智能式GIS与空间优化》提出较完整的智能式GIS的概念，并系统地介绍智能式GIS的实现方法。首先对人工智能的发展历史进行回顾，探讨人工智能与GIS的内在联系，介绍人工智能的基本原理、方法以及应用领域，对人工智能的一般算法进行描述。
智能式GIS与空间优化》的特色是详细地介绍空间知识发现、地理模拟、空间优化与决策三大方向的研究内容，建立较完整的基于点、线和面的空间优化模型，提出模拟与优化耦合的实现方法，并初步设计基于耦合的地理模拟优化系统。
地理信息系统理论与应用丛书：智能式GIS与空间优化》以城市演变、土地利用变化以及地理空间分异等复杂地理现象的模拟为例，探讨基于多种人工智能算法(包括遗传算法、神经网络算法、蚁群智能算法、人工免疫系统)的智能元胞自动机和多智能体在城市演变规律等方面的应用，并详细介绍遗传算法、粒子群算法、蚁群智能算法和地理元胞自动机等人工智能算法与GIS的集成研究，及其在基础设施选址与空间优化等复杂问题中的应用。
地理信息系统理论与应用丛书：智能式GIS与空间优化》适合于从事GIS的高校教师和科研所研究人员；GIS专业以及城市规划等相关专业的研究生；计算机应用科学专业的研究生；参加GIS研究生入学考试的学生。
导语_点评_推荐词
黎夏，中山大学教授。1983和1986年于北京大学分别获学士和硕士学位、1996年于香港大学获博士学位。为著名国际刊物International Journal of Cengraphkal Inforrnafion Science、Computers、Environment and Urhan Systems、Environment and Planning编委。对城市扩张与农田流失、土地利用变化模拟与优化进行了系统研究。针对资源环境复杂多变的特点，系统地将智能化方法引入到地理模拟优化模型中。建立了以过程为核心的地理模拟优化系统(CeoSOS)理论框架及实现方法。共发表200多篇学术论文，这些研究成果发表在地理学报、中国科学、Internationnal Journal of Geographical Information Science等刊物上，其中在UCIS发表和接纳论文共13篇。
刘小平，中山大学副教授，“百人计划”引进人才，教育部新世纪人才支持计划人选者。主要从事地理模拟、空间智能及优化决策方面的研究，先后完成50多篇论文，SCI收录21篇，EI收录4篇，出版专著2部。2009年获得第十届全国青年地理科技奖，为该次获奖者中年轻的地理科技工作者。
李少英，中山大学管理学院博士。研究方向为CIS与决策支持，主要从事空间智能及优化决策方面的研究，代表作包括“城市轴向扩展时空过程模型与测度”等论文。
前
第1章 智能式GIS的提出
1.1 GIS概述
1.1.1 GIS的定义
1.1.2 GIS的组成
1.1.3 GIS的基本功能
1.1.4 GIS的发展
1.2 智能式GIS的提出
1.3 智能式GIS的定义
1.4 智能式GIS的发展前景
参考文献
第2章 计算机人工智能
2.1 人工智能的概述
2.1.1 人工智能的定义
2.1.2 人工智能的研究目标
2.1.3 人工智能的主要成就
2.1.4 人工智能对社会各领域的影响
2.2 人工智能的发展历史
2.2.1 人工智能诞生的历史背景
2.2.2 人工智能的诞生
2.2.3 人工智能的发展
2.3 人工智能的发展现状和展望
2.4 人工智能的基本原理和方法
2.5 人工智能主要应用领域
2.5.1 自动定理证明
2.5.2 模式识别
2.5.3 专家系统
2.5.4 机器学习
2.5.5 智能决策支持系统
参考文献
第3章 人工智能一般算法
3.1 人工神经网络
3.1.1 BP神经网络
3.1.2 Hopfield神经网络
3.2 遗传算法
3.2.1 概述
3.2.2 遗传算法的基本组成
3.3 免疫算法
3.3.1 自然免疫系统简介
3.3.2 免疫算法
3.4 群体智能算法
3.4.1 粒子群优化算法
3.4.2 蚁群算法
参考文献
第4章 GIS与人工智能的结合
4.1 GIS有关应用领域
4.1.1 城市与区域规划
4.1.2 资源管理与利用
4.1.3 环境监测与保护
4.1.4 商业规划与分析
4.2 GIS与人工智能结合的必要性和可行性
4.2.1 空间知识分析智能化
4.2.2 地理模拟智能化
4.2.3 空间优化与决策的智能化
4.3 人工智能在GIS中的研究热点
4.3.1 专家系统与GIS
4.3.2 进化计算与GIS
4.3.3 神经计算与GIS
参考文献
第5章 智能式GIS与空间知识发现
5.1 基于数据挖掘的元胞自动机与空间知识发现
5.1.1 数据挖掘及地理元胞自动机
5.1.2 实验区及空间数据
5.1.3 CA转换规则的自动挖掘
5.1.4 模拟结果及检验
5.1.5 结论
5.2 基于生物群集智能优化的遥感分类方法
5.2.1 粒子群算法的基本原理
5.2.2 基于粒子群的遥感分类方法
5.2.3 影像分类实验
5.2.4 结论
5.3 基于蚁群智能的遥感分类方法
5.3.1 蚁群算法的基本原理
5.3.2 基于蚁群智能的遥感分类模型
5.3.3 影像分类实验
5.3.4 结论
参考文献
第6章 智能地理模拟与优化
6.1 地理模拟工具：元胞自动机和多智能体
6.1.1 元胞自动机
6.1.2 多智能体系统
6.2 基于CA的智能元胞自动机与城市模拟
6.2.1 基于GA的CA模型参数获取及城市形态调控模拟
6.2.2 模型应用及结果分析
6.2.3 结论
6.3 基于ANN的智能元胞自动机与土地利用变化模拟
6.3.1 基于ANN和GIS的CA模型
6.3.2 应用及模拟结果
6.3.3 结论
6.4 基于ACO与元胞自动机的智能式地理模拟
6.4.1 基于蚁群智能算法的地理元胞自动机
6.4.2 基于蚁群智能的地理元胞自动机
6.4.3 模型应用及结果
6.4.4 模型验证与对比
6.4.5 结论
6.5 基于AIS的智能元胞自动机与规划情景模拟
6.5.1 AIS的基本原理
6.5.2 AIS自动获取CA的转换规则
6.5.3 基于AIS和元胞自动机的城市规划模型
6.5.4 模型应用及结果
6.5.5 珠江三角洲城市群的规划情景模拟
6.5.6 结论
6.6 基于分析学习的智能元胞自动机与城市演变模拟
6.6.1 逻辑回归模型
6.6.2 分析学习模型
6.6.3 应用及模拟结果
6.6.4 验证
6.6.5 结论
6.7 基于多智能体的地理空间分异现象模拟
6.7.1 基于多智能体的居住空间分异模型
6.7.2 实现与模拟结果
6.7.3 结论和讨论
6.8 基于多智能体的土地利用空间格局演变模拟
6.8.1 基于多智能体的城市土地利用变化模拟模型
6.8.2 模型及应用
6.8.3 模型的检验
6.8.4 结论
参考文献
第7章 空间优化与决策
7.1 智能式GIS与空间点状地物优化
7.1.1 基于城市扩张模拟的基础设施优化模型
7.1.2 基于GA的空间优化模型
7.1.3 基于GA的农田生物质能集约利用优化模型
7.1.4 基于ACA(蚁群智能算法)的大区域优化选址模型
7.1.5 基于PSO(粒子群算法)的区域选址优化模型
7.2 智能式GIS与空间线状地物优化
7.3 智能式GIS与空间面状地物优化
7.4 基于耦合的地理模拟优化系统
7.4.1 引
7.4.2 地理模拟优化系统
7.4.3 结论
参考文献
