抽象数据关系可视化主要是针对于数据结构的可视化,而图是应用最一般且最广泛的数据结构。图的可视化包括静态图可视化和动态图可视化,但动态图可以看成是由静态图组成的序列,因此静态图布局算法是动态图布局算法的基础。一般静态无向图的作图是将布局问题转化为求一个目标函数的极值问题,再利用某种算法来求目标函数的最优解的近似值来得到节点布局坐标。而一般动态图的作图通常是使用静态布局算法分别对动态图的单个图进行布局,结果,布局后的各个图之间缺乏联系,不能保持动态图的稳定性。本文将协同进化遗传算法应用于静态图的布局算法中,通过协同进化遗传算法来求解布局目标函数极值。同时针对动态图,在协同进化遗传布局算法的基础上将现实中的“前进队伍插队”应用到动态稳定性布局算法中达到动态稳定性效果。协同进化遗传布局算法将种群分为两个子群,在两个子群独立进化的过程中,模拟自然界的协同过程不断进行子群间的交流,最后达到共同进化的目的,较快的收敛到全局最优解。实验证明,将协同进化遗传算法应用到无向图的布局中,能有效地克服单纯遗传算法的缺陷,如很容易陷入局部最优、随着问题规模的增大收敛性显著降低等等。同时,协同进化遗传算法是一种有效的搜索最优解的算法,它在收敛性和收敛时间方面的效果都优于遗传模拟退火布局算法。“前进队伍插队”动态稳定性布局算法其最初的布局是由协同进化遗传布局算法产生,其美观性决定了动态图的后续美观性。对图的每一次动态更新都是在前一次稳定的布局的基础上,通过使用重心、牵制权重等概念,进行“局部变化大,整体变化小”的布局更新,并根据新图的结构和变化来控制节点的布局,从而在布局算法中即考虑了图的全局结构也尽量保持了原有图形的稳定性。本文最后对这两种算法都进行了实验验证及分析,证明了这两种算法在静态图和动态图的布局中具有较高的可行性和有效性。