城市扩展是城市发展、建设和完善过程中的客观存在,一方面为城市发展提供必需的土地资源,而另一方面城市快速扩展过程中也给有限的土地资源尤其是耕地资源带来巨大压力。因此,掌握城市用地演变的规律和趋势、准确模拟城市扩展过程,对于制定科学合理的城市空间发展策略,保障土地资源可持续利用和实现城市可持续发展有重要意义。元胞自动机在城市扩展模拟应用中得到了广泛地关注,转换规则是CA的核心,是影响地理模拟优劣程度的最主要因素。因此,如何有效的获取转换规则是应用CA模型进行城市扩展模拟的重要工作。本文探索基于一种新的仿生智能优化——生物地理学优化算法——自动挖掘转换规则的模型,研究了算法的数学模型、关键算子与实现方法,并以实例论证详细分析了算法模型的模拟精度、有效性及相比与现有方法的优势。本文的研究内容和结论如下:1.研究设计基于生物地理学优化算法自动挖掘元胞自动机转换规则的模型以生物地理学优化算法与元胞自动机的基本理论为基础,研究设计一种基于生物地理学优化算法的元胞自动机转换规则挖掘算法(BBO-TR-CA),重点研究了 BBO-TR-CA的核心思想、数学模型和关键算子等问题,完成了 BBO-TR-CA模型的设计与实现。2.基于BBO-TR-CA模型的武汉中心城区城市扩展模拟的实证研究基于BBO算法进行武汉市中心城区的元胞自动机转换规则挖掘,并以此为基础实现了城市扩展动态模拟。此外,为验证BBO-TR-CA模型挖掘转换规则的能力,与线性logistic回归模型进行对比论证分析,通过对比两种模型的模拟精度和Moran’s I指数分析两种模型所构建的转换规则的质量。实证研究结果表明,相比于线性logistic回归模型,基于BBO-TR-CA模型的模拟结果在模拟精度和城市空间格局特征等方面都更加接近实际情况,说明基于BBO-TR-CA模型挖掘的转换规则的模拟结果更加具有真实性。