选址问题是GIS的最基本任务之一。一般性的选址是基于点的位置优化，可利用有关GIS功能来完成。实际的选址问题是很复杂的。本文所研究的是不同于一般性选址问题的区域选址。区域选址的目的是搜索一片连续的区域，并使区域的位置和形状同时达到最优。工程规划和空间决策中常常遇到这样的问题：在规划面积已定的前提下，探索建设设施的最优位置和最佳形状。此类问题比一般性选址问题更常见，在许多实际问题中得到应用。显然易见，区域选址比一般性选址问题更具体、更实用、应用更广泛，但同时比一般性选址问题更复杂，更难以解决。采用一般的方法无法求解这种最优化问题。而且，当选址问题涉及多个目标和不同的约束性条件时，就会变得异常复杂。本文提出了利用多目标粒子群优化算法和区域形状变异算法相结合来解决复杂的空间选址问题。当一般性选址问题演变到区域选址问题时，保持搜索区域的连通性是整个搜索过程的关键，这就涉及到形状的优化，整个搜索过程会变得更复杂，形状和位置同时变化将会产生无穷多的可能组合，常规的穷尽搜索(brute—force search)方法无法找到最优的解决方案。将粒子群算法和形状变异算法结合起来，可以使区域解智能地飞向最优位置并同时搜索到最佳的形状，有效地解决区域搜索问题。具有智能的搜索方法大大提高了空间搜索能力，并保持了搜索区域的连通性，取得了较好的效果。