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.

چکیده ندارد.