| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 第一章 绪论 | 第10-16页 |
| ·选题背景、依据和意义 | 第10-11页 |
| ·国内外研究现状 | 第11-13页 |
| ·空间优化选址的研究进展 | 第11-12页 |
| ·遗传算法在空间优化选址中的应用 | 第12-13页 |
| ·研究的内容、方法和关键问题 | 第13-14页 |
| ·研究内容 | 第13-14页 |
| ·研究方法 | 第14页 |
| ·论文组织结构 | 第14-16页 |
| 第二章 遗传算法与多目标优化 | 第16-28页 |
| ·多目标优化 | 第16-18页 |
| ·多目标优化问题的基本概念 | 第16-17页 |
| ·传统的多目标优化方法 | 第17-18页 |
| ·传统多目标优化方法的局限性 | 第18页 |
| ·遗传算法概述 | 第18-20页 |
| ·遗传算法发展 | 第18页 |
| ·遗传算法基本原理与一般流程 | 第18-19页 |
| ·遗传算法存在的问题 | 第19-20页 |
| ·遗传算法进行多目标决策制定的框架 | 第20-22页 |
| ·遗传算法用于多目标优化的分类 | 第22-27页 |
| ·基于非Pareto 最优概念的多目标优化 | 第23-24页 |
| ·基于Pareto 最优概念的多目标优化 | 第24-27页 |
| ·本章小结 | 第27-28页 |
| 第三章 空间优化选址理论与方法 | 第28-35页 |
| ·空间优化选址的相关理论 | 第28-29页 |
| ·空间优化选址的原则 | 第28页 |
| ·空间优化选址的一般规律和步骤 | 第28-29页 |
| ·空间优化选址的三类经典模型 | 第29-31页 |
| ·空间优化选址的常见算法 | 第31-34页 |
| ·数学优化方法 | 第31-32页 |
| ·智能启发式优化方法 | 第32-34页 |
| ·本章小结 | 第34-35页 |
| 第四章 基于遗传算法的多目标空间优化选址模型 | 第35-51页 |
| ·研究区分析和 GIS 空间数据处理 | 第35-36页 |
| ·GIS 数据采集 | 第35-36页 |
| ·GIS 数据空间处理 | 第36页 |
| ·空间优化选址影响因素的表达 | 第36-40页 |
| ·确定空间优化选址影响因素 | 第36-37页 |
| ·空间优化选址影响因素建模 | 第37-40页 |
| ·GIS 空间分析与空间知识表达 | 第40-43页 |
| ·空间对象的结构知识表达 | 第40-41页 |
| ·GIS 空间分析 | 第41页 |
| ·空间相关性的度量 | 第41-43页 |
| ·多目标遗传算法进行空间决策 | 第43-48页 |
| ·融合空间结构知识和关联模式的NSGA-II 模型 | 第43-45页 |
| ·融合空间结构知识和关联模式的SPGA2 模型 | 第45-46页 |
| ·融合空间结构知识和关联模式的PESA-II 模型 | 第46-48页 |
| ·模型评价标准 | 第48-49页 |
| ·本章小结 | 第49-51页 |
| 第五章 基于遗传算法的多目标空间优化选址系统的设计与实现 | 第51-73页 |
| ·系统的总体构架 | 第51页 |
| ·系统设计的目标与原则 | 第51-52页 |
| ·系统总体设计 | 第52页 |
| ·系统详细设计和实现 | 第52-71页 |
| ·框架的建立 | 第52-53页 |
| ·地图基本管理模块 | 第53-55页 |
| ·空间数据库管理系统模块 | 第55-56页 |
| ·GIS 空间查询与空间分析模块 | 第56-60页 |
| ·空间优化选址决策模块 | 第60-69页 |
| ·地图输出和可视化 | 第69-71页 |
| ·数据库设计 | 第71-72页 |
| ·系统的运行环境 | 第72页 |
| ·本章小结 | 第72-73页 |
| 第六章 应用实例——北京市医院空间优化选址 | 第73-88页 |
| ·研究区分析和 GIS 数据预处理 | 第73-76页 |
| ·研究区分析和GIS 数据收集 | 第73页 |
| ·GIS 空间数据处理 | 第73-76页 |
| ·染色体的编码方案 | 第76页 |
| ·选址过程参数设置 | 第76-77页 |
| ·结果评价与性能分析 | 第77-86页 |
| ·实验结果 | 第77-85页 |
| ·结果分析 | 第85-86页 |
| ·本章小结 | 第86-88页 |
| 结论与展望 | 第88-90页 |
| 参考文献 | 第90-95页 |
| 攻读硕士学位期间取得的学术成果 | 第95-96页 |
| 致谢 | 第96页 |
