大跨径斜拉桥索梁锚固区钢锚箱受力性能及局部优化研究

金沙江特大桥为340 m+72 m+48 m+32 m的独塔双索面斜拉桥,通过ANSYS有限元软件建立精细化数值模型,对荷载作用下索梁锚固区钢锚箱受力性能进行了分析,并基于分析结果提出了相应局部优化措施。结果表明:钢锚箱在荷载作用下主要受力构件受力均满足规范要求,但存在局部应力集中现象,且应力值较大,主要分布于抗剪板(N1)倒角和N1板与腹板连接位置;通过延伸抗剪板的长度进行局部设计优化,优化后钢锚箱最大等效应力降低了22.5%,各主要构件应力也有大幅度降低,且发现应力集中区域明显减小,结构受力更加合理。

基于约束Kubelka-Munk模型与梯度局部优化算法耦合的色剂配色方法

针对人工实现快速、准确的色剂配色非常困难的问题,本研究提出了一个基于约束Kubelka-Munk模型与梯度局部优化算法耦合的色剂配色方法,实现涂料和印刷行业半透明和不透明色剂的配方预测。在此方法中,先利用梯度局部优化算法求解在基色色剂和冲淡剂混合基础上的目标函数,计算出基色色剂的吸收系数(K)和散射系数(S)。然后,为了实现任意目标色剂中基色色剂的混合配比,利用基色色剂与冲淡剂的吸收系数与散射系数物理属性对Kubelka-Munk模型进行约束,并通过最小化目标色剂与基色色剂之间的吸收系数与散射系数比值,构建了约束Kubelka-Munk模型,用于预测半透明着色剂和不透明色剂的配方。配方差、光谱反射率差,以及色差的实验结果表明,与传统的Kubelka-Munk模型相比,该方法建立的模型预测混色效果更优。

结合边折叠和局部优化的网格简化算法

针对目前网格简化算法在将三维模型简化到较低分辨率时,网格模型的细节特征丢失、网格质量不佳的问题,提出一种保持特征的高质量网格简化算法。引入顶点近似曲率的概念,并将其与边折叠的误差矩阵结合,使得简化模型的细节特征在最大限度上得到保持。同时分析简化后三角网格的质量,对三角网格作局部优化处理,减少狭长三角形的数量,提高简化模型的网格质量。使用Apple模型和Horse模型进行实验,并与一种经典的基于边折叠的网格简化算法以及其改进算法之一进行对比。实验结果显示,两种对比算法三角网格分布过于均匀,局部细节模糊不清,而所提算法的三角网格在曲率大的区域稠密,在平坦处稀疏,细节特征清晰可辨;简化模型的几何误差的数量值与两种对比算法处于同一数量级;所提算法的简化网格的平均质量远高于两种对比算法。实验结果表明,在不扩大几何误差的情况下,所提算法不仅具有较强的细节特征保持能力,而且简化模型的网格质量较高,视觉效果较好。

基于序贯概率及局部优化随机抽样一致性算法

通过引入序贯概率检测及局部优化技术,给出了一种快速并具有较高精度估计的随机抽样一致性算法RANSAC(ran-dom sample consensus)。RANSAC算法是基于假设和检验的框架来实现。为了减少RANSAC算法的计算时间及提高计算精度,在模型的检验阶段,利用序贯概率检测技术,随机抽取少量的数据对模型的参数进行预检验。如果模型参数通过预检验,则进入后续的检验,否则这个模型参数不再参与后续全部数据的检验。在对模型参数估计时,使用局部优化方法,实现模型估计的精确度的提高。实验结果表明,此算法在速度和精确度方面与标准的RANSAC相比均取得了较大的提高。

基于局部优化策略求解TSP的蚁群算法

为了克服基本蚁群算法收敛速度慢、易于停滞的缺陷,提出了一种基于局部优化策略的蚁群算法(LO-ACA)。该算法根据TSP的特点,采用了三种局部优化算子来交换搜索路径中城市的位置,以改进解的质量。以TSP为例进行的实验结果表明,该算法优于ACA和ACAGA。

基于蚁群算法的输电塔结构局部优化设计

提出了一种可同时求解结构截面、拓扑、形状和布局优化问题的基于蚁群算法的输电塔结构局部优化设计方法。在统一所有优化变量的基础上,将4类不同层次的优化问题统一为适用于蚁群算法求解的标准化旅行商问题,再采用MATLAB系统平台实现输电塔结构的优化设计和程序化,并以某实际工程为算例对局部优化方法进行验证。结果表明:提出的方法不仅可以简单高效地求解输电塔结构塔身局部的截面、拓扑、形状和布局优化问题,而且具有非常好的实用性和通用性,有望应用于完整的输电塔结构优化设计中。

结合粒子滤波和局部优化方法的人体运动跟踪

提出一种将粒子滤波和局部优化相结合的算法框架,用于解决多关节人体运动跟踪问题·由于高维空间中无法进行密集采样,因此普通的粒子滤波方法对于人体运动估计存在困难·在粒子滤波过程中引入局部优化方法来减少样本个数:一方面,对每个样本进行局部优化得到更加匹配的状态;另一方面,优化后的结果被用来指导下一时刻采样函数的生成·实验结果表明,该方法能够以较少的样本完成三维人体运动跟踪任务·

DCT域图像水印的局部优化检测性能研究

水印检测是数字水印技术最关键的步骤之一.水印检测的传统方法是采用线性相关的方法,但是该方法存在问题.本文根据数字图像离散余弦变换(DCT)域交流系数的广义高斯分布模型,对图像水印的局部优化检测方法进行了推导,并给出了水印检测器检测性能的理论分析结果.实验结果验证了图像水印局部优化检测方法检测性能理论分析的有效性,以及实际检测性能的优越性.

基于局部优化奇异值分解和K-means聚类的协同过滤算法

为了克服传统协同过滤(CF)推荐方法数据稀疏和可扩展性差的不足,该文提出1种基于局部优化降维和聚类的协同过滤算法。采用局部优化的奇异值分解(SVD)降维技术和K-均值(K-means)聚类技术对用户-项目评分矩阵中的相似用户进行聚类并降低维度。利用近似差分矩阵表示评分矩阵的局部结构,实现局部优化。局部优化的SVD降维技术可以利用更少的迭代次数缓解CF中数据稀疏和算法可扩展性差的问题。K-means聚类技术可以缩小邻居集查找范围,提高推荐速度。将该文算法与基于Pearson相关系数的协同过滤算法、基于SVD的协同过滤算法、基于K-means聚类的协同过滤算法相比较。在MovieLens数据集上的实验结果表明,该算法的平均绝对误差(MAE)较其他算法降低了大约12%,准确性(Precision)提高了7%。

激光雷达扫描数据的快速三角剖分及局部优化

为了研究3维激光雷达测量所得点云数据的三角构网,根据激光雷达逐行扫描特点,采用了改进的三角剖分方法,对点云数据进行不规则三角网格划分。基于激光雷达点云数据位置拓扑信息,分析了相邻扫描线之间数据点的相对位置关系,利用几何关系进行初步配对构网;并结合经典法则对初始网格进行局部优化,得到最终三角网;同时,对优化前后的三角网,提出一种新的评价法则进行剖分效果对比。结果表明,充分利用点云特点进行三角剖分可改进算法。所提出的剖分效果评价法可帮助检验构网质量。

一种结合O3-opt局部优化的智能蚂蚁算法研究

针对基本蚂蚁算法容易出现停滞、参数难以确定的局限性,改进为一种智能蚂蚁算法,改进之处包括:(1)引入蚁群优化算法中对转移概率公式、信息素更新规则的修改;(2)在蚂蚁算法中加入O3-opt局部优化,从而进一步缩短解路线的长度,以加快蚂蚁算法的收敛速度。最后,通过实例仿真验证了智能蚂蚁算法与基本蚂蚁算法相比具有明显的优越性。

点序对Delaunay三角剖分局部优化的影响

局部变换法和Watson算法是属于逐点添加、局部优化的离散点集Delaunay三角剖分的常用方法,不同的加点次序对这两种算法的局部优化影响较大。研究发现按位置相邻次序加点的方法易产生外接圆较大的扁平三角形,引起较多三角形的局部优化,而按随机次序加点,网格生成过程中网格单元相对匀称,局部优化的三角形较少。以激光点扫描采集的数据为例,统计分析了局部优化三角形的数量及分布特征,点数大于50000时,相邻次序加点方法局部优化三角形的总量是随机次序加点方法的1.6倍以上。建立离散数据的矩形空间索引,按索引轮流加点,点序对局部优化的影响降低,相邻次序加点方法局部优化的三角形总量是随机次序加点方法的1.1~1.3倍,其中随机次序加点与没有空间索引的随机次序相比,局部优化的三角形数量仅增加了约1%。

Laplacian与局部优化方法相结合的网格光滑技术

在优化方法中构造了一种新的、可以方便应用到不同维数问题的目标函数.在网格光滑数值模拟中,当Laplacian方法使网格品质下降或者产生无效网格,数次缩短移动距离仍不能使网格品质提高时,改用局部优化方法.将Laplacian方法与局部优化方法相结合,保证了所有网格品质都得到提高,同时只在少数网格内使用优化方法,可以降低计算量.数值结果表明,新的目标函数在混合网格中也能取得较好的结果.

基于空间离散的最短路径求解法及其局部优化方法

提出了一种基于空间离散的最短路径求解法,该法利用复杂表面的空间离散信息,从已知的两点中估算与其相连的一点的距离,递推式求取一点与其他点之间的最短距离。计算获得了各点与起点和终点的距离后,再把它们相加,依据与起点的距离的大小,顺序把距离和最小的结点连接起来,这样获得了最短路径的邻域路径,然后对最短路径的邻域路径的各点进行迭代式更新,从而获得局部优化,最终获得最短路径。经过对例子的计算及分析,表明该方法普适性强、可靠及有效。

基于贪婪策略的局部优化服务组合方法

提出了一种不依赖于服务关系图、可支持实体之间继承与组合关系、高效的自动服务组合方法。该方法首先标记出必要的可满足服务,然后从中挑选出部分服务直接生成组合路径,从而减少时空开销,避免循环搜索与重复搜索。为达到局部优化的目标,标记可满足服务时运用了贪婪策略。仿真实验表明,该方法具有良好的时间复杂度,能够适用于大规模的语义服务组合。

社会资本与转轨中信用环境的局部优化

转轨中正式制度的变迁导致保障合约实施的正式实施机制是乏力的。经验事实表明,此时社会资本在很大程度上起到了保障合约实施的作用。而之所以如此,是因为社会资本无论从私人惩罚还是外部条件来看,都具有自我实施的特征。社会资本通过保证合约实施,使局部地区的信任感增加,失信行为得到有效约束,从而促进了转轨中社会信用环境的局部优化。

无桥DBPFC变换器的虚拟超局部优化控制策略

针对传统平均电流控制的无桥Dual-Boost功率因数校正(DBPFC)变换器存在功率因数低、总谐波失真大、动态响应速度慢以及输出电压纹波较高等不足,文章提出一种虚拟超局部优化控制策略。通过坐标变换的方法建立了变换器在虚拟dq模式下的工作模型,实现对电流的无静差跟踪,并在此基础上设计了一种超局部优化控制策略,改善了基于数学模型设计的电流控制器对参数变化及内、外部扰动敏感的缺陷,克服控制器对参数的依赖。仿真和实验结果表明,文章所提虚拟超局部优化控制的无桥DBPFC变换器的功率因数可达0.996,总谐波失真为4.93%,且具有良好的动态响应能力和较高的电能质量水平。

基于项目属性和局部优化的协同过滤推荐算法

针对数据稀疏性问题对于传统协同过滤推荐带来的影响,提出基于项目属性和局部优化的协同过滤推荐算法（collaborative filtering recommendation algorithm based on item attribute and local optimization,简称CUCF）.算法首先改进jaccard系数来优化评分的项目相似性;其次引入拉普拉斯平滑方法对基于项目属性的项目相似性进行优化;最后结合两方面的相似性结果,并且利用局部优化方法选择目标的近邻对象作为推荐群.实验结果表明,该算法减小了数据稀疏性对推荐结果的负面影响,有效地降低了预测结果的平均绝对误差MAE.实验进一步对比了其他4种不同推荐方法,预测精度提高7.1%-15.5%,从而证明了CUCF方法在预测准确率方面能够取得较好的效果。

基于局部优化方法的半导体激光器反源技术

为了解半导体激光器的传播模近场分布,利用远场分布的光强和逼近信赖域的局部优化方法,提出了一种新的计算传播模近场分布的方法.模拟实验表明,只需很少几个展开函数的线性组合,就能逼近源场函数,是一种稳定性好,精度较高的方法.

一种面向图像修复的局部优化生成模型

图像修复在照片的编辑、去除等方面有着广泛地应用。针对现有深度学习图像修复模型因受卷积算子感受野局限性的影响,导致修复结果存在结构扭曲或纹理模糊的问题,提出一种局部优化生成模型LesT-GAN,该模型由生成器和鉴别器两部分组成。其中,生成器部分由局部增强滑动窗口Transformer模块构成,该模块将深度卷积的平移不变性、局部性优势与Transformer的全局信息建模能力相结合,既能够覆盖较大范围的感受野又能实现局部细节的优化。鉴别器部分是一种基于掩码指导和补丁的相对平均鉴别器,通过估计给定的真实图像比生成图像更真实的平均概率,模拟缺失区域边界周围的像素传播,使生成器训练时能够直接借助真实图像生成更清晰的局部纹理。在Places2,CelebA-HQ和PairsStreet的3种数据集上,与其他先进的图像修复方法进行对比实验,LesT-GAN在L_(1)和FID评价指标方面分别有10.8%和41.36%的提升。实验结果表明,LesT-GAN在多个场景中有更好的修复效果,同时能很好地泛化到比训练时分辨率更高分辨率的图像中。