توسعه فیزیکی شهرها، فرایندی پویا و گریزناپذیر است که طی آن محدوده¬های فیزیکی شهر در جهات مختلف گسترش یافته و سبب تغییر در وضعیت پوشش، کاربری و بافت اراضی منطقه می¬شود. مدل¬سازی و شبیه¬سازی رشد شهری، می¬تواند ابزار مناسبی برای تشریح روابط متقابل بین محیط انسان¬ساخت و محیط طبیعی به منظور کمک به تصمیم¬گیری برنامه¬ریزان در شرایط پیچیده محیطی باشد. هدف در پژوهش حاضر، مقایسه روش¬های کمی ریاضی و بررسی نحوه عملکرد آنها در فرآیند برنامه¬ریزی وارزیابی توان توسعه شهری است. بدین منظور روش¬های سلول¬های خودکار، منطق فازی، شبکه¬های عصبی مصنوعی و فرآیند تحلیل سلسله مراتبی مورد بررسی و مقایسه قرار گرفتند. نتایج نشان می¬دهند از آنجایی که یکی از مهمترین ویژگی¬های یک سیستم هوشمند توانایی یادگیری آن می¬باشد، روش¬های مبتنی بر هوش مصنوعی، به علت دارا بودن این قابلیت، منعطف¬تر بوده و ساده¬تر برنامه¬ریزی می¬شوند، بنابراین بهتر می¬توانند در مورد مسایل و معادلات پیچیده پاسخگو باشند و راه¬حل¬های ممکن جهت ارزیابی¬ توان توسعه و پویایی¬های شهری را ارائه دهند. ضمن اینکه در شرایط کمبود داده و نیز زیاد بودن تعداد پارامترها، نسبت به سایر روش¬های مورد بررسی، نتایج آنها دقیق¬تر و منطبق تر بر واقعیت می باشد.