我们生活在一个知识更新速度快并且信息日益繁杂的社会。为了从消费习惯、账号密码等繁杂的信息中抽取出对人们有用的信息,或者从海量的决策方案中筛选出最优的解决方法,以便提高生产效率、降低各方面的成本。人们通常会使用一些高效的数据挖掘工具和优化方法,从而利用计算机代替人脑进行许多十分复杂的计算。如何从海量的数据中归纳出对我们有用的信息,是一项高技术并且强度极大的工作。为了减轻人们的工作量,同时也为了节省社会成本,人们设计了一些能够替代人类脑力劳动的便捷方法和机器硬件,这些方法就被称为智能算法。随着信息时代的到来,计算机强大的计算能力和各种智能算法逐渐得到工业界的重视,在工业界逐渐在解决一些领域内的专业问题时使用计算机和智能算法来进行优化,从而得到一个最佳的解决方案。本文基于地铁隧道点云数据,将进化机制运用于解决地铁的调线调坡过程中。其旨在实现调线调坡的自动化、智能化,本文主要包括以下三部分的工作:第一部分,提出地铁圆形隧道点云的去噪方法。在使用激光扫描得到地铁隧道点云时,由于各种因素的影响,最终得到的隧道点云数据中存在一些噪点,导致设计人员无法正确判断隧道的整体轮廓,影响他们对铺轨线路的调整。在这一部分,我们提出了一种用于过滤圆形隧道点云噪点的方法。实验结果显示,使用我们所提出的点云数据过滤方法能够有效过滤点云数据中的噪点。第二部分,基于点云数据构建实际隧道的数学模型解析式。在工程项目中,隧道的整体轮廓是通过激光扫描得到的三维点云数据来表示的。然而,实际工程中,点云数据的规模十分庞大,使得在抽取隧道某个区间或者横断面的时候需要花费大量的时间进行点云数据的扫描计算。为了加快点云数据的抽取,简化实际隧道的表示。在这一部分的工作,我们基于实际隧道的点云数据,构建了一个数学模型解析式,用于替代点云数据表示实际的隧道轮廓。实验结果显示,使用我们构建的解析式能大幅减少隧道轮廓的抽取时间,极大程度上减小了第三部分调线调坡的时间复杂度。第三部分,基于进化机制的调线调坡方法。针对地铁工程项目中的调线调坡问题,我们使用进化算法对将要铺设的轨道路线进行优化,找到与实际隧道之间偏差最小的设计隧道。实验结果验证,相比于设计人员人工给定的方案,通过进化算法得到的调线调坡方案在优化效果和时间上都有明显优势。