逆向工程是近年来先进制造技术领域的研究热点和前沿性课题,其已经发展为CAD/CAM系统中的一个相对独立的分支。产品的逆向包括三维点云数据的采集、曲面重建、模型优化及变形设计、数控刀轨生成等过程,其中各个过程所处理的空间数据具有散乱、数据量大等特点,且数据的拓扑邻近关系查询是逆向工程中的基本操作,故合理组织和索引散乱的空间数据是十分必要的。但现有的索引结构在逆向工程中应用具有局限性,且大部分是静态索引,无法实现动态的增删数据,索引对象单一,对复杂的空间数据无能为力,故研究高效稳定的空间索引结构以提高空间查询能力和效率是逆向工程设计迫切需要解决的问题。针对索引结构在逆向工程应用的重要性以及目前索引结构存在的问题,基于R*-树提出了适用于逆向工程的索引结构——R*-S树,其采用新的优化准则对R*-树进行优化。R*-S树采用结点的MBR(最小外界矩形)的外接球的重叠度和体积评价结点的优良,提高了建树质量。本课题基于R*-S树在逆向工程中的应用进行了研究和优化,主要目标是减少R*-S树的结点重叠度及死区的体积,提高结点的内聚性和R*-S树的查询效率,主要研究内容及成果如下：1.对现有结点分裂算法选轴分裂和基于最小生成树的分裂算法进行了阐述,并给出实例效果,分析了它们在R*-S树中应用的优点以及缺陷。2.基于现有的结点分裂算法分析知结点分裂的本质是聚类问题,因此尝试基于聚类思想进行结点分裂,首先对聚类的基本概念及其经典算法k-均值算法进行了深入的阐述；随后基于k-均值算法对R*-S树的结点进行聚类,以实现结点的分裂；最后设计了对比实验,经实例验证,该算法在建树时间、结点的重叠度、k-近邻查询方面都具有显著的优越性,能较为真实的反应结点的空间分布,提高结点的内聚性和减少结点的重叠度,提高R*-S树的查询效率。3.针对k-均值算法具有容易陷入局部最优解和需要手动输入参数k的问题,而遗传算法具有较强的全局搜索能力,能弥补k-均值的缺陷,提出了基于遗传多目标优化的结点自适应聚类算法。基于遗传多目标优化的方法求解不同簇数下的全局最优分裂解,即得到节点分裂的Pareto最优解集,并以结点MBR的重叠度与MBR的体积之和作为主要、次要评价标准从Pareto最优解集中选出偏好解,将其视为R*-S树的最优结点分裂方案。