面向地图自动综合的空间信息智能处理

本书是作者在自动制图综合领域科学研究与工程文践的理论总结，是作者在该领域多年研究成果的提炼。全书共分12章，分别从应用于自动综合的相关学科基础、地图自动综合辅助信息获取、基于知识的自动综合处理模型、基于遗传算法的自动综合处理模型、基于ABTM的自动综合处理模型等角度对地图自动综合展开了全面和深入的研究，*后以一个作者开发的自动综合系统为例，介绍了自动制图综合系统的设计方法和功能实现。 本书可作为地图学与地理信息工程专业的研究生教材。  

无论是地理信息系统中空间数据的多尺度表达，还是地图自动化生产中的自动制图综合，核心内容均相同，就是面向地图自动综台的空间信息智能处理。这是一个备受当今制图工作者普遍关注的问题，也是现代地图学面临的核心问题之一。
本书是作者在自动制图综合领域科学研究与工程文践的理论总结，是作者在该领域多年研究成果的提炼。从自动制图综合的基本特点和理论出发，本书系统论述了数字环境下面向地图自动综合的空问信息智能处理的原理与方法。全书共分12章，分别从应用于自动综合的相关学科基础、地图自动综合辅助信息获取、基于知识的自动综合处理模型、基于遗传算法的自动综合处理模型、基于ABTM的自动综合处理模型、基于弹性力学的自动综合位移模型、基于数学形态学和神经元网络的居民地自动综合处理模型、基于圆特性的自动综合处理模型、基于图论的道路网自动综合模型、基于Agent的自动综合过程控制模型等角度对地图自动综合展开了全面和深入的研究，最后以一个作者开发的自动综合系统为例，介绍了自动制图综合系统的设计方法和功能实现。
本书可作为地图学与地理信息工程专业的研究生教材，也可供从事数字地图制图、地理信息系统、电子地图制作的科研、教学、牛产单位的科技人员使用。

第2章　应用于地图自动综合的相关学科基础
地图自动综合的发展离不开各相关学科领域发展进步对其的促进与支持，一方面计算机、人工智能等相关领域技术的迅速发展为自动制图综合问题的解决提供了新的思路和方法，涌现出大量新的模型和算法，如基于遗传算法、蚁群算法、人工神经元网络、智能体等的模型和算法，有效地促进了自动制图综合问题的解决；另一方面，自动综合的进步也有效利用了众多基础数学方法、应用数学等方面的最新方法，如基于小波方法、模糊数学方法、分形方法等的模型和算法。限于篇幅，本章仅对本书中应用比较多、相对比较重要的近几年发展起来的人工智能领域的遗传算法、智能体和弹性力学方法进行简要阐述。
　　2．1 遗传算法
遗传算法抽象于生物体的进化过程，通过全面模拟自然选择和遗传机制，形成了一种具有“生成+检测”（generate and test）特征的迭代搜索算法，是一种求解极值问题的自适应、自组织人工智能技术。遗传算法以编码空间代替问题的参数空间，以适应度函数为评价依据，以编码群体为进化基础，以对群体中个体位串的遗传操作实现选择和遗传机制，建立起一个迭代过程。在这一迭代过程中，通过随机重组编码位串中重要的基因，使子代的位串集合优于父代的位串集合，群体的个体不断进化，逐渐接近最优解，最终达到求解问题的目的。
　　2．1．1　遗传算法的研究历史概述
遗传算法研究的历史可追溯到20世纪60年代中期，早期的研究主要集中于自然界生物遗传系统模拟上。有人认为早期的遗传搜索方法研究的成绩应归功于Rechenberg，他于1965年就发表了有关这方面的论文。但是，“遗传算法”这一术语最早却是由Baglay于1967年在他的博士论文中提出来的，他不仅对选择操作做了十分有意义的研究，而且还讨论了遗传算法在自动博弈中的应用。
　　……