空间优化是GIS的一个重要研究方向，指在资源环境的管理、规划和利用中，通过在空间上合理配置这些资源，使它们的位置、形态、花费及效益达到最优。往往较为复杂，呈现出多目标、多准则、非线性、大数据量的特点，传统的GIS方法和穷举方法无法解决。将GIS应用模型与智能方法相结合，能够以较快的速度搜索到可以接受的决策方案，是解决复杂空间问题的有效工具。　　近年来，我国的城镇化进程不断加快，大量的耕地、水系和植被等生态用地转化为建设用地，导致了生态环境的恶化。为加强生态保护，防止城市建设无序蔓延危急城市生态系统安全，地方政府提出划定城市基本生态控制线，取得了良好的实践效果。然而，目前采用的定性或半定量的规划方法使得生态线很难切实落地。本文将从空间优化的角度研究定性与定量相结合的生态线规划方法，基于RS和GIS技术构建应用模型，引入新兴的人工蜂群算法，进行多目标优化以提供“先决策后搜索”、“先搜索后决策”两种模式下的多个决策方案。主要研究内容如下:　　(1)建立多目标、多准则、多约束的生态控制线空间优化模型。总结我国已有编制内容，对本文生态线规划的主要内容进行界定。建立生态线规划的概念模型，包括:以生态保护、城市发展、空间集聚为主体的多重目标体系，全面、系统的多准则评价指标体系，数量结构和空间范围兼顾的约束条件体系。探索基于RS、GIS和多准则方法的指标因子获取及适宜性评价方法，并根据实际情况，构建三亚市的生态线规划的应用实例。　　(2)研究基于人工蜂群算法的聚合为单目标的城市生态线空间决策方法。分析人工蜂群算法的基本原理，提出求解空间优化问题的思路。采用聚合函数法构建三亚市生态线规划的最大值目标方程。提出融合多种策略的改进人工蜂群算法IABC:完全随机和伪随机相结合的初始化策略、基于替换和修正操作的邻域搜索策略和基于多次交换操作的局部搜索策略。通过实验分析，IABC算法具有良好的收敛性、健壮性和跳出局部最优的能力;相比于AgentLA、ACO和DS算法，它能够高效地搜索到质量更好的优化解。IABC可以获取某种决策倾向下的三亚市生态线规划方案，优化方案是符合客观认知的、合理的、可靠的。　　(3)研究基于人工蜂群算法的城市生态控制线Pareto多目标空间决策方法。研究Pareto多目标优化的基本原理，提出本文的优化目标及评价方法。提出适合求解两个目标空间配置问题的帕累托人工蜂群算法PABC:采用支配关系的解集评价方法、引入外部解集的存储与更新方法、基于精英策略的选择机制、多种方式相结合的初始化策略、基于交换操作和折中思想的邻域搜索策略、基于矩形替换和随机修正操作的邻域搜索策略、提升端点解表现的局部搜索策略等。通过实验分析，PABC算法具有良好的收敛性、健壮性和寻优能力，相比于PAIS和PSA算法，它能够以更快的速度搜索到更为优质的Pareto前端。PABC算法可以获得清晰表达三亚市生态线规划的目标之间制衡关系的多个决策方案。　　本文的主要创新点如下:(1)构建了用于较发达城市生态控制线规划的评价指标体系和空间优化模型，可基本满足映城市生态控制线的规划需求;(2)提出并实现了面向城市生态控制线单目标空间优化的改进人工蜂群算法(IABC)，实验表明该算法策略有效，性能较好，可提供单个生态线规划方案的制定参考;(3)提出并实现了面向城市生态控制线Pareto空间优化的帕累托人工蜂群算法(PABC)，实验表明该算法有助于解决生态控制线Pareto前端的生成问题，为决策人员提供多个Pareto占优的规划方案的制定参考。　　综上所述，本文以城市基本生态控制线的规划为例，研究了集成人工蜂群算法、RS和GIS的多目标空间优化方法。对于促进空间信息科学的发展、提升智能多目标优化的技术、深化城市基本生态控制线的研究具有一定的理论研究、工程实践和现实应用价值。