地理模拟与优化系统
简介地理模拟与优化系统[1]（Geographical Simulation and Optimization Systems，GeoSOS）
包括三个组成部分：元胞自动机（Cellular Automata，CA）、多智能体系统（Multi-Agent Systems，MAS）、生物群智能（Swarm Intelligence，SI）。GeoSOS能够模拟、预测、优化及显示地理格局和空间过程。它可以解决地理信息系统（Geographical Information Systems，GIS）在对空间过程进行模拟和优化方面存在严重功能不足的问题。GeoSOS作为模拟优化平台，是GIS的重要补充工具。
应用目前GeoSOS主要被应用于珠江三角洲地区的多个城市，如广州、番禺、东莞[2]、深圳[3]等。还有一些其他国家和地区的应用未通过发表论文的方式发布出来。
功能元胞自动机元胞自动机模拟模块包括五个CA模型：多准则判断CA[4]（MCE-CA），逻辑回归CA[5]（Logistic-CA），主成分分析CA[6]（PCA-CA），神经网络CA[2]（ANN-CA）以及决策树CA[7]（Decision Tree-CA）。
MCE-CA采用基于层次分析法的多准则判断方法来确定涉及到的空间因子的权重，然后将计算得到的发展适宜性指标转换为元胞发展的概率。Logistic-CA是对MCE-CA的改进，主要通过逻辑回归方法得到各空间因子的参数[8]。PCA-CA通过主成分分析的方法来降低各空间因子之间的相关关系，得到主成分因子进行分析。ANN-CA使用人工神经网络的方法来定义元胞自动机的转换规则，并且该方法具有模拟多种土地利用类型相互转换的能力。Decision Tree-CA使用了决策树算法，它能够以“IF…THEN…”语句的形式提供清晰的规则定义。相对于使用系数或方程式的形式来讲，能更好的理解对模拟的规则。多智能体系统多智能体系统
模拟模块目前只包括一个采用基于多智能体建模（Agent-Based Modeling，ABM）方法进行城市地价模拟的演示。该模块设计为基于多智能体系统建模而提供的建模环境，使用户可以通过图形用户界面（GUI），或者是GeoSOS平台的嵌入式语言进行基于多智能体系统的建模。同时该模块还提供集成CA方法和MAS方法的能力。该模块目前还在开发中。空间优化空间优化模块包括三个模型：设施点位置选择模型、路径优化模型及土地分配模型。
这些模型都基于蚁群优化算法[9]（Ant Colony Optimization，ACO）。设施点位置选择模型能够根据使用最小资源耗费并获得最大收益的原则，得到设施点的最佳分布位置[10]。路径优化的目标是使路径尽可能短的同时路径覆盖的服务范围尽可能大[11]。土地分配模型使用栅格数据格式的土地适宜性地图和给定的土地分配数量来产生土地分配方案，该方案同时考虑土地的适宜性指标和格局的紧凑性。
软件架构GeoSOS是使用Microsoft .NET Framework和C#编程语言实现的。GeoSOS使用了基于插件的架构体系，该体系能够方便的将元胞自动机、多智能体系统和空间优化的方法设计并实现为软件插件，然后方便的集成或卸载到GeoSOS平台框架中。
整个GeoSOS软件体系包括一个独立运行的程序、一些ESRIArcGIS扩展和一些.NET类库。同时GeoSOS还可以使用两个虚拟地球环境来展示模拟和优化的结果，包括Google Earth和NASAWorld Wind环境，以及它们的web页面环境。目前在GeoSOS网站可用的是独立运行的程序。
特点与创新性GeoSOS的一个重要的创新是耦合了空间模拟和空间优化的模型，在耦合框架下能够执行更有效的模拟和优化任务。
GeoSOS的另一个重要创新是将CA和MAS集成起来，可以在进行复杂的模拟任务时加入更多的社会和人文因素。