、地理模擬、空間優化與決策三大方向的研究內容，建立較完整的基于點、線和面的空間優化模型，提出模擬與優化耦合的實現方法，并初步設計基于耦合的地理模擬優化系統。
地理信息系統理論與應用叢書：智能式GIS與空間優化》以城市演變、土地利用變化以及地理空間分異等復雜地理現象的模擬為例，探討基于多種人工智能算法(包括遺傳算法、神經網絡算法、蟻群智能算法、人工免疫系統)的智能元胞自動機和多智能體在城市演變規律等方面的應用，并詳細介紹遺傳算法、粒子群算法、蟻群智能算法和地理元胞自動機等人工智能算法與GIS的集成研究，及其在基礎設施選址與空間優化等復雜問題中的應用。
地理信息系統理論與應用叢書：智能式GIS與空間優化》適合于從事GIS的高校教師和科研所研究人員；GIS專業以及城市規劃等相關專業的研究生；計算機應用科學專業的研究生；參加GIS研究生入學考試的學生。
導語_點評_推薦詞
黎夏，中山大學教授。1983和1986年于北京大學分別獲學士和碩士學位、1996年于香港大學獲博士學位。為著名國際刊物International Journal of Cengraphkal Inforrnafion Science、Computers、Environment and Urhan Systems、Environment and Planning編委。對城市擴張與農田流失、土地利用變化模擬與優化進行了系統研究。針對資源環境復雜多變的特點，系統地將智能化方法引入到地理模擬優化模型中。建立了以過程為核心的地理模擬優化系統(CeoSOS)理論框架及實現方法。共發表200多篇學術論文，這些研究成果發表在地理學報、中國科學、Internationnal Journal of Geographical Information Science等刊物上，其中在UCIS發表和接納論文共13篇。
劉小平，中山大學副教授，“百人計劃”引進人才，教育部新世紀人才支持計劃人選者。主要從事地理模擬、空間智能及優化決策方面的研究，先后完成50多篇論文，SCI收錄21篇，EI收錄4篇，出版專著2部。2009年獲得第十屆全國青年地理科技獎，為該次獲獎者中年輕的地理科技工作者。
李少英，中山大學管理學院博士。研究方向為CIS與決策支持，主要從事空間智能及優化決策方面的研究，代表作包括“城市軸向擴展時空過程模型與測度”等論文。
前
第1章 智能式GIS的提出
1.1 GIS概述
1.1.1 GIS的定義
1.1.2 GIS的組成
1.1.3 GIS的基本功能
1.1.4 GIS的發展
1.2 智能式GIS的提出
1.3 智能式GIS的定義
1.4 智能式GIS的發展前景
參考文獻
第2章 計算機人工智能
2.1 人工智能的概述
2.1.1 人工智能的定義
2.1.2 人工智能的研究目標
2.1.3 人工智能的主要成就
2.1.4 人工智能對社會各領域的影響
2.2 人工智能的發展歷史
2.2.1 人工智能誕生的歷史背景
2.2.2 人工智能的誕生
2.2.3 人工智能的發展
2.3 人工智能的發展現狀和展望
2.4 人工智能的基本原理和方法
2.5 人工智能主要應用領域
2.5.1 自動定理證明
2.5.2 模式識別
2.5.3 專家系統
2.5.4 機器學習
2.5.5 智能決策支持系統
參考文獻
第3章 人工智能一般算法
3.1 人工神經網絡
3.1.1 BP神經網絡
3.1.2 Hopfield神經網絡
3.2 遺傳算法
3.2.1 概述
3.2.2 遺傳算法的基本組成
3.3 免疫算法
3.3.1 自然免疫系統簡介
3.3.2 免疫算法
3.4 群體智能算法
3.4.1 粒子群優化算法
3.4.2 蟻群算法
參考文獻
第4章 GIS與人工智能的結合
4.1 GIS有關應用領域
4.1.1 城市與區域規劃
4.1.2 資源管理與利用
4.1.3 環境監測與保護
4.1.4 商業規劃與分析
4.2 GIS與人工智能結合的必要性和可行性
4.2.1 空間知識分析智能化
4.2.2 地理模擬智能化
4.2.3 空間優化與決策的智能化
4.3 人工智能在GIS中的研究熱點
4.3.1 專家系統與GIS
4.3.2 進化計算與GIS
4.3.3 神經計算與GIS
參考文獻
第5章 智能式GIS與空間知識發現
5.1 基于數據挖掘的元胞自動機與空間知識發現
5.1.1 數據挖掘及地理元胞自動機
5.1.2 實驗區及空間數據
5.1.3 CA轉換規則的自動挖掘
5.1.4 模擬結果及檢驗
5.1.5 結論
5.2 基于生物群集智能優化的遙感分類方法
5.2.1 粒子群算法的基本原理
5.2.2 基于粒子群的遙感分類方法
5.2.3 影像分類實驗
5.2.4 結論
5.3 基于蟻群智能的遙感分類方法
5.3.1 蟻群算法的基本原理
5.3.2 基于蟻群智能的遙感分類模型
5.3.3 影像分類實驗
5.3.4 結論
參考文獻
第6章 智能地理模擬與優化
6.1 地理模擬工具：元胞自動機和多智能體
6.1.1 元胞自動機
6.1.2 多智能體系統
6.2 基于CA的智能元胞自動機與城市模擬
6.2.1 基于GA的CA模型參數獲取及城市形態調控模擬
6.2.2 模型應用及結果分析
6.2.3 結論
6.3 基于ANN的智能元胞自動機與土地利用變化模擬
6.3.1 基于ANN和GIS的CA模型
6.3.2 應用及模擬結果
6.3.3 結論
6.4 基于ACO與元胞自動機的智能式地理模擬
6.4.1 基于蟻群智能算法的地理元胞自動機
6.4.2 基于蟻群智能的地理元胞自動機
6.4.3 模型應用及結果
6.4.4 模型驗證與對比
6.4.5 結論
6.5 基于AIS的智能元胞自動機與規劃情景模擬
6.5.1 AIS的基本原理
6.5.2 AIS自動獲取CA的轉換規則
6.5.3 基于AIS和元胞自動機的城市規劃模型
6.5.4 模型應用及結果
6.5.5 珠江三角洲城市群的規劃情景模擬
6.5.6 結論
6.6 基于分析學習的智能元胞自動機與城市演變模擬
6.6.1 邏輯回歸模型
6.6.2 分析學習模型
6.6.3 應用及模擬結果
6.6.4 驗證
6.6.5 結論
6.7 基于多智能體的地理空間分異現象模擬
6.7.1 基于多智能體的居住空間分異模型
6.7.2 實現與模擬結果
6.7.3 結論和討論
6.8 基于多智能體的土地利用空間格局演變模擬
6.8.1 基于多智能體的城市土地利用變化模擬模型
6.8.2 模型及應用
6.8.3 模型的檢驗
6.8.4 結論
參考文獻
第7章 空間優化與決策
7.1 智能式GIS與空間點狀地物優化
7.1.1 基于城市擴張模擬的基礎設施優化模型
7.1.2 基于GA的空間優化模型
7.1.3 基于GA的農田生物質能集約利用優化模型
7.1.4 基于ACA(蟻群智能算法)的大區域優化選址模型
7.1.5 基于PSO(粒子群算法)的區域選址優化模型
7.2 智能式GIS與空間線狀地物優化
7.3 智能式GIS與空間面狀地物優化
7.4 基于耦合的地理模擬優化系統
7.4.1 引
7.4.2 地理模擬優化系統
7.4.3 結論
參考文獻
