随着互联网技术和计算机图形学的发展,三维模型的应用越来越广泛,如何在海量数据库中快速准确检索出用户所需模型成为当今模型检索领域的难点与热点。针对以上模型检索的问题,本文研究了基于贪心算法、模拟退火算法和遗传退火算法的CAD模型相似性计算方法。通过对比贪心算法、模拟退火算法和遗传退火算法的实验数据,得出遗传退火算法能够更有效地评估两个模型之间相似程度。本文主要研究内容可分为以下几个部分:首先,简要地介绍了国内外模型相似性计算方法的研究现状、三维模型的特征提取方式以及表示方法,列举了目前CAD模型的特征提取方式和检索方法。总结了目前CAD模型相似性计算面临的问题并讨论了相关的解决方法。其次,详细介绍了本文所用的模型相似性计算方法。利用模型面的边数差异来计算源模型面与目标模型面之间的形状相似性。结合面的形状相似性和面的邻接关系来计算面的结构相似性。以面的形状相似性和结构相似性为基础,构造两个模型的整体相似度矩阵。利用寻优算法对该矩阵进行搜索,得到两个模型之间的最优面匹配序列。以最优面匹配序列为基础,计算两个模型的整体相似性。最后,分析了贪心算法、模拟退火算法和遗传算法的原理。详细介绍了模拟退火算法中Metropolis准则对于解向量的选择方式和Markov链长的实质。列举了遗传算法中选择算子、交叉算子和变异算子的实现方法。针对模拟退火算法的不足,本文结合遗传算法的全局搜索能力和模拟退火算法的局部搜索能力,将遗传退火算法应用于三维模型相似性计算过程中。对于面匹配向量更新过程中产生的重复元素与越界元素,给出了详细的处理方案。实验结果表明:与贪心算法和模拟退火算法相比,本文所提出方法能更准确地度量模型之间的差异。