我国正处于推进新型城镇化建设的背景下,城镇化增长态势将会持续下去。随着人口大量涌入城市,城市建设用地需求将不断增加,由此会引发土地资源浪费、郊区农用地流失等人地配置矛盾问题。城市的空间增长带来的土地利用变化是LUCC的重要研究内容,从微观的角度来看,表现为城市系统中的人类群体在地理环境中行为活动的结果在时空上的积累和集聚,具有复杂适应系统的特性。为更好理解城市空间增长这一宏观现象下的微观动力过程,研究针对城市空间增长的复杂性,选取“自下而上”的多智能体建模方法,构建了基于多智能体的城市空间增长模型。本文的研究内容主要包括：(1)将城市空间增长过程中参与的微观个体分为居民、工业、开发商和政府四类智能体,以土地利用单元的建设适宜性评价结果反映不同类型个体的区位偏好,设计学习型函数以反映微观个体之间的交互作用,考虑政府建设用地管制分区以体现政府的宏观引导作用。(2)借鉴前人的研究,选取影响城市空间增长的土地驱动因子进行空间化。在此基础上,面向居民(高、中和低收入居民)和工业企业采用定性与定量相结合的AHP层次分析法进行土地利用单元的建设适宜性评价；面向开发商采用定量的Logistic回归方法进行建设适宜性评价,选取全局Logistic回归模型和地理加权逻辑回归(GWLR)模型中对采样点拟合效果较好的方法作为评价结果。(3)首先使用虚拟实验数据以说明模型的特征,然后将模型应用到研究区的城市空间增长模拟中,对比不同的情景设置下模型的参数敏感性,说明学习型函数和政府因素对模拟结果的影响。研究结果表明：(1)本文构建的多智能体模型可用于进行城市空间增长模拟。在对智能体进行分类的基础上,通过备选土地利用单元选择、区位选择、区位决策、模拟优化四个阶段的迭代,实现了个体交互作用下的城市空间增长模拟。模型验证时,三个实验的模拟精度均在70%以上,Lee-Sallee形状指数和Kappa系数取值范围均可以接受,说明了本文基于多智能体方法构建的城市空间增长模型的有效性。(2) GWLR模型能够体现地理数据的空间非平稳性特征,较全局Logistic回归模型对采样点的拟合效果更好,更适合在模型中评价建设用地适宜性。(3)政府建设用地空间管制分区对城市空间增长起到引导作用。政府建设用地空间管制分区包括四种类型：允许建设区、有条件建设区、限制建设区和禁止建设区。模型验证时,包含政府建设用地管制分区引导作用的模型取得了较高的模拟精度,说明微观个体的活动会受到“自上而下”的规划作用的约束,因此政府应划定合理的空间管制分区和城市开发边界,以正确引导城市空间增长。(4)学习型函数能够实现土地利用单元建设适宜性的动态评价。学习型函数考虑了智能体间的相互影响,它的加入使得新增建设用地周围的土地利用单元适宜性不断提高,从而使土地利用模拟结果趋向于集聚和紧凑。模型验证时,采用学习型函数进行适宜性评价的模型取得了较高的模拟精度,说明学习型函数能够反映现实发展中建设用地的集聚性特征。