随着经济社会高速发展及城市化进程不断加快,诸如土地利用规划、公共设施选址、交通路网优化等资源优化配置问题日益显现。此类问题不仅涉及海量、高维的空间数据,而且需要考虑社会、经济、环境等多种复杂因素,是典型的多目标空间优化决策问题。尽管传统地理信息系统(Geographical Information System,GIS)具有较强的空间数据管理与分析能力,但是缺乏针对不确定性、非线性的复杂地理问题的建模与分析能力,在解决复杂的空间优化决策问题方面具有一定的局限性。因此,如何将有限的资源在不同的地理位置上进行合理的分配,从而达到投入资金最小化、经济效益最大化、环境污染最小化、生态环境最优化等最理想的状态,这已成为GIS当前的一个重要研究方向。　　 近年来,启发式智能算法在多目标空间优化决策研究中取得了较好的成果,逐渐引起了地理学家的重视。但当前的研究较为单一,缺乏系统性,研究多集中于解决简单点状地物空间优化问题,而针对涉及更大、更复杂解空间的线状和面状地物空间优化研究仍存在不足,基于点、线、面状地物的多目标空间优化的系统性研究亟待进一步加强。此外,空间优化决策问题多为NP-Hard问题,当前模型方法难于有效发掘复杂的非线性空间模式、缺乏复杂空间决策支持能力,易出现早熟,陷入局部最优而不能得到全局最优解。因此,有必要寻求搜索能力强、精度高的智能算法,系统的开展多目标空间优化研究。　　 基因表达式编程(Gene Expression Programming,GEP)是借鉴生物遗传的基因表达规律提出的一种新兴进化算法。具有结构简单、自适应性好、搜索效率高、数据挖掘能力强等优点,特别适合于复杂数据挖掘问题。论文首次将GEP方法引入到空间优化研究,通过对传统GEP算法的改进,提出了一套较完整的基于点、线、面状地物的Pareto多目标空间优化智能方法,并用于解决实际多目标空间优化问题。本文研究不仅是对传统GEP算法在求解组合优化问题方面的重要拓展,而且有助于弥补当前多目标空间优化决策研究的不足,提高解决复杂多目标空间优化问题的能力。　　 论文内容主要分为两部分:第一部分主要介绍了当前多目标空间优化研究的背景和意义,分析了国内外多目标空间优化决策和基因表达式编程的研究现状及问题,阐述了GEP及Pareto多目标优化技术特点,并通过基本应用实例说明GEP算法特征与本质。第二部分对点状、线状及面状地物多目标空间优化问题展开全面研究。通过对GEP算法的改进,分别构建了基于点、线、面的多目标空间优化模型,同时与GA多目标空间优化模型进行了对比分析,并最终将模型应用于广州市实际空间优化问题。论文的主要研究成果如下:　　 (1)提出了一种基于传统GEP算法的人口预测新方法。研究发现:GEP算法具备优秀的数据挖掘能力,能够很好地发掘人口发展的复杂非线性模式。与灰色系统预测模型及径向基人工神经网络预测模型相比,GEP模型能够有效防止过度拟合现象的发生,提供更为准确、合理的拟合及预测结果。但同时发现:传统GEP算法采用与数学表达式相关的编码方式,主要用于解决规则提取相关领域的问题,而地学领域的空间优化问题多属于组合优化问题,直接应用传统GEP算法并不适合,需要加以改进。　　 (2)构建了基于GEP的点状地物Pareto多目标空间优化模型。重新定义了传统GEP基因编码头部和尾部之间的函数关系,改进了变异、重组及插串算子。通过典型Bohachevsky函数和Shubert函数实验发现:对于单峰和多峰函数,GEP模型均可搜索到全局最优解,而GA模型存在搜索性能不高、陷入局部最优等缺陷。GEP模型更适于解决复杂多峰优化问题。最后将GEP模型应用于广州市医院选址问题:GEP模型可为规划选址提供多种偏好情况下的选址方案,选址点较为均匀的分布于广州市人口稠密区,实验结果合理。　　 (3)构建了基于GEP的线状地物Pareto多目标空间优化模型。设计了变长GEP多基因族编码方式及相应GEP遗传操作算子。其中,改进的重组算子能够有效避免传统GA模型在交叉操作中出现的非法路径；新引入的插串算子及倒置遗传算子能够分别针对“最短路径”和“最优覆盖路径”展开有效搜索。研究表明:在搜索范围更大、搜索空间呈复杂多峰特征的对比实验中,GEP方法较GA方法能够搜索到更优的路径,更适于解决复杂背景下的路径优化问题。在广州城市轨道路径优化实际问题中,GEP模型能够提供多种规划情境下的最优路径方案,决策者可以很方便的审视Pareto最优解集中所有最优方案的特点,并从中选出符合自身偏好的最优决策方案,提高了决策效率和质量。　　 (4)构建了基于GEP的面状地物Pareto多目标空间优化模型。提出了面状地物的GEP线性编码及树状编码新方法及相应的遗传操作算子。模型实现了以简洁的编码描述面状地物复杂的邻接关系,以高效的操作执行面状地物复杂的搜索过程。通过典型Deformed sombrero函数实验及广州市房地产开发选址实际应用可知:GEP面状地物选址模型可有效解决复杂(多峰、多岛)背景下的面状地物形状优化和位置优化问题,与传统GA选址模型相比,GEP选址模型能够在一定程度上可以避免早熟、局部最优的问题。此外,模型有效解决了传统基于权重法多目标选址模型忽略某些重要最优解的弊端,可为决策者提供更为丰富可靠的最优各选方案。