空间位置建模作为实现空间优化决策的一项关键技术，已成为有关领域研究热点。多设施科学选址在城市和区域科学发展、优化资源配置等方面发挥重要作用，其理论和方法的研究对提高GIS的空间决策支持能力具有重要意义。随着计算机科学、人工智能、地理信息系统等领域的发展，使得空间位置建模技术解决复杂的空间优化问题成为可能。经典的位置模型理论、地理信息系统、空间分析模型和计算智能技术的有机结合，将是空间位置建模技术的发展方向。本文研究以Voronoi图模型作为空间分析手段，在建立各种Voronoi图构建算法和建立基于Voronoi图的位置模型基础上，采用微粒群智能优化算法实现空间优化。其研究内容和结论包括:　　 一、研究Voronoi图在空间位置优化分析中的理论和方法，应用功能和应用潜力。Voronoi图模型在空间位置问题描述、模型建立、分析和优化求解中具有重要功能。对于位置问题描述，Voronoi图可以准确地模拟由位置产生的空间结构及其空间关系，位置模型的空间约束、取值约束可以通过Voronoi图表达，基于Voronoi图建立的位置模型具有简洁、规范，信息度高和可操作性强的特点。本文利用Voronoi图建立了平面和网络上连续的p-中值问题、最大覆盖问题和p-中心问题的三类位置模型。Voronoi图在空间优化时的静态分析和动态分析功能突出，在空间势力范围划分、位置相关结构分析、覆盖信息提取、位置优化问题求解、邻域和邻近分析、融合启发式方法、辅助空间搜索等诸多方面发挥重要的作用，是空间位置建模理想和关键的空间分析工具。　　 二、基于Voronoi图分析的空间优化需要高性能Voronoi图构建算法的支持。针对现有的Voronoi图构建算法和网络Voronoi图构建方法不能适应空间优化分析性能要求的状况，研究并提出了面向空间优化分析的常规Voronoi图和网络Voronoi图新的高效构建算法与方法。为应对一次空间优化需要产生数万幅具有拓扑关系和面域结构信息的Voronoi图参与计算分析的特点，本文提出了一种基于结点逼近提取的常规Voronoi图构建算法，并可扩展到平面任意发生元Voronoi图的构建。算法分析表明其时间复杂度达到nlong2n，可以产生发生元和Voronoi图链段之间两种拓扑关系，非常适合空间优化计算。为使用道路网络环境下的空间优化，本文提出的网络Voronoi面域图的构建算法，可以基于网络路径距离和网络路径时间的最短路径分析，并能产生网络加权Voronoi面域图。算法分析表明，该算法的时间复杂度是网络结点数的2阶函数、离散栅格单元总数的线性阶函数，对中等规模网络，该算法可按精度满足空间优化的分析需求。　　 三、网络Voronoi图模型是一种新的实用空间分析模型，对它的深入研究有助于推动空间结构分析和空间优化分析更具科学性。网络Voronoi图模型在城市化区域空间位置优化和分析中具有重要作用，是分析和模拟城市空间结构、研究道路网络环境下位置相关问题的实用工具，高效的网络Voronoi面域图的构建算法是其广泛应用于空间位置建模和空间分析的重要基础。城市和区域道路系统的不断完善，快速轨道交通发展，压缩了城市和区域的时空距离，可达性和距离的时间效应改变了城市的空间结构和人们的时空概念。基于道路网络的空间分析方法可以为城市化区域的空间决策提供支持，道路网络Voronoi图、空间相互作用理论的结合，可以有效模拟城市中心设施的影响和辐射传导机制，能够对城市中心设施的功能辐射域进行真实、客观的空间划分和结构分析，进而为空间位置优化提供科学依据。　　 四、融合其他智能的微粒群算法是解决复杂的空间位置问题有效的优化工具。位置问题的精度、规模和复杂性要求优化算法具有更高的启发式性能，能够克服优化过程对计算资源的极度消耗造成的瓶颈。微粒群优化算法以其独特与简洁的仿生进化机制和突出的寻优能力，以及对目标函数和约束条件的连续性、凸性和计算过程不确定性的鲁棒性，非常适合作为空间位置建模的优化工具。将引入遗传交叉和变异进化机制引入微粒群算法，可以提高微粒群算法对位置模型的优化能力和适应性，实验证明这种改进的多智能微粒群算法的全局优化性能非常突出。本文将Voronoi图模型分析和微粒群优化算法结合应用于空间优化，这一新的空间位置建模技术是复杂空间优化问题的有效解决方案。Voronoi图模型及其位置优化求解方法是一种基于结构图形分析的启发式方法，微粒群优化算法是基于群体协同智能的启发式方法，两种启发式方法的有机结合，提供了功能连贯和优势互补的技术集成，有可能形成一种更高层次上的启发式方法。