逻辑函数的立体化简法及其实现

逻辑函数的“立体化简法”是在卡诺图化简法的思想基础上设计的一种新型逻辑函数化简方法.这种方法用逻辑函数立方体代替卡诺图,在三维立体空间进行逻辑函数的化简.卡诺图法可以方便地化简四个变量以内的逻辑函数,而立体化简法可以方便地化简六个变量以内的逻辑函数.使用CubeScape在线网站的功能可以方便地表示逻辑函数立方体,让学生直观地感受逻辑函数最小项的逻辑相邻关系,更好地理解立体化简法化简逻辑函数的原理.     

一种新型逻辑函数化简方法——立体化简法

文章在卡诺图化简法的思想基础上设计了一种新型的逻辑函数化简方法——“立体化简法”。用逻辑函数立方体代替卡诺图来表示逻辑函数,在三维立体空间进行逻辑函数的化简,既保持了卡诺图化简法方便、直观、容易掌握的优点,又使得可以方便化简的逻辑函数变量增加至六个;如果采用达到卡诺图化简法五、六变量逻辑函数化简的难易程度的方法,可使化简的逻辑函数变量增加至九个。这种新型的逻辑化简方法使得五、六变量逻辑函数的化简变得非常简单、方便,也使得九变量以内的逻辑函数的化简变得直观、可行。     

多变量逻辑函数的卡诺图化简方法

数字电路中的逻辑函数卡诺图化简是一种简单、直观的方法,常用于四变量化简。该文分析了多变量逻辑函数的卡诺图法化简,使卡诺图化简法得到了更广泛的应用。     

多变量逻辑函数的卡诺图分割法化简

针对卡诺图化简多变量逻辑函数存在的问题,提出一种简便书写循环码的方法,并用轴对称分割卡诺图寻找逻辑相邻项画卡诺圈,快速化简逻辑函数,解决了多变量逻辑函数卡诺图化简繁难的核心问题.     

基于蚁群算法的逻辑函数化简

仿真硬件是一种新近发展起来的将仿真优化算法的思想应用于硬件物理结构设计的技术,特别是电子系统的设计.针对代数法和卡诺图法难以化简规模很大的逻辑函数问题,提出使用蚁群算法处理大规模逻辑函数化简.详细阐述了蚁群算法处理逻辑函数化简问题模型以及重要技术实现.试验表明演化硬件设计方法能够化简规模很大的逻辑函数.     

《数字逻辑》课程教学方法研究及探讨

对<数字逻辑>课程中的一些教学方法和问题进行研究及探讨,包括逻辑函数的各种化简方法、时序逻辑电路分析与设计中的公式法与表格法、变量的排列顺序问题等,总结并且提出一些独创的教学方法.     

逻辑函数的卡诺图化简法

从卡诺图化简法与公式化简法的比较入手,说明卡诺图化简法的优点及适用范围,阐述了卡诺图的特点、最小项的定义和性质、用卡诺图化简逻辑函数的基本原理以及化简是否达到最简形式的判定标准。然后给出了具体实例来诠释卡诺图化简法并给出其应用的一般步骤。最后总结出卡诺图化简法易出错的几种情况,从而得出用卡诺图化简逻辑函数的一般方法。     

基于改进遗传算法的逻辑函数化简

代数法和卡诺图法是经典的逻辑函数化简方法,但它们难以化简规模大的逻辑函数,采用演化算法实现逻辑函数化简,能化简规模大的逻辑函数,但计算时间比较长;针对代数法、卡诺图法和演化算法的不足,提出了改进遗传算法应用于逻辑函数化简,新方法主要采用改进种群初始化方式和约束进化方向的措施;仿真表明,新方法能减少无效搜索,极大地提高进化速度,减少计算时间,新方法为规模大的逻辑函数化简提供新思路,在工程上有应用价值。     

具有多个输出的逻辑函数的化简

<正> 具有相同输入变量而有多个输出的逻辑网络的化简,如果只是孤立的将单个输出函数化简,然后直接拼在一起,有时并不能保证这个多输出网络为最简。因为对于这种网络有时存在能够共享的部分。为使多输出网络得到最简化表达式,通常使用的Q—M法或卡诺图法,都相当复杂。本文介绍的化简方法,是将卡诺图法作了较大的改进,使化简过程更加简便。     

计算机在数字电路逻辑函数化简中的应用

本文介绍了采用奎恩－麦克洛斯基方法化简数字电路中逻辑函数的算法及其实现方法，具有一定的实用价值的参考作用。     

用遗传算法实现逻辑函数的化简

在硬件设计中引入演化计算，在可编程逻辑器件上通过对基本硬件元器件进行演化而自动生成人工难以设计出的硬件结构，称为演化硬件设计。代数法和卡诺图法用来化简给定的逻辑函数，但它们难以化简规模很大的逻辑函数。这里用演化硬件设计方法实现了区别于传统的代数化简法和卡诺图化简法的一种新的对给定的某一逻辑函数进行化简的方法。实验表明演化硬件设计方法能够化简规模很大的逻辑函数。     

一种基于区域分割的几何模型简化方法

根据几何模型简化中保持细节特征的要求,引入了图像的区域分割原理,提出了一种利用曲度进行区域生长的网格模型区域分割方法,用A型种子或B型种子进行生长,将模型分割为一些区域;在此基础之上,提出了一种基于区域分割的几何模型简化方法,各个区域按照三角形数目的比例进行简化.该方法在保持模型细节特征的基础之上,大大地加快了模型简化的速度;另外还提出了一种累进网格模型的实现方法,实现了具有细节特征的多分辨模型间的层次过渡.实验证明本文所提出的几何模型简化方法加快了网格模型的简化速度,并具有保持模型的三角形网格密度分布的特点,是一种实用、方便和有效的简化方法.     

视点相关且拓扑可变的多分辨网格动态构造算法

随着近几年3维扫描和图形建模技术的快速发展,3维模型的数据量不断增大,其在存储、显示及传输上都面临巨大的挑战,因此,必须构造模型的简化表示。通过对当前网格模型动态简化算法的分析,提出了一种网格简化算法来构造拓扑可变的网格模型累进表示,在此基础上,通过对简化后的模型数据进行再组织,为简化模型建立了一种紧凑、灵活的动态多分辨率结构,并相应地给出了基于视点的动态简化算法。理论分析和实验结果表明,新方法能够随着视点参数的变化动态生成适当细节的简化模型,简化结果好,简化后的模型不仅能够较好地保留原模型的基本几何形状,而且能够较好地保留原始模型的颜色等属性特征,具有存储量小、适用范围广和自适应性强等特点。     

Feature suppression based CAD mesh model simplification

Dynamic simulation and high quality FEA mesh generation need the CAD mesh model to be simplified, that is, suppressing the detailed features on the mesh without any changes to the rest. However, the traditional mesh simplification methods for graphical models can not satisfy the requirements of CAD mesh simplification. In this paper, we develop a feature suppression based CAD mesh model simplification framework. First, the CAD mesh model is segmented by an improved watershed segmentation algorithm, constructing the region-level representation required by feature recognition. Second, the form features needing to be suppressed are extracted using a feature recognition method with user defined feature facility based on the region-level representation, establishing the feature-level representation. Third, every recognized feature is suppressed using the most suitable one of the three methods, i.e. planar Delaunay triangulation, Poisson equation based method, and the method for blend features, thus simplifying the CAD mesh model. Our method provides an effective way to make CAD mesh model simplification meet the requirements of engineering applications. Several experimental results are presented to show the superiority and effectivity of our approach.     

图形相似的基本原理、方法及其在结构模式识别中的应用

将相似的有关思想和方法引入到图形识别和理解中，系统地讨论了图形相似的基本原理和方法。首先分析了图形的相似性特征、相似性的内涵以及相似性的性质，同时给出了图形相似度的计算方法；其次，借助图的方式对图形的各相似性特征进行描述，并提出了统一的图形特征编码方式，以此实现图形由“形”到“数”的转换；而且，提出了一种具有层次性的、以图形特征编码为基础、以相似度为依据的图形相似性判别算法；最后，将该方法应用于基于二维的结构模式识别中，以一个实际零件中的非相交基元体的识别为例说明了该方法的具体应用。实验结果表明，与传统的识别方法相比较，该方法在模式的识别范围、模式的搜索以及模式的匹配速度等几个方面取得了较大进展，并且这种基于多个相似性特征的图形识别方法具有更大的灵活性和可靠性。     

Structure simplification of dynamic process models

Lumped process models derived from first engineering principles are usually too detailed for control purposes where only the major dynamic characteristics of the system should be captured. Two common steps of simplifying dynamic process models, the steady-state variable removal and the variable lumping simplification steps are investigated in this paper, in order to show if they preserve the key properties: the structural controllability, observability and stability of the models. In order to enable the formal analysis, these simplification steps are represented as context sensitive graph transformations acting on the structure graphs of the dynamic process models. It is shown that the simplification transformations above preserve the structural controllability and observability of process models. But only the steady-state variable removal transformation has been found not to destroy their structural stability. The variable lumping structure simplification transformation is further specialized to the case of cascade process models. It is shown that the inverse of this transformation does exist in this case, and both transformations preserve structural controllability and observability.     

基于检测球控制的网格模型简化算法研究

在逆向工程、计算机图形学等应用领域中,经常采用多边形网格模型(多为三角形网格)来描述几何形体,但网格中三角片数目往往非常庞大.为了保证对模型的后续操作能有效地进行,有必要在满足一定精度的条件下对其进行简化.提出了一种基于检测球控制简化精度的网格模型简化算法.该算法运行速度快,简化效果好.     

一种基于包络控制的三角形收缩简化三维几何模型的新算法

本文算法先将原始模型上的每一点沿各自的法矢量方向偏移一定的距离，使整个原始模型收缩或扩张，生成内外两层包络．在构造包络时采用了一维搜索中的二分法来逼近最佳偏移值，以保证原始模型尽可能简化，然后依次选择原始模型上的一些三角形，将其三个顶点合并，收缩成一个三雏点．如果这样收缩简化后的模型依然位于两层包络围成的空间中．则收缩操作产生的误差被认为是可接受的．这也就保证了简化模型与原始模型外形上的相似．同时，本文还设计了一个演示系统，实现了这种算法．实验结果表明．通过这种算法简化三维几何模型后，简化模型不仅具有一定的压缩率，而且保留了原始几何模型的尖锐特征，两者在外形上十分相似。     

On finding optimal covers

After a statement of the general problem underlying Quine's methods of simplifying logical expressions, a few examples, and a survey of various approaches to the problem, attention is focussed on the question of how to branch when the straightforward simplication rules give no further progress. An algorithm is suggested that takes advantage of the freedom of choice at the branching step in order to split the given problem into several smaller problems. As the difficulty of the problem grows exponentially with its size, this results in a great saving of effort. Both the hand and computer versions of the algorithm are described since they differ appreciably. The pattern recognition example used to illustrate the paper is chosen as typical of the wide variety of practical questions in which the above general problem arises.