计算机辅助设计发展至今已经有近半个世纪的历史,它在工业设计中扮演着非常重要的角色。在计算机辅助设计项目中,设计方案的评价一直是设计过程中最重要和复杂的环节之一。设计方案的优劣程度,直接决定了这个项目的成功与否。主观和单一的评价方法并不能准确、公平的判断出一个具有多种客观标准制约的设计方案的好坏。特别是在计算机辅助园林设计中,设计方案的评价一直是一项繁杂而困难的任务。当人们在对一个计算机辅助设计的方案进行评价时,不仅要考虑其实用性、经济性等多方面因素,同时需要参照当前具体的设计标准进行准确地评判。研究一种针对整体设计快捷的、全面的以及智能化的评价方法将很有应用价值。在评价中,支持向量机对小样本训练集有着比较好的泛化能力,能够获得比较高的正确分类率。遗传算法是一种借鉴生物界自然选择和自然遗传机理的随机化搜索算法,最初的设计目的和应用主要是在数值优化、组合优化等问题中。多年来,这种算法受到了广泛的关注和研究,已广泛应用于计算机科学、人工智能、信息技术及工程实践等诸多方面。但是人们发现遗传算法也会由于各种原因,产生“早熟收敛”,影响全局最优解的搜索。由此而引入了免疫遗传算法。本文的主要研究内容围绕计算机辅助园林设计的智能评价方法展开。在研究免疫遗传算法、支持向量机的理论基础上,结合计算机辅助设计的特点,实现了基于免疫遗传算法优化支持向量机在计算机辅助园林设计评价分类的方法。在客观剖析相关领域存在的实际问题的基础上,本文具体所做工作及创新如下:1本文在深入分析影响支持向量机分类能力参数的基础之上,提出了支持向量机参数选择的方法——网格法,来代替以往确定参数所使用的交叉验证法,或是凭经验来确定的方法。它可以在一个限定的范围内实现对最优参数的自动搜索,明确了搜索的次序,取得了较好的效果。2在研究了免疫遗传算法和支持向量机参数寻优的基础上,本文提出了支持向量机参数选择的另外一种方法——免疫遗传算法。免疫遗传算法是针对遗传算法容易出现的“早熟收敛”问题提出的,它可以利用其全局寻优性能,来解决支持向量机的最优参数选择问题。3在计算机辅助园林设计系统中,通过查阅大量设计资料,本文整合了对园林设计水平具有决定性的各要素,探索建立了园林设计评价体系,并将支持向量机引入园林整体布局设计评价模型中。通过对样本数据进行训练,实现了一种对园林整体布局设计的智能评价方法。本文将免疫遗传算法对用于园林分类支持向量机的模型参数和核参数进行优化,进一步提高了园林的分类正确率。