基于遗传算法的三角网格折叠简化

针对处理大数据量的三角网格模型会给计算机带来较大压力的问题,本文提出了一种基于遗传算法的三角形折叠简化方法。先求取三角形重心,用重心的三个坐标值与初始化的三个步长进行计算,得到新点坐标,重复多次得到顶点种群,利用遗传算法求取适应度值最小点,修正后得到最优折叠点,最后依照简化误差对三角形排序并根据输入的简化比进行折叠简化。本文方法的适应度函数采用简化误差和三角形规范化系数之商。采用本文方法对花朵和瓶子的三角网格模型进行简化,体积变化率分别为0.010 6%和0.2%,规范化系数分别提高了11.0%和4.56%,优于其他方法。实验结果表明本文方法在有效简化模型的同时,既能保形又能提升三角形的质量。

基于密度的进化算法的机械产品选配方法

针对机械产品多目标多质量要求下的选择装配问题,提出一种基于密度的多目标进化算法(DMOEA)的选择装配方法。考虑零件尺寸链与尺寸的关联关系,以选配成功率和装配精度为优化目标构建多目标多质量要求下的选配模型。使用自然数编码,以一个零件尺寸值序号的随机序列作为配对编码的基因,并采用个体聚集密度定义适应度函数,利用DMOEA对多目标选配问题进行求解,实现了多目标多质量要求下的选配优化。开发出基于DMOEA的零件选配系统,应用于某公司产品,验证了所提方法的可行性与有效性。