摘要: 以植物为对象的计算机建模与可视化仿真，已经成为计算机图形学、农林学以及生态学等多领域中重要的研究课题。由于植物的结构复杂多样，尤其在大规模自然场景的建模中，需要大量多样的植物形态。如何利用计算机快速有效地为场景建模，已经成为植物建... 展开 以植物为对象的计算机建模与可视化仿真，已经成为计算机图形学、农林学以及生态学等多领域中重要的研究课题。由于植物的结构复杂多样，尤其在大规模自然场景的建模中，需要大量多样的植物形态。如何利用计算机快速有效地为场景建模，已经成为植物建模的研究热点。在植物建模中，选择合适的形态发生模型模拟植物的形态结构，是对植物进行仿真的关键步骤。在模拟植物形态结构时，不管选择哪种形态发生模型，都需要根据对特定植物的先验知识，人工归纳抽象出模型的规则参数，才能生成符合要求的植物形态。特别是在对大规模自然场景建模时，需要确定大量的规则参数。人工提取这些规则参数的方法，既费时又费力。如何高效地获取这些规则参数，就显得尤为重要。 本文把L系统和遗传算法相结合，以自动地获取目标植物的L系统产生式规则，快速地对植物形态进行建模。主要工作如下: 1.提出基于基因表达式编程的植物形态仿真算法，利用基因表达式编程的思想，结合L系统对植物形态进行建模。针对植物拓扑结构的特点，提出限制性的初始种群设计策略，利用优化的种群个体选择策略，引导种群进行进化，提高算法效率。 2.提出基于植物外形轮廓的粗粒度适应度函数和基于植物内部分枝结构的细粒度适应度函数。综合两种适应度函数，以全面地计算仿真植物形态与目标植物形态的相似性。 3.提出植物形态随环境因素变化的模拟方法，模拟植物在不同环境因素下的形态变化。通过对光照和矿物质资源对植物形态影响的研究，模拟出单株植物在单侧光影响下的形态变化，以及植物在矿物资源分布不均衡区域的种群分布及个体形态的变化。 4.设计并实现了基于进化策略的植物形态仿真系统。该系统不仅能模拟指定的目标植物，还可以通过用户的选择，生成多种形态的植物。 收起