基于NGA的C-Bézier曲线降多阶逼近

针对C-Bézier曲线的降阶逼近问题,提出了一种将1条n次C-Bézier曲线降阶为1条m(m<n)次C-Bézier曲线的方法。该方法从最优化思想出发,把C-Bézier曲线的降阶问题转化为求解函数的优化问题,并结合智能计算中的小生境遗传算法,实现了C-Bézier曲线在端点无约束和G0约束条件下的一次性近似降多阶逼近。同时给出了一些具体的C-Bézier曲线降阶实例与降阶误差,并估计了该曲线的降阶误差界。结果表明:该方法不仅提高了C-Bézier曲线降阶算法的精度,且获得了较好的降阶逼近效果。

一种改进的频率加权平衡降阶方法

通过引入参数,提出了一种改进的频率加权平衡降阶方法。该方法在双边加权的情况下,既保证了降阶模型的稳定性,同时与已有算法相比较,得出的降阶误差相对较小。此外,推导出的先验误差界公式也更为简明,便于计算。最后,通过算例,与已知的方法相比较,证实了所提出的方法的有效性。