序
前言
第1章 导论
1.1 地理元胞自动机
1.2 空间多智能体系统
参考文献
第2章 地理模拟系统
2.1 地理学研究方法的回顾
2.2 地理模拟系统的提出及定义
2.3 地理模拟系统有关的基础及其发展历史
2.4 地理模拟系统在地理研究中的重要性
2.5 地理模拟系统的研究内容与手段
2.6 地理模拟系统与GIS 的关系
2.7 地理模拟系统与多智能体系统的关系
2.8 地理模拟系统与系统动力学的关系
2.9 地理模拟系统与空间信息网格的关系
参考文献
第3章 地理模拟系统的空间数据获取
3.1 空间数据采集的一般方法
3.2 利用各种GIS 空间分析方法获取进一步的空间数据
3.3 利用GIS 获取城市模拟的输入数据
3.3.1 进行城市模拟的空间变量的获取
3.3.2 城市形态和结构信息的获取
3.3.3 土地评价
3.4 利用遥感获取地理模拟的输入数据
3.4.1 遥感在城市模拟中的应用
3.4.2 遥感动态变化监测的主要方法
参考文献
第4章 基于元胞自动机的城市及地理模拟
4.1 元胞自动机的发展历史
4.1.1 元胞自动机与计算科学的发展
4.1.2 元胞自动机与复杂系统的模拟
4.2 元胞自动机进行城市与地理模拟的原理及方法
4.2.1 基于“生命游戏”规则的CA
4.2.2 地理元胞自动机
4.2.3 地理元胞自动机与转换规则
4.3 常用的CA 模拟软件
参考文献
第5章 CA 建模以及转换规则获取的方法
5.1 未来各类用地需求总量确定的原理及方法
5.1.1 马尔可夫链方法
5.1.2 系统动力学方法
5.2 CA 转换规则确定的一般方法
5.2.1 基于多准则判断的方法
5.2.2 基于Logistic 回归的CA
5.2.3 基于5 个因子的SLEUTH 模型
5.2.4 基于“灰度”的转换规则
5.2.5 基于主成分分析的元胞自动机
5.2.6 基于神经网络的元胞自动机
参考文献
第6章 转换规则获取的智能式方法
6.1 数据挖掘及转换规则
6.2 遗传算法与CA 的参数选择
6.3 基于Fisher 判别和离散选择的CA
6.4 基于非线性核学习机自动提取地理元胞自动机的转换规则
6.5 基于支持向量机的元胞自动机
6.6 基于粗集的知识发现与地理模拟
6.6.1 粗集和约简的决策规则
6.6.2 基于粗集的CA（RS-CA）
6.7 基于案例推理元胞自动机的地理模拟
6.7.1 基于规则（rule-based）的地理元胞自动机
6.7.2 基于案例（case-based）的地理元胞自动机
参考文献
第7章 元胞自动机：过程模拟与知识发现的工具
7.1 利用逻辑回归模型进行城市模拟
7.2 基于主成分分析的CA 与城市模拟
7.3 利用基于神经网络的CA 模拟土地利用变化
7.3.1 空间变量及训练数据
7.3.2 神经网络的结构
7.3.3 神经网络的训练
7.3.4 土地利用变化的动态模拟及预测
7.4 基于数据挖掘的CA 及城市模拟
7.4.1 CA 转换规则的自动挖掘
7.4.2 模拟结果及检验
7.5 城市形态演变“基因”的知识挖掘及优化模拟
7.5.1 城市演变“基因”的获取与优化
7.5.2 模型应用及结果分析
7.5.3 结论
7.6 Fisher 判别及元胞自动机转换规则的自动获取
7.7 从高维特征空间中获取元胞自动机的非线性转换规则
7.8 基于支持向量机的元胞自动机及土地利用变化模拟
7.9 基于粗集的知识发现与地理模拟
7.10 基于案例推理的CA 动态转换规则及大区域城市演变模拟
参考文献
第8章 元胞自动机：城市与区域规划的辅助工具
8.1 引言
8.2 约束性CA 及可持续城市发展形态的模拟
8.3 基于元胞自动机的城市发展密度模拟
8.4 利用CA 和GIS 结合辅助生成农田保护区
8.5 基于神经网络的CA 及真实和优化的城市模拟
8.6 约束性CA 在城市规划中的应用——以广东省东莞市为例
8.6.1 三种约束性的CA
8.6.2 CA 在城市规划中的三种主要功能
8.7 基于城市扩张的动态选址模型——以深圳垃圾转运站选址为例
8.7.1 交替式Location-allocation 算法
8.7.2 城市扩张模型
8.7.3 动态选址模型
8.7.4 应用
参考文献
第9章 地理元胞自动机的不确定性研究
9.1 引言
9.2 城市CA 的不确定性
9.2.1 数据源误差
9.2.2 操作或转换误差
9.2.3 城市CA 建模中的模型不确定性
9.3 城市CA 中的不确定性评价
9.3.1 城市CA 的误差传递
9.3.2 CA 中的不确定性
9.4 结论
参考文献
第10章 元胞自动机模型与大尺度模拟及城市精细化模拟
10.1 灰度CA 模型与大尺度城市扩张模拟
10.1.1 大尺度灰度CA 模型的原理与设计
10.1.2 基于灰度CA 模型的未来我国城市扩张模拟与验证
10.2 斑块CA 模型与城市空间格局演变模拟
10.2.1 嵌入斑块模拟机制的CA 模型与城市发展模拟
10.2.2 时序–斑块CA 模型及城市空

本书提出和阐述集成地理元胞自动机(CA)、多智能体系统(MAS)和群智能(SI)的地理模拟系统(Geographical Simulation System)，以解决复杂的地理格局和过程模拟的问题。本书首先介绍地理模拟系统的基本概念和空间数据输入的基本方法；接着阐述将CA与GIS结合起来对复杂资源环境系统进行模拟的一般原理，总结地理模拟系统的多种智能式获取方法；然后论述MAS的基本原理，对MAS在空间决策行为模拟、土地格局演变与土地利用规划、城市就业空间模拟等方面的应用实例进行介绍；最后对MAS与CA以及SI的耦合研究进行深入探讨，进而提出地理模拟与优化系统(Geographical Simulation and Optimization System，GeoSOS)的框架体系和理论方法。
本书可作为高等院校地理信息系统、地理学、测绘学和计算机科学等相关专业的教学参考书，也可供相关领域科研技术人员参考。