空间优化选址是GIS空间决策分析的重要问题之一,指的是在一定地理区域内为一个或多个空间对象选定合适的位置,使某一指标或综合指标达到最优的过程。此问题常常涉及高维地理空间、海量数据、多个互相冲突的目标和限制条件,是NP-hard组合优化问题。传统的优化方法,如穷举法、盲目搜索法等难以取得很好的效果。本文提出了将空间结构知识和关联模式融合到多目标遗传算法,结合GIS强大的空间数据处理、空间查询、空间分析和可视化等技术进行空间优化决策。首先,从影响空间优化选址的定性因素和定量因素两方面着手,分别进行不确定的定性因素分析、量化及建模和确定性的定量因素分析及建模,利用粗集的知识将定性因素定量化的表达为一个综合效用因子并引入到定量因素的数学模型中,进行空间优化选址的影响因素建模。其次,在对多目标遗传算法的原理、内部机制的分析基础上,建立融合空间结构知识和关联模式的NSGA-II、SPGA2和PESA-II三种多目标空间优化选址模型。同时,将GIS与应用模型紧密无缝集成,并构建不同的评价体系评价不同模型的性能。最后,设计和开发基于ArcGIS Engine9.3+C#.net的GIS桌面应用系统,并进行大型不规则区域的北京市医院空间优化选址应用实践。实验结果证明,空间结构知识和关联模式对空间优化选址有较大的影响,本文所建模型在保持稳定性、鲁棒性的基础上,生成的Pareto最优集的收敛性更好、搜索到的最优位置的分布范围更广,三种模型的性能较单纯多目标算法模型均有不同程度的提高。