近年来,随着建模、数字化和可视化技术的发展人们可以更容易地获得三维模型数据。这就导致专用数据库和互联网上的三维模型数量急剧增加,如何有效地进行三维模型的检索和提取也成为当前的研究热点之一。为了克服文本检索的缺点,研究人员开发出了一些基于内容的检索系统。基于内容检索的主要思想是用一组特征来表示三维模型,通过比较待检索模型和数据库里的模型的特征的相似性得到检索的结果。三维模型的特征一般用高维的特征向量表示,但是这会带来更多的计算量,从而使耗尽型搜索变得不可行。如何用准确而高效的方法实现有限时间资源下的三维模型检索是我们面临的一项挑战。本文研究了利用最优搜索理论寻找有效的三维模型检索方案。最优搜索理论是研究用最优的方法搜索预定目标的理论。它最初由G. Kimball和B. Koopman等人在20世纪40年代提出,后来发展成为运筹学领域的统计决策理论的一个分支。现在已被广泛应用到军事、工业、农业、犯罪统计学、市场调查、人口统计和医学研究等领域。按照搜索空间是离散或者连续的,目标是静止还是运动的,可以将最优搜索问题分成几个不同的类型。本文研究的是针对离散空间中静止目标的搜索问题。在这篇论文里我们首先考虑了在有限时间资源情况下的三维模型检索问题。假定用于搜索的时间总量是有限的,因此搜索任务不一定会成功。在这种情况下,我们希望有一种搜索方案使找到目标的探测概率最大。本文给出了对目标初始概率分布函数和探测函数的具体形式,并且将三维模型检索问题转化为最优搜索问题。实验结果表明我们的最优搜索策略在专用数据库中能够有效地完成检索工作。其次,我们研究了检索中出现假目标的情况。为了区分目标是否为假,提出了泛搜索和深度搜索的两步搜索策略。在数学上,计算非适应性搜索的最优化策略是可行的,因此我们把问题转化为非适应性搜索的数学模型。泛搜索阶段可以发现可疑目标,但是不能判断其真假。深度搜索开始以后不能中断,直到找到目标或返回到泛搜索阶段。最小化平均搜索时间是我们的优化标准。实验证明我们的方法明显地提高了检索效率。对于今后的研究工作,本文讨论了互联网上的三维模型检索技术。包括移动Agent技术和半适应性最优搜索策略。移动Agent技术是近年来在互联网上出现的新技术,移动Agent是一种可以自主的在异构的网络上按照一定的规程移动的独立程