مدلسازی توسعه شهری، از ابزارهای مفید برای تشریح روابط متقابل بین محیط مصنوعی و محیط طبیعی بمنظور کمک به برنامه ریزان در شرایط پیچیده می باشد. تاکنون تلاش های زیادی در زمینه مد-لسازی توسعه شهری با استفاده از آتوماتای سلولی صورت پذیرفته است. تعدادی از مدل های طراحی شده توانسته اند تا حدودی موفق باشند اما برای ایجاد یک مدل قابل اطمینان و معتبر هنوز برخی مسائل بصورت حل نشده باقی مانده است. کالیبراسیون مدل آتوماتای سلولی یکی از مسائل چالش برانگیز در شبیه سازی گسترش شهری می باشد. پیچیدگی در فرآیند توسعه شهری، تعداد متغیرهای زیاد و وجود قوانین مختلف باعث گردیده تا کالیبراسیون مدل آتوماتای سلولی به مرحله ای دشوار و حساس در فرآیند مدلسازی تبدیل گردد. لذا استفاده از روش بهینه سازی مناسب جهت کالیبراسیون نکته ای ضروری و حائز اهمیت می باشد. در یک دید کلی روش های کالیبراسیون را می توان به 3 دسته، بصری ، آماری و شیوه های مبتنی بر هوش مصنوعی تقسیم نمود. الگوریتم ژنتیک روشی مبتنی بر هوش مصنوعی و شیوهای جدید در معتبر سازی مدل آتوماتای سلولی می باشد که به ندرت مورد توجه قرار گرفته است. در تحقیق پیش رو سعی بر آن شده تا با تلفیق آتوماتای سلولی و الگوریتم ژنتیک، مدلی قدرتمند و با کارایی بالا جهت مدلسازی توسعه شهری طراحی گردد. پارامترهای کار رفته در این مدل شامل فاصله از راه اصلی، شیب زمین، تراکم سلول های شهری در شعاع همسایگی و وجود مناطق استثناء می باشد. این پارامترها به همراه تعداد تکرار مورد نیاز برای مدل ca، در قالب کروموزوم هایی مورد ارزیابی قرار گرفته و حد آستانه های بهینه استخراج می گردد. علاوه بر تعیین حد آستانه، میزان حساسیت مدل به قدرت تفکیک مکانی و شعاع همسایگی مورد بررسی قرار گرفت. تابع هدف استفاده شده در این تحقیق شاخص دقت کلی بوده و در کنار آن از شاخص کاپا نیز استفاده شده است. در نهایت از مدل طراحی شده برای شبیه سازی روند توسعه شهر همدان در بازه زمانی سال 1369 تا 1384 استفاده گردید و نتایج بدست آمده با نتایج حاصل از مدل رگرسیون لجستیک مورد مقایسه قرار گرفت. این مقایسه نشان داد که دقت مدل طراحی شده نسبت به مدل رگرسیون لجستیک بیشتر بوده و می تواند به عنوان پایه ای برای تحقیقات آتی مد نظر قرار گیرد.

تمامی مسائل تصمیم گیری چند معیاره گروهی با انواع مختلفی از عدم قطعیت ها مواجه هستند. عملگر میانگین وزنی مرتب شده (owa) به عنوان یکی از روش های ترکیب ارزیابی های تصمیم گیران در مسائل تصمیم گیری چند معیاره توسط یاگر در سال 1988 تعریف شد تا یک چارچوب یکپارچه برای تصمیم گیری تحت عدم قطعیت فراهم کند. تعیین بردار وزن در عملگر میانگین وزنی مرتب شده یک موضوع اساسی در استفاده از این عملگر برای تصمیم گیری می باشد، زیرا نتایج ترکیب انجام شده توسط آن تا حدود زیادی به تعریف بردارهای وزن استفاده شده دارد. در بسیاری از وضعیت های تصمیم گیری چند معیاره گروهی، ارجحیت های تصمیم گیران روی معیارها به وسیله روابط ارجحیت بیان می شوند. یک مرحله مهم در فرآیند ترکیب روابط ارجحیت تصمیم گیران، تعیین وزن های اهمیت هر کدام از روابط ارجحیت است، زیرا هر چه وزن های روابط ارجحیت دقیق تر تعیین شوند، وزن های نهایی معیارها به واقعیت نزدیکتر خواهند بود. در این تحقیق سعی بر آن است تا با توسعه عملگر owa، وزن های اهمیت روابط ارجحیت را به گونه ای تعیین کنیم تا ضمن دستیابی به یک رابطه ارجحیت گروهی، اعضای گروه نیز به سطح قابل قبولی از اجماع و سازگاری برسند. در پایان برای بررسی استحکام نتایج، تحلیل حساسیت نسبت به عدم قطعیت موجود در ورودی ها انجام خواهد شد.

روش کریجینگ که یک روش زمین آماری است، از متداول ترین روش های درونیابی می باشد. کریجینگ بر اساس نوع کاربرد به زیرروش های مختلفی تقسیم می گردد که از میان آن ها می توان به کریجینگ معمولی، کریجینگ شاخص و کریجینگ شاخص نرم اشاره نمود. روش کریجینگ شاخص به منظور تعیین احتمال عبور یا عدم عبور کمیت هر نقطه مجهول از یک سری حدود آستانه به کار می رود. در این روش، با تعیین یک سری حدود آستانه و یک تبدیل غیرخطی بر روی مشاهدات، احتمال عبور یا عدم عبور کمیت نقاط مجهول نسبت به حدود آستانه به دست می آید. دو مورد از منابع عدم قطعیت در این روش، خطای اندازه گیری نقاط مشاهداتی و انتخاب مقادیر حدود آستانه هستند. در این تحقیق، به منظور مدلسازی این دو منبع خطای روش کریجینگ شاخص، روش ابداعی کریجینگ شاخص نرم بهینه شده با استفاده از الگوریتم ژنتیک معرفی شده است. به منظور بررسی عملکرد این روش و ایجاد یک مدل مقایسه ای بین این روش و چهار روش میانگین گیری وزن دار بر اساس معکوس فاصله، کریجینگ معمولی، کریجینگ شاخص و کریجینگ شاخص نرم، این پنج روش بر روی دو مجموعه داده اعمال شدند. مجموعه داده اول، 22 نقطه آزمایشی ارتفاعی با تراکم مناسب بودند. در حالی که مجموعه دوم داده عبارت بود از مشاهدات مربوط به بارندگی بهمن ماه سال 1387 در 15 ایستگاه سینوپتیک استان مازندران که از تراکم کمی برخوردار بودند. نتایج اجرای این روش ها نشان داد که در هر دو مجموعه داده، روش کریجینگ شاخص نرم بهینه شده با استفاده از الگوریتم ژنتیک دارای کمترین میزان خطای برآورد است. برای تعیین معیار خطای برآورد، از میانگین قدر مطلق اختلاف مقادیر مشاهداتی و محاسباتی برای هر نقطه در دو حالت جکنایف (jackknife) و اعتبارسنجی متقابل (cross-validation) استفاده شد. بنابراین با توجه به نتایج به دست آمده، کارایی روش پیشنهادی در مدلسازی دو منبع خطا در روش کریجینگ شاخص و افزایش دقت درونیابی ثابت گردید.

امروزه در کشورهای پیشرفته، سیستم های حمل و نقل هوشمند نقش بسزایی را در زندگی روزمره ی افراد جامعه بازی می کنند. این سیستم ها با ارائه ی خدمات مختلف علاوه بر کاهش هزینه ها (از طریق کاهش مصرف سوخت و کاهش استهلاک)، باعث کاهش یافتن آثار زیان بار آلاینده های زیست محیطی ناشی از تردد وسایل نقلیه (در اثر روان سازی و مدیریت بهتر جریان ترافیک) و صرفه جویی در وقت می شوند. بسیاری از خدمات ارائه شده در its ها نیاز به اطلاعات موقعیت دقیق کاربران در شبکه ی معابر شهری دارند. از جمله این خدمات می توان به مدیریت و نظارت بر ناوگان حمل و نقل عمومی و اخذ خودکار عوارض عبور از مسیرهای خاص اشاره کرد. تعیین موقعیت در چنین شرایطی باید دقیقاً مشخص کننده ی مسیر حضور کاربر باشد. واضح است که به دلیل وجود خطا در تعیین موقعیت کاربر و همچنین وجود خطا در نقشه ی شبکه ی راه ها، موقعیت مشاهده شده ی کاربر منطبق بر مسیرهای موجود در نقشه نخواهد بود. در اینجا نیاز به یک فرایند تناظریابی نقشه جهت انطباق این دو دسته داده ی مکانی احساس می شود. تمرکز این تحقیق عمدتاً روی پارامترهای تأثیرگذار در فرایند تناظریابی موقعیت های کاربر روی شبکه ی معابر معطوف است. پارامترهای موثر در فرایند تناظریابی، تعیین و سپس یک به یک در هر مرحله به الگوریتم اضافه شده و نتایج حاصله مورد بررسی قرار می گیرند. همچنین، با معرفی دو ضریب تعدیل، سعی در بهبود این پارامترها می شود. در مرحله ی بعد، یک الگوریتم تناظریابی توپولوژیکی بر مبنای یافته های این پژوهش توسعه داده می شود. الگوریتم تناظریابی توپولوژیک از اطلاعات تاریخچه ای حرکت وسیله ی نقلیه و نحوه ی اتصال یال ها در شبکه استفاده می نماید. در آخر، یک مدل برای محاسبه ی سطح اعتماد پذیری به تناظریابی ها معرفی می شود. بر طبق این مدل، بلافاصله بعد از انجام تناظریابی هر موقعیت عددی در بازه ی [100 و 0] به عنوان شاخص integrity برای تناظریابی آن تعلق می گیرد. اگر مقدار این شاخص از یک حد آستانه کمتر باشد، الگوریتم فرض می کند که تناظریابی موقعیت اشتباه انجام گرفته است.

توسعه ی روزافزون فناوری های کامپیوتری و تئوری های تصمیم گیری منجر به طراحی مدلهای نوین در حیطه ی مسائل تصمیم گیری چندمعیاره شده است. روشهای فرارتبه ای نمونه ای از این مدلها می باشند که با الگوریتمی ساده، بدون نیاز به اطلاعات بیش از اندازه از سوی کارشناس، به مدلسازی دقیق تر مسائل تصمیم گیری می پردازند. مدلهای گوناگونی در قالب خانواده ی روشهای فرارتبه ای ارائه شده اند که در این میان روشهای electre و promethee در تحلیل مسائل رتبه بندی، بهینه سازی و انتخاب جایگاه ویژه ای پیدا کرده اند. لیکن روشهای مذکور به تنهایی قادر به تحلیل مسائل چندمعیاره مکانی نمی باشند. ادغام روشهای فرارتبه ای با gis پیشنهادی است که برای تحلیل بهتر و کارامد مسائل مکانی ارائه شده است. بسیاری از پدیده های موجود در دنیای واقعی و مسائل تصمیم گیری مکانی دارای ماهیت پویا می باشند. بنابراین در کنار ترکیب مدلهای تصمیم گیری با gis، ادغام بُعد زمان با gis نیز بسیار حائز اهمیت است. روشهای نوین مدلسازی نظیر شبکه های عصبی مصنوعی، اتوماتای سلولی و مدلسازی های عامل مبنا از جمله مدلهای پیشنهادی برای مدلسازی پدیده های پویا می باشند. بیماری مالاریا مهمترین بیماری انگلی جهان است و دارای ماهیتی پیچیده، غیر قابل پیش بینی و پویا می باشد. این بیماری تحت تأثیر فاکتورهای گوناگونی است که از آن جمله می توان به عوامل محیطی و جغرافیایی، وضعیت بهداشت منطقه، وضعیت آموزشی و تربیتی افراد ساکن در منطقه اشاره کرد. بنابراین بررسی میزان آسیب پذیری ناشی از مالاریا در مناطق مختلف و مدلسازی انتشار این بیماری بسیار حائز اهمیت می باشد. در این تحقیق، از روشهای فرارتبه ای برای تهیه ی نقشه های آسیب پذیری مالاریا استفاده شد. طراحی نقشه های آسیب پذیری در سه سطح استان هرمزگان، شهرستان میناب و دهستان بندزرک به کمک روشهای electre iii و promethee ii و با معیارهای ارزیابی دما، رطوبت، فاصله از پوشش گیاهی، فاصله از آبهای راکد، تراکم جمعیت و ارتفاع صورت گرفت. سپس دقت نقشه های طراحی شده به کمک شاخص prevalence و موارد مثبت مالاریا در سالهای 85 و 86 مورد ارزیابی قرار گرفت. بر اساس یافته های این تحقیق می توان اذعان کرد که نقشه های تولید شده به کمک روشهای مذکور به داده های واقعی نزدیکتر هستند و نسبت به روشهای متداول نظیر saw (در حدود 20 درصد) دارای دقت بالاتری می باشند. در ادامه برای شبیه سازی انتشار بیماری مالاریا در سطح دهستان بندزرک مدل ca مورد استفاده قرار گرفت. نوآوری های پیشنهادی این پژوهش برای بهبود دقت شبیه سازی انتشار مالاریا با ca شامل بهره گیری از نقشه های آسیب پذیری حاصل از روشهای فرارتبه ای به عنوان لایه ی احتمال آلودگی، برآورد اوزان لایه های اطلاعاتی با روش ahp، توسعه ی تابع انتقال با افزایش پارامترهای موثر، محاسبه ی احتمال جابجایی پشه و افراد آلوده می باشند. در نهایت نیز، صحت مدل پیشنهادی به دلیل عدم وجود داده های واقعی انتشار مالاریا، به کمک نقشه های آسیب پذیری مورد ارزیابی قرار گرفت. نتایج ارزیابی های ذهنی و مقایسات منطقی، حاکی از افزایش دقت در شبیه سازی انتشار بیماری مالاریا (به دلیل افزایش دقت نقشه ی آسیب پذیری و افزایش پارامترهای موثر در مدلسازی) نسبت به مطالعات پیشین بوده است.

یکی از رایج ترین تصمیم گیری های مکانی، تصمیم گیری برای انتخاب مناسب ترین محل برای کاربردی خاص همچون سکونت و یا کسب و کار است. انتخاب بهترین گزینه به گونه ای که تمامی جنبه ها و پارامترهای مطلوب در آن مدنظر قرار گیرد فرآیندی بسیار پیچیده است. استفاده از محیط وب به عنوان بستر حمایت از تصمیم گیری، به نحو فزاینده ای سهولت و دقت تصمیم گیری های پیچیده روزمره، نظیر انتخاب مکان مناسب برای سکونت، را افزایش خواهد داد. یک سیستم حامی تصمیم گیری مکانی برای آنکه بتواند به عنوان یک سرویس تحت وب برای همه ی افراد جامعه با هر سطحی از دانش و اولویت ها قابل استفاده باشد باید قابلیت شخصی سازی توابع و مدل ها را داشته باشد. هدف اصلی این تحقیق پیدا کردن مناسب ترین املاک (برای سکونت و یا کسب و کار) مطابق با ترجیحات کاربر در محیط وب می باشد. برای رسیدن به این هدف در این پژوهش موانع و محدودیت-های کلی و نقاط ضعف و قوت روش های موجود در مراحل مختلف تصمیم گیری شامل اعمال محدودیت ها، استانداردسازی ارزش ها، وزن دهی به معیارها و رتبه بندی گزینه ها، از منظر استفاده در یک سیستم حامی تصمیم گیری مکانی مبتنی بر وب برای مکان یابی املاک بررسی شد. با توجه به ویژگی های مسئله روش topsis فازی سلسله مراتبی به همراه روش وزن دهی با ارزش های زبانی از بین روش های موجود انتخاب شد. در مرحله اعمال محدودیت ها مشخص شد که روش های موجود فاقد قدرت انعطاف پذیری و شخصی سازی مورد نظر مسئله می باشند، بنابراین مدل جدیدی بر اساس روش گزینش فازی یاگر توسعه داده شد. برای طراحی معماری سیستم در محیط وب، معماری سمت سرویس دهنده با توجه به ویژگی مستقل از سکوی نرم افزاری و سخت افزاری بودن آن انتخاب و برای پیاده سازی آن نیز از بستر asp .net استفاده شد. برای بررسی عملکرد سیستم عوامل موثر بر انتخاب املاک در شهر تهران شناسایی و تحت عنوان سه هدف کلی، تأمین دسترسی های مکانی، شرایط محیطی مناسب و شرایط ظاهری و فیزیکی مناسب دسته بندی شد. در نهایت نمونه اولیه سیستم برای این شهر در محیط وب پیاده سازی شد. نتایج ارزیابی این سیستم نشان داد که سیستم پیشنهادی در زمینه دقت نتایج و قابل اطمینان بودن آن و استفاده آسان و به خصوص سرعت دستیابی به نتیجه مطلوب، در مقایسه با روش های موجود مکان یابی املاک عملکرد بهتری از خود نشان می دهد.

شبیه سازی¬های عامل¬مبنا می¬توانند برای آزمودن فرضیه¬ها در سیستم¬های پیچیده بکار روند. یک سیستم چندعامله متشکل از تعدادی عامل هوشمند است. چنین سیستمی زمانی به کار می آید که حل مسائل و انجام وظایف توسط یک عامل و یا یک سیستم یکپارچه غیر ممکن یا دشوار باشد. اگر چه عامل و شیء ویژگی¬های مشترک زیادی دارند، اما یک فضای چندعامله، علاوه بر هندسه متغیر در زمان که در اشیاء متحرک نیز دیده می شود، ویژگی¬هایی مانند خودمختاری، روابط اجتماعی، سنجش محیط، مولفه¬های دانش و تصمیم¬گیری، انطباق پذیری، و قابلیت عکس العمل را در خود دارد. در این بین، دانش روابط مکانی-حرکتی می تواند موجب تقویت مولفه هوشمندی عامل¬ها در حل مسئله و تصمیم گیری گردد. مسئله اصلی تحقیق پیش رو چگونگی دستیابی به ساختاری است که بتوان این ویژگی¬های مکانی-حرکتی را با یک زبان منطقی و مستدل در فضای عامل¬ها ارائه نمود. از جمله چالش های موجود در تحقیقات مرتبط در این حیطه، می توان گفت که در پایگاه داده اشیاء متحرک به قصد و نیت عامل ها، طراحی حرکت گروهی، طراحی حرکت بر روی شبکه و امکان پذیر بودن آن، ویژگی¬های کیفی حرکت و استدلال توجه کمی شده است. در منطق¬های مکانی-زمانی در مورد اشیاء و عامل¬ها نیز تأکید بر ویژگی¬های کیفی و نمادین می باشد. ویژگی¬های عددی و هندسی، ساختار داده¬ها و الگوریتم¬ها در رابطه با توپولوژی، مکان و حرکت، ویژگی¬های عامل¬های هوشمند و تأثیر آن بر منطق، اثبات قضیه و استدلال منتج به اقدام نیز کمتر مورد توجه بوده است. همچنین در زمینه معماری و پیاده سازی سیستم¬های تلفیقی اطلاعات مکانی و شبیه سازی عامل-مبنا (مانند netlogo، repast و agentanalyst)، چنین کمبودهایی بیشتر به چشم می آیند. با توجه به این ضعف ها و نیاز به مولفه¬های مکان، حرکت، هوش مصنوعی توزیع یافته و سناریوهای منطقی در مسائلی از مدیریت بحران و امداد رسانی، مدیریت ناوگان و خدمات رسانی، طراحی¬ها و راهبردهای نظامی، هدف این پایان نامه ارائه یک ساختار جدید می باشد. مشارکت اصلی این تحقیق، فراهم نمودن بستری نظری برای کسب و استدلال روابط مکانی-حرکتی مورد نیاز عامل¬ها تحت جملات منطقی می باشد که در شبیه¬سازی های مبتنی بر سیستم اطلاعات مکانی و عامل در مسائل وظیفه محور قابل استفاده خواهد بود. به دلیل وجود دانش محلی در فضای عامل¬ها، محدودیت حسگر¬ها، پیچیدگی اندازه گیری¬های دقیق مکانی در فضای پویا، نیاز به محدود کردن فضای جستجوی انتخاب¬ها در زمان تصمیم گیری عامل های متحرک و نیاز به قدرت تبیین و صراحت بالا برای عامل¬های هوشمند، تمرکز اصلی ساختار پیشنهادی بر ساختارهای صریح، کیفی و استدلالی قرار گرفت. مدل منطقی پیشنهادی یک ساختار زمانی انشعابی مرتبه اول می باشد که بیان مولفه¬های عامل به کمک موجهات در آن امکانپذیر شده است. علت این انتخاب قابلیت تبیین مناسب منطق مرتبه اول در بیان روابط مکانی-حرکتی، امکان ساختار زمانی انشعابی برای بیان روابط مشتق زمانی و مطلوبات مختلف عامل¬ها، و قابلیت منطق موجهات در ارائه مولفه دانش و ویژگی عامل¬ها می باشد. به منظور تببین صوری ساختار پیشنهادی لازم بود نحو، عبارات، دامنه موجودیت¬ها، معنا بر اساس توابع تعلق و تابع تفسیر برای متغیرها، محمول¬ها و ثوابت، مدل و روابط ارضاء و سایر ویژگی ها تعریف و ارائه شوند. عمده حجم تحقیق حاضر به ارائه روابط جدید و توسعه رابطه¬های موجود مکانی، حرکتی، خط سیر، مسیر و توپولوژیک در فضای عامل¬ها اختصاص یافت که پس از آن در قالب محمول¬ها معنا پیدا نمود. نتیجه ساختار پیشنهادی صراحت و قدرت تبیین بالا در بیان انواع روابط مکانی-حرکتی و سناریوسازی منطقی، امکان استدلال عملی بر اساس دستگاه استنتاج، الگوریتم¬ها و ساختارداده¬های کارآمد، روابط جدید حرکتی و مکانی، و در برگرفتن ایده¬های¬عامل های هوشمند می باشد. بر اساس معماری سیستم شبیه سازی نیز برخی سناریوهای منطقی ساده مدلسازی گردید که امکان آن در سیستم های تلفیقی اطلاعات مکانی- عامل موجود میسر نبود. سیستم پیشنهادی قابلیت¬های استنتاج مکانی-حرکتی و طراحی مشارکتی را به طور ممزوج امکان پذیر می ساخت. همچنین ارزیابی الگوریتم¬های اصلی در تشکیل محمول های منطقی، برای نشان دادن کارایی آن ها، ارائه گردید. مثلاً اگر متغیر ورودی تعیین کننده پیچیدگی n باشد، در n=500 کارایی آلگوریتم¬های پیشنهادی بیش از دو برابر الگوریتم های موجود است.