四面体胞的尽可能刚性网格变形算法

提出一种基于四面体胞的尽可能刚性三角形网格变形算法。用户通过操作网格上的若干顶点以得到所需的模型变形结果。首先,算法对网格模型内部进行稀疏四面体化,以产生一个贴合模型表面的四面体胞集。在模型变形过程中,算法通过最小化相应的变形能量函数,以保持网格模型表面局部区域的刚性以及每个四面体胞的刚性,从而有效避免模型表面及其内部的扭曲。同时,针对大尺度编辑可能造成的模型局部塌陷,提出一种简单的四面体胞自适应剖分方法,根据模型局部体积的剧烈变化,自动剖分对应的四面体胞以增加模型内部的局部变形自由度,进而消除不正确的变形效果。此外,自适应的四面体胞剖分允许算法在初始时只需对网格模型进行稀疏的四面体化,而在变形过程中根据需要进一步提高四面体胞的局部稠密度,因而保证了算法的鲁棒性及其效率。实验结果表明,该变形算法可以有效保持模型的表面细节以及模型的内部体积,并能够有效避免模型形状在大尺度变形时的局部退化。     

基于四面体控制网格的模型变形算法

提出一种鲁棒的保体积保表面细节的模型变形算法.首先将输入模型嵌入到一个稀疏的四面体控制网格中,并且通过一种改进的重心坐标来建立两者的对应关系;然后通过用户的交互,对控制网格建立一个二次非线性能量函数对其进行变形,而输入模型的变形结果则可以通过插值来直接获得.由于能量函数的优化是在控制网格上进行的,从而大大提高了算法的效率.与此同时,提出一种新的能量--Laplacian能量,可以使四面体控制网格进行尽量刚性的变形,从而有效地防止了大尺度编辑过程中模型形状的退化现象.文中算法还具有通用性,可支持多种模型的表示方式,如三角网格模型、点模型等.实验结果表明,该算法可以有效地保持输入模型的几何细节、防止明显的体积变化,得到了令人满意的结果.     

基于改进ASM的三维人脸自动对齐算法

针对传统三维人脸对齐算法需要大量人工操作和数据冗余的不足,提出一种基于改进主动形状模型的三维人脸自动对齐算法。该算法对二维人脸进行快速自动特征定位,根据三维人脸柱面展开的二维纹理图进行自动特征定位并分片。采用基于平面模板的重采样算法,自动实现三维人脸顶点稠密对齐。实验结果表明,该算法在提高运算速率的同时,得到的归一化结果与原始数据仍能保持99%形状相似度。     

防抖动和渗色的视频人脸非边缘分割算法

针对基于2D的视频人脸替换的特定应用中,替换后的人脸出现抖动、渗色等问题,提出一种防抖动与渗色的视频人脸非边缘分割算法。对源人脸和目标人脸进行主动形状模型(ASM)特征点定位,并采用普氏对齐算法将源人脸向目标人脸对齐,再在人脸非边缘区域进行线性插值,得到非最优的人脸非边缘分割轮廓;设计了兼顾前后帧非边缘分割轮廓时间连续性和当前帧非边缘分割轮廓纹理平滑性的能量函数,并采用动态规划算法使得能量最小化,得到最优的人脸非边缘分割轮廓;依次得到后续帧最优的人脸非边缘分割轮廓。实验结果表明,提出的算法有效地防止替换后的人脸出现抖动和渗色的现象,具有一定的应用价值。     

基于等距二分图的三维模型局部对齐

针对已有等距映射算法缺少局部特征约束所导致的错误对齐问题,提出等距二分图三维模型对齐算法.首先根据三维模型的多尺度特征得到匹配锚点;然后计算采样点到锚点的测地距离,形成等距二分图的对齐代价矩阵;最后采用二分图的最大权重匹配得到等距映射结果.实验结果表明,该算法能够解决不同姿态下的三维模型局部对齐问题,并且优于已有算法.     

基于多分辨率马尔可夫随机场运动目标分割

提出一种基于三维时空小波变换和马尔可夫随机场(MarkovRandomField)模型的多分辨率运动目标分割算法。该算法利用三维时空小波变换对图像序列进行分解得到多分辨率的图像序列,并在此基础上建立多分辨率的马尔可夫随机场模型,构造相应的能量函数。通过条件迭代模型优化算法(IteratedConditionalModes)求解能量函数的最优解,得出标记场,提取出运动目标。实验结果证明,该算法能够很好地消除了单一分辨率的MRF运动检测结果中"空洞"现象,对运动目标分割具有很好的分割效果。     

基于多分辨率马尔可夫随机场运动目标分割

提出一种基于三维时空小波变换和马尔可夫随机场(Markov Random Field)模型的多分辨率运动目标分割算法.该算法利用三维时空小波变换对图像序列进行分解得到多分辨率的图像序列,并在此基础上建立多分辨率的马尔可夫随机场模型,构造相应的能量函数.通过条件迭代模型优化算法(Iterated Conditional Modes)求解能量函数的最优解,得出标记场,提取出运动目标.实验结果证明,该算法能够很好地消除了单一分辨率的MRF运动检测结果中"空洞"现象,对运动目标分割具有很好的分割效果.     

基于多薄板样条的多视角非刚性配准算法EI北大核心CSCD

为解决多视角配准中带有低频非刚性形变的深度数据容易产生累积误差、重叠区域未对齐等问题,提出一种基于多薄板样条的多视角非刚性配准算法.首先通过局部迭代最近点刚性配准算法得到重叠视角深度数据之间的对应点;然后基于多薄板样条的全局优化能量公式为每个视角求解一个薄板样条变换,使所有对应点之间距离的平方和最小;最后将优化后的薄板样条变换应用于每个视角的深度数据.通过在优化模型中引入初始点位置约束,该算法能使配准后的数据尽可能保持初始形状.为了加快求解速度,迭代地求解每个薄板样条变换,并且在优化过程中增量式地引入径向基函数.实验室结果表明,文中算法有较高的精度和效率,能够有效地减少累积误差并且提升重叠区域的对齐效果.     

基于多薄板样条的多视角非刚性配准算法

为解决多视角配准中带有低频非刚性形变的深度数据容易产生累积误差、重叠区域未对齐等问题,提出一种基于多薄板样条的多视角非刚性配准算法.首先通过局部迭代最近点刚性配准算法得到重叠视角深度数据之间的对应点;然后基于多薄板样条的全局优化能量公式为每个视角求解一个薄板样条变换,使所有对应点之间距离的平方和最小;最后将优化后的薄板样条变换应用于每个视角的深度数据.通过在优化模型中引入初始点位置约束,该算法能使配准后的数据尽可能保持初始形状.为了加快求解速度,迭代地求解每个薄板样条变换,并且在优化过程中增量式地引入径向基函数.实验室结果表明,文中算法有较高的精度和效率,能够有效地减少累积误差并且提升重叠区域的对齐效果.     

基于形状先验和梯度约束的彩色图像分割

针对图像遮挡、噪声等复杂场景下,仅依赖颜色信息难以准确分割的问题,将形状先验和图像梯度分别引入马尔科夫随机场框架中,提出一种基于形状先验和梯度约束的彩色图像分割方法。该方法基于颜色特征和形状模版定义能量函数,梯度信息的引入允许待分割目标与形状模版间有一定差异,且待分割目标与形状模版间的变换具有仿射不变性,整个能量函数通过图割算法实现能量最小化,得到最终分割结果。实验结果表明,该方法具有有效性。     

无线传感器网络节点基于遗传算法的充电路径规划

无线传感器网络应用越来越广泛,为了解决传感器节点的能量问题,将无线充电技术应用到传感器网络中.使用无人机为传感器节点进行无线充电,但是无人机的电池容量有限,合理的规划能够让无人机以最小的充电代价获得最大的网络效用.以最小化无人机能耗为优化目标,对无人机能量消耗进行分析,将优化目标简化成最小化路径距离,并使用遗传算法对无...     

非完美CSI下的全双工中继网络的能效谱效均衡

为优化非完美信道状态信息下的解码转发全双工中继网络的能效和谱效,提出了一种基于该网络模型的能效谱效均衡策略。通过构建能量效率和频谱效率的折中优化函数,将一个非凸的多目标优化问题转换为一个凸的单目标优化问题,利用求导法和拉格朗日乘子法求解在不同折中因子下的最优中继发射功率。仿真结果表明,可以通过改变折中因子来优化系统的能效和谱效值,获得最优能效和谱效的性能折中。     

基于簇内能耗最优的设备到设备缓存通信内容共享算法

针对设备到设备（D2D）缓存通信中,终端设备电池容量有限且设备之间数据传输能耗过大导致文件卸载率下降的问题,提出一种簇内节点能耗最优的缓存通信内容共享算法（CCSA）。首先,鉴于用户终端的随机分布特性,将网络中的用户节点建模为泊松簇过程,基于节点设备能量、通信距离建立卸载模型,设计自适应簇首选择权值公式;其次,遍历节点的能量与距离加权和并采用贪婪算法局部最优原则选取簇首节点,从而对用户节点通信距离进行优化,确保用户能耗最低以延长其生存周期,同时提高系统的卸载率。实验结果表明,与成簇随机选簇首（Random）、非成簇的能耗优化（EC）算法相比,所提算法在网络能耗最优时,系统生存周期延长了约60个百分点、72个百分点。CCSA能够提高卸载率且降低系统的卸载能耗。     

一种基于模型的单相机姿态估计方法

利用单幅影像测量目标在空间的位置和姿态参数(Pose)在目标定位、场景监测与更新、目标识别、自动导航等领域有着广泛的应用。目前有很多方法用于解决该问题,这些方法按照目标模型点与对应成像点的对应关系是否已知而分为两大类:一类是对应性已知条件下求解Pose;另一类是对应性未知条件下同时求解Pose与对应性问题。该文提出了一种新的采用单幅影像求解目标位置与姿态参数的方法。与已有的方法不同,该方法完全回避了与Pose问题并存的对应性问题。它利用目标模型投影与真实影像中目标区域的重合程度建立一个包含Pose参数的能量函数,将Pose求解转换为能量最优化问题,并采用了Hooke-Jeeves算法求解这个最优问题。多组仿真数据的仿真实验结果表明,该方法是正确和有效的。     

基于DDPG的冷源系统节能优化控制策略

针对传统冷源系统节能优化方式机理建模复杂,缺乏自我学习能力,优化速度较慢等问题,提出一种基于数据驱动和自我学习机制的冷源系统节能优化控制策略,设计冷源马尔可夫决策过程模型,并采用深度确定性策略梯度算法(DDPG)解决维数灾难与避免控制动作离散化问题.以夏热冬暖地区某大型办公建筑中央空调冷源系统为研究对象,对冷源系统控制策略进行节能优化,实现在满足室内热舒适性要求的前提下,减少系统能耗的目标.在对比实验中,DDPG控制策略下的冷源系统总能耗相比PSO控制策略和规则控制策略减少了6.47%和14.42%,平均室内热舒适性提升了5.59%和18.71%,非舒适性时间占比减少了5.22%和76.70%.仿真结果表明,所提出的控制策略具备有效性与实用性,相比其他控制策略在节能优化方面具有较明显的优势.     

基于线性规划和相似变换的点匹配算法

为解决点匹配过程中非刚性形变、位置噪声和出格点等因素导致点匹配不理想的问题,提出一种基于线性规划和相似变换的特征点匹配算法。点匹配被建模成一个能量函数最小化问题。在该函数中,形状上下文特征用于降低点对应关系的歧义性,相似变换用于保持空间映射的连续性,连续松弛问题归结为一个线性规划。仿真结果证实了该算法的有效性。     

考虑潮汐影响的班轮多船型船舶调度

针对班轮企业由于提前公布船期表，但受货运需求的波动和潮汐的影响引起的多船型船舶调度问题进行研究。首先系统分析了一家班轮企业近洋运输航线结构；然后考虑大型船舶需乘潮进出港口，以及适当条件下允许租船的实际情况，兼顾班轮船期表的限制，构建了以运输总成本最小为目标的班轮多船型船舶调度非线性规划模型；最后考虑模型的特点，设计了嵌入基因修复的改进遗传算法（IGA）用于模型求解。实验结果表明，与传统的经验调度方案相比，得到的船舶调度方案在船舶利用率上能提高25%~35%；中规模算例下与CPLEX相比，IGA的CPU处理时间平均降低77%；中、大规模算例下与蚁群算法相比，IGA计算的运输费用平均降低15%。实验结果验证了所提模型和算法的有效性，可为班轮企业船舶调度提供参考。     

Nested simulated annealing approach to periodic routing problem of a retail distribution system

This paper introduces a real-life variant of a periodic traveling salesman problem (V_PTSP) for a retail distribution system. A warehouse is allocated to serve specified retail districts where a large number of retailers are located and the deliveries are planned according to the visiting frequency of each retailer. The objective is to determine daily vehicle routes over a given planning period adhering to the visiting frequency restrictions while minimizing the total distance traveled. Initially, the V_PTSP is formulated as an integer programming model. Since this model can only solve small size problems, a nested simulated annealing procedure is developed for solving large size V_PTSPs. A series of computational tests are performed for evaluating the performance of the heuristic procedure. The results show that the proposed approach gives good solutions in reasonably short computation times.     

求解车间调度问题的自适应混合粒子群算法

针对最小完工时间的流水车间作业调度问题,提出了一种自适应混合粒子群进化算法--AHPSO,将遗传操作有效地结合到粒子群算法中.定义了粒子相似度及粒子能量,粒子相似度阈值随迭代次数动态自适应变化,而粒子能量阈值与群体进化程度及其自身进化速度相关.此外,针对算法运行后期进化速度慢的缺点,提出了一种基于邻域的随机贪心策略进一步提高算法的性能.最后将此算法在不同规模的实例上进行了测试,并与其他几种具有代表性的算法进行了比较,实验结果表明,无论是在求解质量还是稳定性方面都优于其他几种算法,并且能够有效求解大规模车间作业问题.     

基于环的节点非均匀分布分簇算法

针对无线传感器网络（WSN）中基于环的节点非均匀分布网络模型下的能量空洞问题,提出了一种基于环的节点非均匀分布分簇算法（RCANND）。该算法在节点非均匀分布的网络模型下,通过每环的能耗最小化,计算每一环的最优簇首数;通过节点剩余能量、距基站距离以及与邻居节点的平均距离计算簇首选择度。在簇内以簇首选择度序列表进行簇首轮转,降低分簇次数,提高网络能量的利用效率。对提出的算法进行仿真对比实验,仿真结果表明,相同半径、不同分布模型下节点的平均能耗波动很小;相同分布模型、不同半径下节点的平均能耗波动也不明显。以网络中50%节点存活作为网络生命周期,在节点非均匀分布情况下,所提算法的网络生命周期比混合能量高效分布式不等分簇算法（UHEED）和轮转的混合能量高效分布式不等分簇算法（RUHEED）分别提高约18.1%和11.5%;在节点均匀分布模型下,所提算法的网络生命周期比基于分环的能量高效无线传感器网络分簇路由（RECR）协议提高约6.4%。所提算法有效均衡了不同分布模型下的能耗,有效延长了网络生命周期。