随着计算机图形学、工业设计、自然科学等领域的飞速发展，对高质量的科学计算方法的需求随之增大，而这些科学计算的方法离不开高质量的网格生成算法。对于常用的正交网格生成算法，是否能减少计算量以及是否能降低的人工干预等问题仍是它们所面临的主要挑战。针对这些挑战，对于单连通的目标区域，提出了基于循环神经网络之一的长短期记忆网络（LSTM）和Schwarz-Christoffel共形映射（SC映射）的正交网格自动化生成算法。首先，利用基于SC映射的Gridgen-c工具的基本条件将网格生成问题转换为一个带线性限制条件的整数规划问题。接着，利用预处理后的GADM数据集和LSTM训练获得能计算目标多边形区域每个顶点转角类型的概率的分类器。该分类器可以大幅度降低整数规划问题的时间复杂度，使该问题能被自动化且快速地求解。最后以简单图形区域、动画图形区域、地理边界区域为样例，进行网格生成实验。结果表明：对于简单图形区域，所提算法均能达到最优解；而对于具有复杂边界的动画图形区域和地理边界区域，实例网格结果表明，所提算法能使这些目标区域的计算量分别降低88.42%和91.16%，且能自动化地生成较好的正交网格。

当突发事件发生时，行人行走行为会因为突发事件本身以及突发事件在人群中的传播而改变。对于突发事件影响下的行人行走特征的研究能够提高人流疏散的效率。针对现有研究中数据获取方式的不足，对真实行人场景视频进行图像处理，提取相关数据后分析了无突发事件时行人一般行走特性。针对突发事件下的行人流，利用 k-邻近算法和合力的思想描述了突发事件的影响传播和突发事件下行人流的自组织现象，并由此提出一种新的元胞自动机模型，该模型中的行人元胞会受到正常行走、突发事件、安全标识这三个因素所抽象产生的三个作用力的影响。利用模型对突发情况下的双向人流疏散进行仿真，实验结果表明，当安全标识的距离为0、10、20个元胞时，在小范围行人通道中安全标识分布的距离对人群疏散作用不明显；通过对人群间是否存在影响力的研究发现，疏散的效果主要受到附近行人对突发事件传播的影响；突发事件的影响程度太大或影响范围过小都会引发拥堵，不利于人群的疏散。仿真结果与真实世界中的双向行人流疏散情况基本吻合。