de Casteljau算法可以递推地定义一条具有限个控制顶点的Bzier曲线,在此基础上文中提出了基于de Casteljau算法的Poisson细分曲线逼近算法,Poisson曲线完全具备了Bzier曲线的重要性质,并且比Bzier曲线有更广泛的应用范围。最后还...de Casteljau算法可以递推地定义一条具有限个控制顶点的Bzier曲线,在此基础上文中提出了基于de Casteljau算法的Poisson细分曲线逼近算法,Poisson曲线完全具备了Bzier曲线的重要性质,并且比Bzier曲线有更广泛的应用范围。最后还给出了n阶Poisson曲线的细分。展开更多
Bezier曲线的一个良好性质是 de Casteljau算法不仅可以用于升阶 ,而且可以用于子分割 .本文主要研究基于有理调配函数的一类有理 Bezier曲线的类 de Casteljau算法及 de Casteljau-型子分割方法 .第一部分从一类有理 Bezier曲线的递推...Bezier曲线的一个良好性质是 de Casteljau算法不仅可以用于升阶 ,而且可以用于子分割 .本文主要研究基于有理调配函数的一类有理 Bezier曲线的类 de Casteljau算法及 de Casteljau-型子分割方法 .第一部分从一类有理 Bezier曲线的递推关系出发 ,讨论这一类有理 Bezier曲线的类 de Casteljau算法 .第二部分给出了这一类有理 Bezier曲线的 de Casteljau-型子分割方法 .展开更多
为了克服数据采样法插补Bezier曲线必然会产生轨迹误差而且运算量大、实时性不好的问题,以Paul de Casteljau在1959年提出的de Casteljau算法为理论依据,研究出了一种用DDA直线插补器级联的方式递推出任意阶Bezier曲线的新方法。该方法...为了克服数据采样法插补Bezier曲线必然会产生轨迹误差而且运算量大、实时性不好的问题,以Paul de Casteljau在1959年提出的de Casteljau算法为理论依据,研究出了一种用DDA直线插补器级联的方式递推出任意阶Bezier曲线的新方法。该方法用多个DDA直线插补器分级同时进行插补,前一级的输出脉冲用来修正相邻后一级的被积函数寄存器,最后一级输出用来驱动进给。最后用Visual Studio 2010编写了仿真程序进行了模拟插补,证实了其正确性。这个全新的加工Bezier曲线的方法更加准确、实时性更好,同时也为B样条、NURBS等曲线的加工提供了崭新的思路。展开更多
蚁群算法拥有良好的全局性、自组织性、鲁棒性,但传统蚁群算法存在许多不足之处。为此,针对算法在路径规划问题中的缺陷,在传统蚁群算法的状态转移公式中,引入目标点距离因素和引导素,加快算法收敛性和改善局部最优缺陷。在带时间窗的...蚁群算法拥有良好的全局性、自组织性、鲁棒性,但传统蚁群算法存在许多不足之处。为此,针对算法在路径规划问题中的缺陷,在传统蚁群算法的状态转移公式中,引入目标点距离因素和引导素,加快算法收敛性和改善局部最优缺陷。在带时间窗的车辆路径问题(vehicle routing problem with time windows,VRPTW)上,融合蚁群算法和遗传算法,并将顾客时间窗宽度以及机器人等待时间加入蚁群算法状态转移公式中,以及将蚁群算法的解作为遗传算法的初始种群,提高遗传算法的初始解质量,然后进行编码,设置违反时间窗约束和载重量的惩罚函数和适应度函数,在传统遗传算法的交叉、变异操作后加入了破坏-修复基因的操作来优化每一代新解的质量,在Solomon Benchmark算例上进行仿真,对比算法改进前后的最优解,验证算法可行性。最后在餐厅送餐问题中把带有障碍物的仿真环境路径规划问题和VRPTW问题结合,使用改进后的算法解决餐厅环境下送餐机器人对顾客服务配送问题。展开更多
针对神经网络超参数优化效果差、容易陷入次优解和优化效率低的问题,提出一种基于改进实数编码遗传算法(IRCGA)的深度神经网络超参数优化算法——IRCGA-DNN(IRCGA for Deep Neural Network)。首先,采用实数编码方式表示超参数的取值,使...针对神经网络超参数优化效果差、容易陷入次优解和优化效率低的问题,提出一种基于改进实数编码遗传算法(IRCGA)的深度神经网络超参数优化算法——IRCGA-DNN(IRCGA for Deep Neural Network)。首先,采用实数编码方式表示超参数的取值,使超参数的搜索空间更灵活;然后,引入分层比例选择算子增加解集多样性;最后,分别设计了改进的单点交叉和变异算子,以更全面地探索超参数空间,提高优化算法的效率和质量。基于两个仿真数据集,验证IRCGA-DNN的毁伤效果预测性能和收敛效率。实验结果表明,在两个数据集上,与GA-DNN(Genetic Algorithm for Deep Neural Network)相比,所提算法的收敛迭代次数分别减少了8.7%和13.6%,均方误差(MSE)相差不大;与IGA-DNN(Improved GA-DNN)相比,IRCGA-DNN的收敛迭代次数分别减少了22.2%和13.6%。实验结果表明,所提算法收敛速度和预测性能均更优,能有效处理神经网络超参数优化问题。展开更多
文摘Bezier曲线的一个良好性质是 de Casteljau算法不仅可以用于升阶 ,而且可以用于子分割 .本文主要研究基于有理调配函数的一类有理 Bezier曲线的类 de Casteljau算法及 de Casteljau-型子分割方法 .第一部分从一类有理 Bezier曲线的递推关系出发 ,讨论这一类有理 Bezier曲线的类 de Casteljau算法 .第二部分给出了这一类有理 Bezier曲线的 de Casteljau-型子分割方法 .
文摘为了克服数据采样法插补Bezier曲线必然会产生轨迹误差而且运算量大、实时性不好的问题,以Paul de Casteljau在1959年提出的de Casteljau算法为理论依据,研究出了一种用DDA直线插补器级联的方式递推出任意阶Bezier曲线的新方法。该方法用多个DDA直线插补器分级同时进行插补,前一级的输出脉冲用来修正相邻后一级的被积函数寄存器,最后一级输出用来驱动进给。最后用Visual Studio 2010编写了仿真程序进行了模拟插补,证实了其正确性。这个全新的加工Bezier曲线的方法更加准确、实时性更好,同时也为B样条、NURBS等曲线的加工提供了崭新的思路。
文摘蚁群算法拥有良好的全局性、自组织性、鲁棒性,但传统蚁群算法存在许多不足之处。为此,针对算法在路径规划问题中的缺陷,在传统蚁群算法的状态转移公式中,引入目标点距离因素和引导素,加快算法收敛性和改善局部最优缺陷。在带时间窗的车辆路径问题(vehicle routing problem with time windows,VRPTW)上,融合蚁群算法和遗传算法,并将顾客时间窗宽度以及机器人等待时间加入蚁群算法状态转移公式中,以及将蚁群算法的解作为遗传算法的初始种群,提高遗传算法的初始解质量,然后进行编码,设置违反时间窗约束和载重量的惩罚函数和适应度函数,在传统遗传算法的交叉、变异操作后加入了破坏-修复基因的操作来优化每一代新解的质量,在Solomon Benchmark算例上进行仿真,对比算法改进前后的最优解,验证算法可行性。最后在餐厅送餐问题中把带有障碍物的仿真环境路径规划问题和VRPTW问题结合,使用改进后的算法解决餐厅环境下送餐机器人对顾客服务配送问题。
文摘针对神经网络超参数优化效果差、容易陷入次优解和优化效率低的问题,提出一种基于改进实数编码遗传算法(IRCGA)的深度神经网络超参数优化算法——IRCGA-DNN(IRCGA for Deep Neural Network)。首先,采用实数编码方式表示超参数的取值,使超参数的搜索空间更灵活;然后,引入分层比例选择算子增加解集多样性;最后,分别设计了改进的单点交叉和变异算子,以更全面地探索超参数空间,提高优化算法的效率和质量。基于两个仿真数据集,验证IRCGA-DNN的毁伤效果预测性能和收敛效率。实验结果表明,在两个数据集上,与GA-DNN(Genetic Algorithm for Deep Neural Network)相比,所提算法的收敛迭代次数分别减少了8.7%和13.6%,均方误差(MSE)相差不大;与IGA-DNN(Improved GA-DNN)相比,IRCGA-DNN的收敛迭代次数分别减少了22.2%和13.6%。实验结果表明,所提算法收敛速度和预测性能均更优,能有效处理神经网络超参数优化问题。