《智能式GIS與空間優(yōu)化》（黎夏，劉小平，李少英）【摘要 書(shū)評(píng)

來(lái)源：互聯(lián)網(wǎng)   發(fā)布日期：2011-09-29 16:28:54   瀏覽：8779次  

智能式GIS與空間優(yōu)化

　我要買(mǎi)： - 本

0F52F6B5E4BBCB9ABF84098B38D9EFAE 添加到購(gòu)物車

編輯推薦

　　本書(shū)分為7章，第1章簡(jiǎn)單介紹了GIS的發(fā)展和智能式GIS提出的由來(lái)；第2章介紹人工智能誕生的歷史背景、發(fā)展現(xiàn)狀和展望，以及人工智能的基本原理和方法；第3章對(duì)人工神經(jīng)網(wǎng)絡(luò)、遺傳進(jìn)化算法、免疫算法以及群體智能算法等算法進(jìn)行深入的介紹；第4章探討GIS與人工智能的結(jié)合，包括專家系統(tǒng)與GIS、進(jìn)化計(jì)算與GIS、神經(jīng)計(jì)算與GIS的結(jié)合；第5章重點(diǎn)介紹基于數(shù)據(jù)挖掘技術(shù)的元胞自動(dòng)機(jī)轉(zhuǎn)換規(guī)則提取方法、基于粒子群算法的遙感分類方法和基于蟻群算法的遙感分類方法，及其在空間知識(shí)獲取和遙感影像分類中的應(yīng)用研究；第6章展示了基于多種人工智能算法(包括遺傳算法、神經(jīng)網(wǎng)絡(luò)算法、蟻群智能算法、人工免疫系統(tǒng))的智能元胞自動(dòng)機(jī)和多智能體系統(tǒng)在城市演變規(guī)律的探索等方面的應(yīng)用；第7章詳細(xì)介紹GA(遺傳算法)、ACA(蟻群智能算法)、PSO(粒子群算法)等人工智能算法與GIS的集成研究，及其在空間點(diǎn)狀地物優(yōu)化、空間線狀地物優(yōu)化和空間面狀地物優(yōu)化三種復(fù)雜空間決策問(wèn)題中的應(yīng)用，在此基礎(chǔ)上嘗試提出地理模擬優(yōu)化系統(tǒng)GeoSOS的概念與實(shí)現(xiàn)方法。

內(nèi)容簡(jiǎn)介

　　《智能式GIS與空間優(yōu)化》提出較完整的智能式GIS的概念，并系統(tǒng)地介紹智能式GIS的實(shí)現(xiàn)方法。首先對(duì)人工智能的發(fā)展歷史進(jìn)行回顧，探討人工智能與GIS的內(nèi)在聯(lián)系，介紹人工智能的基本原理、方法以及應(yīng)用領(lǐng)域，對(duì)人工智能的一般算法進(jìn)行描述�！吨悄苁紾IS與空間優(yōu)化》的特色是詳細(xì)地介紹空間知識(shí)發(fā)現(xiàn)、地理模擬、空間優(yōu)化與決策三大方向的研究?jī)?nèi)容，建立較完整的基于點(diǎn)、線和面的空間優(yōu)化模型，提出模擬與優(yōu)化耦合的實(shí)現(xiàn)方法，并初步設(shè)計(jì)基于耦合的地理模擬優(yōu)化系統(tǒng)。書(shū)中以城市演變、土地利用變化以及地理空間分異等復(fù)雜地理現(xiàn)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(jīng)網(wǎng)絡(luò)算法、蟻群智能算法、人工免疫系統(tǒng))的智能元胞自動(dòng)機(jī)和多智能體在城市演變規(guī)律等方面的應(yīng)用，并詳細(xì)介紹遺傳算法、粒子群算法、蟻群智能算法和地理元胞自動(dòng)機(jī)等人工智能算法與GIS的集成研究，及其在基礎(chǔ)設(shè)施選址與空間優(yōu)化等復(fù)雜問(wèn)題中的應(yīng)用。
　　《智能式GIS與空間優(yōu)化》適合于從事GIS的高校教師和科研所研究人員；GIS專業(yè)以及城市規(guī)劃等相關(guān)專業(yè)的研究生；計(jì)算機(jī)應(yīng)用科學(xué)專業(yè)的研究生；參加GIS研究生入學(xué)考試的學(xué)生。

目錄

前言
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(fā)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(fā)展前景
參考文獻(xiàn)

第2章 計(jì)算機(jī)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(biāo)
2.1.3 人工智能的主要成就
2.1.4 人工智能對(duì)社會(huì)各領(lǐng)域的影響
2.2 人工智能的發(fā)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(fā)展
2.3 人工智能的發(fā)展現(xiàn)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(yīng)用領(lǐng)域
2.5.1 自動(dòng)定理證明
2.5.2 模式識(shí)別
2.5.3 專家系統(tǒng)
2.5.4 機(jī)器學(xué)習(xí)
2.5.5 智能決策支持系統(tǒng)
參考文獻(xiàn)

第3章 人工智能一般算法
3.1 人工神經(jīng)網(wǎng)絡(luò)
3.1.1 BP神經(jīng)網(wǎng)絡(luò)
3.1.2 Hopfield神經(jīng)網(wǎng)絡(luò)
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(tǒng)簡(jiǎn)介
3.3.2 免疫算法
3.4 群體智能算法
3.4.1 粒子群優(yōu)化算法
3.4.2 蟻群算法
參考文獻(xiàn)

第4章 GIS與人工智能的結(jié)合
4.1 GIS有關(guān)應(yīng)用領(lǐng)域
4.1.1 城市與區(qū)域規(guī)劃
4.1.2 資源管理與利用
4.1.3 環(huán)境監(jiān)測(cè)與保護(hù)
4.1.4 商業(yè)規(guī)劃與分析
4.2 GIS與人工智能結(jié)合的必要性和可行性
4.2.1 空間知識(shí)分析智能化
4.2.2 地理模擬智能化
4.2.3 空間優(yōu)化與決策的智能化
4.3 人工智能在GIS中的研究熱點(diǎn)
4.3.1 專家系統(tǒng)與GIS
4.3.2 進(jìn)化計(jì)算與GIS
4.3.3 神經(jīng)計(jì)算與GIS
參考文獻(xiàn)

第5章 智能式GIS與空間知識(shí)發(fā)現(xiàn)
5.1 基于數(shù)據(jù)挖掘的元胞自動(dòng)機(jī)與空間知識(shí)發(fā)現(xiàn)
5.1.1 數(shù)據(jù)挖掘及地理元胞自動(dòng)機(jī)
5.1.2 實(shí)驗(yàn)區(qū)及空間數(shù)據(jù)
5.1.3 CA轉(zhuǎn)換規(guī)則的自動(dòng)挖掘
5.1.4 模擬結(jié)果及檢驗(yàn)
5.1.5 結(jié)論
5.2 基于生物群集智能優(yōu)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(shí)驗(yàn)
5.2.4 結(jié)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(shí)驗(yàn)
5.3.4 結(jié)論
參考文獻(xiàn)

第6章 智能地理模擬與優(yōu)化
6.1 地理模擬工具：元胞自動(dòng)機(jī)和多智能體
6.1.1 元胞自動(dòng)機(jī)
6.1.2 多智能體系統(tǒng)
6.2 基于CA的智能元胞自動(dòng)機(jī)與城市模擬
6.2.1 基于GA的CA模型參數(shù)獲取及城市形態(tài)調(diào)控模擬
6.2.2 模型應(yīng)用及結(jié)果分析
6.2.3 結(jié)論
6.3 基于ANN的智能元胞自動(dòng)機(jī)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(yīng)用及模擬結(jié)果
6.3.3 結(jié)論
6.4 基于ACO與元胞自動(dòng)機(jī)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(dòng)機(jī)
6.4.2 基于蟻群智能的地理元胞自動(dòng)機(jī)
6.4.3 模型應(yīng)用及結(jié)果
6.4.4 模型驗(yàn)證與對(duì)比
6.4.5 結(jié)論
6.5 基于AIS的智能元胞自動(dòng)機(jī)與規(guī)劃情景模擬
6.5.1 AIS的基本原理
6.5.2 AIS自動(dòng)獲取CA的轉(zhuǎn)換規(guī)則
6.5.3 基于AIS和元胞自動(dòng)機(jī)的城市規(guī)劃模型
6.5.4 模型應(yīng)用及結(jié)果
6.5.5 珠江三角洲城市群的規(guī)劃情景模擬
6.5.6 結(jié)論
6.6 基于分析學(xué)習(xí)的智能元胞自動(dòng)機(jī)與城市演變模擬
6.6.1 邏輯回歸模型
6.6.2 分析學(xué)習(xí)模型
6.6.3 應(yīng)用及模擬結(jié)果
6.6.4 驗(yàn)證
6.6.5 結(jié)論
6.7 基于多智能體的地理空間分異現(xiàn)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(shí)現(xiàn)與模擬結(jié)果
6.7.3 結(jié)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(yīng)用
6.8.3 模型的檢驗(yàn)
6.8.4 結(jié)論
參考文獻(xiàn)

第7章 空間優(yōu)化與決策
7.1 智能式GIS與空間點(diǎn)狀地物優(yōu)化
7.1.1 基于城市擴(kuò)張模擬的基礎(chǔ)設(shè)施優(yōu)化模型
7.1.2 基于GA的空間優(yōu)化模型
7.1.3 基于GA的農(nóng)田生物質(zhì)能集約利用優(yōu)化模型
7.1.4 基于ACA(蟻群智能算法)的大區(qū)域優(yōu)化選址模型
7.1.5 基于PSO(粒子群算法)的區(qū)域選址優(yōu)化模型
7.2 智能式GIS與空間線狀地物優(yōu)化
7.3 智能式GIS與空間面狀地物優(yōu)化
7.4 基于耦合的地理模擬優(yōu)化系統(tǒng)
7.4.1 引言
7.4.2 地理模擬優(yōu)化系統(tǒng)
7.4.3 結(jié)論
參考文獻(xiàn)
彩圖

前言

　　自從地理信息系統(tǒng)（Geographical Information System，GIS）于20世紀(jì)60年代在加拿大誕生以來(lái)，GIS技術(shù)經(jīng)歷了40多年的快速發(fā)展。GIS從原來(lái)局限于土地測(cè)繪等政府部門(mén)的小范圍應(yīng)用，到現(xiàn)在被各學(xué)科、各行業(yè)部門(mén)和企業(yè)的廣泛使用。其發(fā)展趨勢(shì)也經(jīng)歷了從強(qiáng)調(diào)“系統(tǒng)”本身的功能，到強(qiáng)調(diào)推動(dòng)技術(shù)發(fā)展的“科學(xué)”，到現(xiàn)在的為大眾普及“服務(wù)”的側(cè)重點(diǎn)的轉(zhuǎn)移。
　　但是，隨著GIS在地理學(xué)及其他領(lǐng)域應(yīng)用的深入，對(duì)GIS的空間分析功能提出了更高的要求。由于空間信息的日益豐富和空間決策問(wèn)題的日益復(fù)雜，在GIS的應(yīng)用中，我們遇到了許多新的困難和障礙。首先，GIS儲(chǔ)存了大量的空間數(shù)據(jù)，隱藏了許多有用的信息，需要高級(jí)的空間分析工具才能提取出這些有用信息；另外，GIS不僅應(yīng)該提供簡(jiǎn)單的查詢和顯示的功能，也應(yīng)該提供對(duì)許多地理過(guò)程進(jìn)行深入分析的工具，包括解決復(fù)雜的資源配置和優(yōu)化等問(wèn)題。許多地學(xué)現(xiàn)象屬于動(dòng)態(tài)的復(fù)雜系統(tǒng)，地理系統(tǒng)的復(fù)雜性導(dǎo)致地理問(wèn)題具有非線性、不確定性和模糊性等特征。地理系統(tǒng)的動(dòng)態(tài)性決定了地理實(shí)體和地理現(xiàn)象都不是一成不變的，而是隨著時(shí)間、空間的變化而不斷變化。而且導(dǎo)致這些變化的影響因子具有很大的不確定性，很難用嚴(yán)格的數(shù)學(xué)公式和有規(guī)律的規(guī)則來(lái)表示。傳統(tǒng)的GIS通過(guò)對(duì)地理數(shù)據(jù)的處理、分析和模擬，能夠解決復(fù)雜地理問(wèn)題中確定性的問(wèn)題。但是無(wú)法解決地學(xué)中的非線性、不確定性和模糊性的問(wèn)題。因此，僅靠傳統(tǒng)的G1S方法處理復(fù)雜地理空間問(wèn)題，具有很大的局限性，無(wú)法解決動(dòng)態(tài)復(fù)雜系統(tǒng)多因素、多層次以及非線性的問(wèn)題。
　　近年來(lái)，人工智能獲得了迅速的發(fā)展，在許多科學(xué)領(lǐng)域取得了豐碩的成果，已發(fā)展成為一門(mén)極具挑戰(zhàn)性、得到廣泛重視和普遍認(rèn)可并具有廣闊發(fā)展前景和應(yīng)用潛能的學(xué)科。我們認(rèn)為，人工智能與GIS結(jié)合起來(lái)，必定會(huì)大大提高目前GIS空間分析的能力，為對(duì)許多復(fù)雜的非線性自然系統(tǒng)的分析提供了重要的分析工具。因此，我們嘗試在智能式GIS方面進(jìn)行了系統(tǒng)的研究，提出了較完整的智能式GIS的概念及實(shí)現(xiàn)方法。在書(shū)中，我們提到了GIS應(yīng)用的三大前沿方向，包括空間知識(shí)發(fā)現(xiàn)、地理模擬以及空間優(yōu)化與決策，這三個(gè)方向的應(yīng)用研究能夠涵蓋地理學(xué)中許多復(fù)雜的空問(wèn)問(wèn)題。首先，空間知識(shí)發(fā)現(xiàn)就是從海量數(shù)據(jù)中自動(dòng)挖掘出有用信息，并對(duì)這些信息進(jìn)行空間分析，從而找出相關(guān)的地理知識(shí)和地理規(guī)律。在當(dāng)今空間數(shù)據(jù)呈爆炸式增長(zhǎng)的時(shí)代，空間知識(shí)發(fā)現(xiàn)在GIS應(yīng)用中具有非常重要的地位，它是獲取新的地理知識(shí)和地理規(guī)律的重要途徑，也是解決復(fù)雜空間決策問(wèn)題的前提和重要依據(jù)。另外，地理模擬系統(tǒng)是探索和分析地理現(xiàn)象的格局形成和演變過(guò)程的有效工具，能夠幫助揭示復(fù)雜地理動(dòng)態(tài)現(xiàn)象的形成規(guī)律并對(duì)其發(fā)展方向及演化過(guò)程進(jìn)行有效的預(yù)測(cè)，在城市擴(kuò)張、土地利用變化、環(huán)境管理和資源的可持續(xù)利用等研究中得到廣泛的應(yīng)用。而空間優(yōu)化與決策也是當(dāng)今GIS應(yīng)用一個(gè)非常重要的方向，它是資源環(huán)境管理、規(guī)劃和利用需要解決的問(wèn)題。

精彩書(shū)摘

　　盡管GIS具有強(qiáng)大的空間數(shù)據(jù)管理和處理能力，但其在模型方面功能較弱，不能滿足地理學(xué)家對(duì)過(guò)程等分析方面的需求（Gahegan 1999）。許多地理現(xiàn)象的時(shí)空動(dòng)態(tài)發(fā)展過(guò)程往往比其最終形成的空間格局更為重要，如城市擴(kuò)展、疾病擴(kuò)散、火災(zāi)蔓延、人口遷移、經(jīng)濟(jì)發(fā)展、沙漠化、洪水淹沒(méi)等。只有清楚地了解了地理事物的發(fā)展過(guò)程，才能夠?qū)ζ溲莼瘷C(jī)制進(jìn)行深層次的剖析，從而獲取地理現(xiàn)象變化的規(guī)律。因此，時(shí)空動(dòng)態(tài)模型對(duì)研究地理系統(tǒng)的復(fù)雜性具有非常重要的作用。
　　近年來(lái)，國(guó)際上主要利用元胞自動(dòng)機(jī)來(lái)對(duì)這些復(fù)雜的地理過(guò)程進(jìn)行模擬分析。例如，Clarke等（1997）提出SLEUTH模型來(lái)模擬美國(guó)的城市增長(zhǎng)；wu和Webster（1998）提出了多準(zhǔn)則判斷的模型來(lái)模擬廣州的城市發(fā)展；我們提出了引入數(shù)據(jù)挖掘的方法來(lái)自動(dòng)提取城市CA的轉(zhuǎn)換規(guī)則（Li and Yeh 2004）。為了反映人文因素及政府等不同角色對(duì)地理過(guò)程的影響，采用多智能體系統(tǒng)方面的研究也引起了人們的重視。例如，Benenson等（2002）根據(jù)居民的經(jīng)濟(jì)狀況、房產(chǎn)價(jià)格變動(dòng)以及文化認(rèn)同性等，模擬了城市空間演化的自組織現(xiàn)象、城鎮(zhèn)的居民種族隔離和居住分異現(xiàn)象；Ligtenberg等（2001）提出了一種基于多智能體和元胞自動(dòng)機(jī)相結(jié)合的土地利用規(guī)劃模型，該模型引入了政府的主導(dǎo)規(guī)劃因素。
　　與此同時(shí)，在資源環(huán)境的管理、規(guī)劃和利用中，經(jīng)常需要面對(duì)如何在空間上優(yōu)化配置資源，以產(chǎn)生最大的效益的問(wèn)題（Bong and Wang，2004）。從上至下窮盡方法是無(wú)法解決許多復(fù)雜的空間優(yōu)化問(wèn)題的，特別是當(dāng)把GIs空間數(shù)據(jù)引入到空間優(yōu)化決策模型中時(shí)，涉及的數(shù)據(jù)量非常大�；�于生物智能（Swarm Intelligence）的方法可以被有效地應(yīng)用于解決空間優(yōu)化問(wèn)題中。
　　上述研究都是比較分散進(jìn)行的，沒(méi)有形成統(tǒng)一的理論和技術(shù)框架體系。為了推進(jìn)GIS的進(jìn)一步發(fā)展，有必要尋求一種新的理論和技術(shù)來(lái)開(kāi)展地理空間系統(tǒng)的復(fù)雜性及其演化過(guò)程研究。更重要的是，目前模擬與優(yōu)化是割離的，這在應(yīng)用中存在較大的弊端。

插圖

贊助本站