基于Bowyer-Watson三角网生成算法的研究

不规则三角网（Triangulated Irregular Network,TIN）在表示地形的形态方面具有较好的表现,其生成算法一直备受关注。讨论了三角网的数据结构的设计,采用逐点插入算法中的Bowyer-Watson算法思想为研究重点,设计并实现了该算法,对算法实验过程中可能出现的交叉现象进行分析,给出算法的改进。该改进算法已用于地形的可视化建模中,获得了较好的效果,对于三角剖分的相关研究具有一定的价值。     

改进的自连接Delaunay三角网生成算法

本文提出了一个改进的自连接Ｄｅｌａｕｎａｙ三角网生成算法。在原算法的基础上引进了封闭点的概念,在三角网的生成过程中动态地剔除封闭点,从而大大加快了生成新三角形时对点的查找过程。其次,通过对边扩展过程的研究,发现对除了第一个三角形以外的其他三角形实际上只有两条可扩展的边,新算法对这一点也进行了改进。最后,给出了实验的结果数据。     

高阶Delaunay三角网及生成算法研究

Delaunay三角剖分是构建数字地形模型的有效方法,但是该方法会引起人工大坝和局部极值问题,使得地形模型不能很好地反映原始地形的真实面貌。在Delaunay三角网的基础上提出了一种高阶Delaunay三角网,并给出了高阶Delaunay三角网生成算法。实验结果表明,高阶Delaunay三角网能够有效地减少地形中局部极小的数量,因此,采用高阶Delaunay三角网建立的地形模型更接近于实际地形。     

对构建Delaunay三角网中凸壳算法的研究与改进

在介绍Delaunay不规则三角网基本概念和TIN数据结构的基础上,主要对平面离散点构建凸壳的格雷厄姆算法进行了研究和改进,提出了一种“斜率扫描线法”,并进行了编程实现。实验表明改进后的算法实现简单,容易理解,对于D-TIN模型的生成行之有效。     

基于最优凸壳技术的Delaunay三角剖分算法

提出了一种基于最优凸壳技术的Delaunay三角剖分算法。该算法对离散点进行扫描线方式排序,利用最优凸壳技术进行凸壳的生成和三角网联结,最后利用有向边的拓扑结构进行三角网优化。该算法不但避免了所有的交点测试,而且使得新加入点与凸壳边的平均比较次数不大于4,从而实现了高效的三角剖分。     

Delaunay三角网剖分中的约束边嵌入算法

约束边嵌入是解决D-三角网转变为CD-三角网的一种非常有效的方法,而CD-三角网才能真实地虚拟地形地貌。该文研究了约束边嵌入D-三角网的问题,介绍了约束边嵌入算法的一些基本概念,分析了现存算法的特点,提出了改进的约束边嵌入算法——“插入－交换”算法。该算法能有效地处理各种特殊情况,程序实现简单,符合工程需求。     

带特征线约束的Delaunay三角剖分最优算法的研究及实现

为了提高特征线约束的Delaunay三角剖分的速度和功率,从两个方面进行改进;一是生成无约束的Delaunay三角网时,采用进行剖分算法;二是在约束线上插入点时,应用取三角形外接圆与特征线交点的方法。并行剖分算法具有较好的加速性能;“交点”插入算法考虑了特征线的影响域及Delaunay三角形规则的边界条件,在满足全局Delaunay三角剖分的前提下,使插入的点最少,对原有的网格影响最小。     

基于凸壳技术的Delaunay三角网生成算法

该文提出了一种针对散乱点集的快速构建Delaunay的算法。该算法首先对散乱点按有向角进行排序,以排序后的点顺序为基础,利用凸壳特性快速将散乱点联结成三角网,最后利用拓扑结构快速将其优化为Delaunay三角网。在联网过程中,充分利用有序点子集的凸壳特性,避免了所有的交点测试,从而保证了对散乱点集生成Delaunay三角网的效率。     

一种基于Delaunay三角化的笔划分割算法

字符笔划在字符识别等领域中存在广泛的应用。针对字符图形的骨架化及笔划提取，本文提出了一种基于动态约束Delaunay三角割分的算法。该方法首先通过对字符的轮廓多边形进行三角剖分，生成一系列具有拓扑关系的三角形．再根据三角形的三种类型生成各三角形骨架，并连接为整个字符的骨架。然后定义了骨架的平滑度函数及分支长度阈值，消除了畸变分支，并根据得到的骨架进行笔划分割。实验结果表明，该算法具有快速稳定的特点且鲁棒性较好。     

Delaunay三角网剖分的约束边嵌入改进算法

重点研究约束边强行嵌入D-三角网的问题。约束边嵌入是解决D-三角网转变为CD-三角网的一种非常有效的方法,而CD-三角网才能真实地虚拟地形地貌。针对基于凸凹判定的对角线交换算法存在的缺陷,提出"分裂约束边"的思想完善算法的健壮性,并引入快速点定位算法以提高算法的执行效率。     

渐进式分组狩猎的灰狼优化算法及其工程应用

针对灰狼优化（GWO）算法在求解复杂优化问题时存在后期收敛速度慢、易陷入局部最优的不足,提出了一种渐进式分组狩猎的灰狼优化（PGGWO）算法。首先,设计了非线性多收敛因子以增强全局勘探能力、避免局部最优;其次,提出了渐进式位置更新策略,该策略引入长鼻浣熊的包围策略和动态权重因子,前者在提高收敛精度和速度的同时避免局部最优,后者则动态地提升算法的收敛速度及全局寻优性能。最后,通过与标准GWO、4个GWO先进变体以及4个竞争力较强的新型进化算法对比,验证了PGGWO算法的有效性和先进性。在24个Benchmark函数和3个实际工程优化问题上的实验结果表明,PGGWO算法在收敛精度和收敛速度上具有明显优势,并且对约束优化问题也是有效的。     

一种求解约束优化问题的进化算法及其工程应用

提出一种改进的用于求解约束优化问题的进化算法.该算法利用混沌方法初始化个体以保证其均匀分布在搜索空间中.在进化过程中,将种群分为可行子种群和不可行子种群,分别采用不同的交叉和变异操作,以平衡算法的全局和局部搜索能力.标准测试问题的实验结果表明了改进算法的有效性.最后将改进算法应用到两个工程优化设计问题中,得到了满意的结果.     

海洋次表层FIDW温盐影像插值算法

最大限度地提高海洋次表层温盐影像插值速度,是解决渔况信息动态服务效率的关键。IDW可以实现海洋剖面观测点的二维插值,但通用的IDW算法效率较低,采用FIDW方法提高插值效率,在使用相同计算公式的情况下实现影像快速插值,插值结果经过实测数据验证表明误差的范围可以满足渔业分析应用的需要。     

改进的约束优化多目标遗传算法及工程应用

利用多目标法处理约束条件,提出一种改进的基于多目标优化的遗传算法用于求解约束优化问题。该算法将约束优化问题转化为两个目标的多目标优化问题; 利用庄家法构造非劣个体,将种群分为支配子种群和非支配子种群,以一定概率分别从支配子种群和非支配子种群中选择个体进行算术交叉操作,引导个体逐步向极值点靠近,增强算法的局部搜索能力,对非支配子种群进行多样性变异操作。8个标准测试函数和3个工程应用的仿真实验结果表明了该算法的有效性。     

求解约束优化问题的中心引力优化算法及其工程应用

为了平衡算法的全局探测能力和局部搜索能力,提出一种基于交叉与变异的中心引力优化算法用于求解约束优化问题。该算法首先利用佳点集方法构造初始种群以保证粒子的多样性。以一定概率随机选择粒子与当前最优粒子进行算术交叉操作,引导粒子向全局最优解靠拢。对当前最优粒子进行多样性变异以避免算法陷入局部最优。标准测试函数和工程优化应用问题的实验结果表明,新算法能有效求解不同的约束优化问题。     

一种新的约束优化遗传算法及其工程应用

提出一种新的用于求解约束优化问题的遗传算法,该算法利用佳点集方法初始化个体以维持种群的多样性.在进化过程中,通过可行解与不可行解算术交叉对问题的决策空间进行搜索;对可行种群与不可行种群分别采用高斯变异和柯西变异,从而协调算法的勘探和开采能力.几个标准测试问题的实验结果表明该算法的有效性;应用新算法求解两个工程优化设计问题,结果表明该算法的可行性.     

求解约束优化问题的改进果蝇优化算法及其工程应用

针对基本果蝇优化算法收敛速度慢、求解精度低、易于陷入局部极值以及算法候选解不能取负值等不足,提出一种用于解决约束优化问题的改进果蝇优化算法.该算法利用果蝇个体历史最佳记忆信息和种群全局历史最佳记忆信息构建多策略混合协同进化的搜索机制,以达到有效平衡算法的全局探索与局部开发的目的,同时也能够较好地避免算法的早熟收敛问题;...     

约束Delaunay三角网生成算法的研究与应用

在研究现有约束Delaunay三角网生成算法后,针对传统合成算法中点定位过程效率低,搜索影响域算法复杂的缺点,对合成算法进行了两点改进:一是快速定位点所在的三角形;二是优化搜索影响域的算法.改进后的算法有效的缩短了构网过程中定位点和搜索影响域的时间,提高了构网效率.分别利用传统合成算法与改进后的算法结合有限元算法在高炉炉衬侵蚀曲线预测工程项目中进行了分组仿真实验.实验数据表明,改进后的算法更加稳定,剖分效率更高.     

一种改进的异构链路协同预测算法研究

现有的链路预测方法仅考虑单种链路类型预测或多种链路类型的独立预测,经常使得预测结果不够准确。为此,研究了异构信息网络中多种链路类型的协同预测问题。根据源节点的相似节点和目标节点的相似节点之间的当前链路信息,提出了同质连接原理,设计了一种针对不同类型节点的相关性指标,用于描述不同类型节点间的链路存在概率,并将其与传统的邻近性指标相结合拓展到异构链路预测中。然后,将异构信息网络中的被标记数据和无标记数据融合起来,提出一种异构链路协同预测算法(Heterogeneous Collective Link Prediction, HCLP),通过获得不同类型链路间的各种复杂关系,结合互补性预测信息,实现多种链路类型的协同预测。基于真实场景的实验结果表明,所提的链路协同预测方法可有效提升异构信息网络的链路预测性能。     

CASC2D分布式水文模型异构并行算法研究

针对 CASC2D 模型精细化水文模拟时面临的计算耗时长、效率低等问题,在保持产汇流算法和流域拓扑结构的基础上,采用 CPU+GPU 的异构并行算法对 CASC2D 模型程序进行重新设计和优化,模型程序中的降雨、 产流、坡面汇流和河道汇流过程均优化为并行计算,以提高 CASC2D 模型的计算效率。将优化后的 CASC2D 模型应用于前毛庄流域的洪水流量过程模拟,计算结果与原 CASC2D 模型保持一致。在栅格分辨率为 30 m,计算步长为 3 s 时,与原 CPU 串行计算方法相比,并行加速比达到 34 倍以上,并且栅格单元数据精度越高,加速比提升越明显。异构并行算法可在不降低模拟精度的条件下显著提升 CASC2D 模型的计算效率,满足实时水文预报的应用需求。