基于粒子系统的舰船航迹仿真

提出一种基于开尔文波理论和粒子系统技术的船行波模拟方法,采用开尔文波理论构建二维船行波模型,使用粒子系统技术对船行波的三维模型进行动态建模,从实际观察出发,根据艏浪、艉浪的形状特征、作用范围和浪花的随机运动特性,给出艏浪、艉浪的粒子系统建模方法.实验证明该方法能快速逼真地模拟舰船航行时的航迹.     

基于物理模型的舰艏浪三维可视化

针对以往舰艏浪三维可视化中仅从实际观察出发建立动态模型,不能反映舰艏浪物理运动规律的问题,提出一种基于物理模型的舰艏浪三维可视化方法。该方法将舰艏浪物理模型应用到三维可视化中,采用边界元方法计算得到舰艏浪外形数据,利用粒子系统技术建立了三维动态模型,基于OpenSceneGraph粒子系统,在VS2010平台上实现了舰艏浪的三维可视化。实验结果表明该方法更符合物理运动规律,能较好地模拟舰船航行时的艏浪。     

虚拟海洋场景中波浪的模拟

采用水波动力学理论,对随机海洋面在理想情况下海洋波面以及舰船在海洋中航行时所产生的浪花进行了分析,并建立了相应模型,根据计算机图形学的相关技术和波谱函数方程,生成了随机的海浪,运用粒子系统技术绘制了舰船航行中的浪花（艏浪,艉浪等）,为海战场视景图生成创建了一个较为副真的海洋虚拟场景。     

基于粒子系统的海洋环境仿真

随着计算机仿真技术的不断发展, 海洋环境仿真在许多领域有着越来越广泛的应用, 但是如何生成一个逼真的海洋环境一直是困扰着我们的关键问题. 详细分析了海洋模型和艏浪特效的仿真, 采用了Visual Studio 2003.net和Vega Prime软件, 在开发过程中加入了粒子系统, 仿真出比较逼真的海洋环境, 给人以身临其境的感觉.     

船舶运动建模及预报方法的研究

本文叙述了船舶运动艏前波法预报所做的研究工作,艏前波预报方法看来是解决船舶运动预报比较切实可行的方法,它是利用舰船本身的摇摆观测数据和舰船艏前海浪的观测数据,对舰船摇摆建模及预报,文中讨论了船舶在波浪中的运动艏前波模型动态建模与预报方法,为了改善和提高预报的精度和可靠性,进行预报前,对实船试验所采集信号做实时在线预处理和滤波处理,同时进行参数辨识,定阶,然后进行拟合建模和预报,对多组实船试验的信号实时的在线进行比较,获得比较令人满意的结果,在提高预报精度,增加舰舰载机着舰的完全性和扩大海况使用范围等方面,具有比较高的实用价值。     

基于Unity的船浪实时交互运动可视化系统

为解决现有航海模拟器中船浪运动分离导致的视景感受体验差的问题, 开发了一套船浪实时交互的船舶运动可视化仿真系统. 通过海浪谱建模技术构建海面波浪运动场景; 在建立船舶受力模型的基础上, 通过检测船舶与水面的碰撞实现船舶对波浪力的响应以计算船舶对波浪运动的实时响应姿态变化; 同时为增强仿真系统的真实感, 使用波动公式计算船舶与水体碰撞产生的水波及其扩散增强模拟真实感. 船浪运动耦合的航海模拟器与传统航海模拟器相比, 在大海况条件下能够为使用者提供更加真实的视景与运动体验. 研究成果视景真实感强, 船浪交互实时性好, 对于恶劣航海条件下的航海过程有良好的仿真效果.     

基于OpenGL与粒子系统实现三维喷泉模拟

喷泉、瀑布、火焰、水流、雨、雪等自然景物具有不规则性、动态性和随机性,模拟十分复杂。模拟自然景物的方法有两种:基于物理建模技术的方法与基于粒子系统建模的方法。运用粒子系统建模方法分析了喷泉水体模型,研究了喷泉水珠粒子产生、运动和消亡的机理,构建出三维喷泉粒子系统模型。采用了三维立体显示技术和纹理映射技术增强喷泉绘制过程中的渲染和真实感。基于OpenGL,采用Visual C++6.0编程实现了三维喷泉模拟。实验结果表明,该方法模拟效果真实,在普通的PC平台上即可满足一般动画的实时需求。     

粒子系统基本理论及其应用

粒子系统是一种应用广泛而实用的物体建模方法。文章介绍了粒子系统的相关基本理论,讨论了粒子系统在非整体物体模拟和整体物体表面建模以及可形变物体建模中的应用。     

三维头发的建模方法研究

在现代的一些虚拟现实系统中,如模拟人体模型、游戏以及电影特技中需要对头发的真实感进行建模。虚拟现实的关键技术之一是对显示对象进行建模。因此,为解决由于头发数量庞大和其纤细的特性而使得头发图像生成过程缓慢复杂的问题,研究其相关技术具有重要价值。头发模拟的方法主要有：直接模拟、体积纹理模型、聚簇发束模型和宽松连接的粒子系统模型等。该文在现有的头发模拟方法分析的基础上,提出了一种基于粒子系统的头发模拟设计方法,从而在时间和计算开销上解决已有方法的不足。     

基于CFD的船舶斜浪三自由度运动仿真研究

针对船舶在斜浪中的多自由度耦合运动问题, 建立了三维粘性流耐波性数值波浪水池, 采用边界条件造波法生成高精度的斜向规则波, 通过同时求解RANS方程和刚体运动学方程, 结合网格整体移动方法和滑移网格方法, 实现了船舶斜浪航行的垂荡、纵摇及横摇三自由度耦合运动数值模拟。给出了DTMB5512船模斜浪中的垂荡、纵摇及横摇的频率响应函数, 与线性切片理论计算结果进行比较, 吻合良好。该方法可为船舶斜浪航行的耐波性预报提供一种有效的途径。     

基于免疫粒子群优化的聚类算法

K均值算法简单快速,但其结果容易受初始聚类中心影响,并且容易陷入局部极值。该文结合粒子群优化算法和免疫系统中的免疫调节机制与免疫记忆功能对K均值算法进行改进,提出一种基于免疫粒子群优化的聚类算法。实验结果证明,该算法解决了K均值算法存在的对初值敏感的缺点,聚类结果稳定,而且比基于粒子群优化的聚类算法具有更好的聚类效果。     

基于MPI的并行PSO混合K均值聚类算法

传统的串行聚类算法在对海量数据进行聚类时性能往往不尽如人意,为了适应海量数据聚类分析的性能要求,针对传统聚类算法的不足,提出一种基于消息传递接口(MPI)集群的并行PSO混合K均值聚类算法。首先将改进的粒子群与K均值结合,提高该算法的全局搜索能力,然后利用该算法提出一种新的并行聚类策略,并将该算法与K均值聚类算法、粒子群优化(PSO)聚类算法进行比较。实验结果表明,该算法不仅具有较好的全局收敛性,而且具有较高的加速比。     

多样性引导的QPSO基因表达数据聚类算法

针对基于粒子群优化的聚类算法容易陷入局部最优值的缺点,提出将量子行为粒子群优化应用于基因表达数据的聚类分析问题中。在新的聚类算法中采用了对粒子群的多样性控制,以提高算法的全局收敛性能;此外还在新算法中引入了类似于K均值聚类的操作步骤,用以提高算法整体的收敛速度。选择Rand指数和Silhouette指数作为聚类评价标准,对5个人工和实际的基因表达数据集合进行聚类实验分析表明,新算法和基于粒子群优化的聚类算法相比,具有较快的收敛速度,粒子多样性的控制能有效改善算法的全局收敛性能。和其他一些常用的聚类算法比较,也能够获得更好的聚类评价,聚类效果更好。     

基于该粒子群算法的聚类算法

提出了一种基于改进的粒子群算法的聚类方法。该算法是将局部搜索能力强的K-均值算法和基于遗传算法的交叉、变异操作同时结合到粒子群算法中。既提高了粒子群算法的局部搜索能力、加快了收敛速度,同时因为加入了交叉、变异操作,有效地防治了早熟收敛现象的发生。实验表明该聚类算法有更好的收敛效果。     

基于环形邻域的混沌粒子群聚类算法

针对标准粒子群优化（PSO）算法早熟收敛及易陷入局部极值的缺点,提出一种基于环形邻域的混沌粒子群优化算法RCPSO,并将其应用于求解数据聚类问题,而且通过在4个数据集上进行仿真实验验证了算法的有效性。实验表明,当邻域大小为整个种群规模的1/3时,基于静态邻域和基于随机邻域的算法在4个数据集上的整体聚类效果均达到最好。RCPSO算法利用适当规模的环形邻域提高了粒子群的全局寻优能力,并利用混沌因子增强了粒子收敛过程中种群的多样性,从而避免算法的早熟收敛。另外,与K-means、PSO、K-PSO及CPSO算法的实验结果进行比较表明,RCPSO算法在错误率方面表现得更好,因此该算法为聚类问题提供了一种切实有效的解决方法。     

基于免疫进化粒子群优化的动态聚类算法

针对粒子群优化算法和传统聚类算法易产生“早熟”现象的不足,把人工免疫系统的免疫信息进化处理机制引入到粒子群优化算法,提出一种基于免疫进化粒子群的动态聚类算法。算法采用线性递减权策略为各个粒子选取适当惯性权值,利用免疫进化思想改进粒子群优化过程,同时利用聚类经验规则k≤√n确定聚类数k的初始搜索范围,以性能代价函数为依据在聚类数目未知的情况下实现动态聚类。仿真实验表明,新算法有效提高聚类正确率,具有收敛精度高和聚类能力强等特点。     

基于K-均值聚类粒子群优化算法的组合测试数据生成

在解决组合测试中的测试数据集生成问题时,粒子群优化算法(PSO)在待测数据量增加达到一定程度以后,出现迭代次数增加、收敛速度减慢的缺点。针对该问题,提出了一种应用于组合测试数据集生成问题的基于K-均值聚类的粒子群优化算法。通过对测试数据集合进行聚类分区域,增强测试数据集的多态性,从而对粒子群优化算法进行改进,增加各个区域内粒子之间的影响力。典型案例实验表明该方法在保证覆盖度的情况下具有一定的优势和特点。     

一种新的聚类算法--粒子群聚类算法

在分析K均值聚类算法存在不足的基础上,该文提出了一种新的聚类算法:基于粒子群的K均值聚类算法。实验结果证明,该算法有很好的全局收敛性,不仅有效地克服了传统的k均值算法易陷入局部极小值和对初始值敏感的问题,而且具有较快的收敛速度。     

A powerful hybrid clustering method based on modified stem cells and Fuzzy C-means algorithms

One of the simple techniques for Data Clustering is based on Fuzzy C-means (FCM) clustering which describes the belongingness of each data to a cluster by a fuzzy membership function instead of a crisp value. However, the results of fuzzy clustering depend highly on the initial state selection and there is also a high risk for getting the best results when the datasets are large. In this paper, we present a hybrid algorithm based on FCM and modified stem cells algorithms, we called it SC-FCM algorithm, for optimum clustering of a dataset into K clusters. The experimental results obtained by using the new algorithm on different well-known datasets compared with those obtained by K-means algorithm, FCM, Genetic Algorithm (GA), Particle Swarm Optimization (PSO), Ant Colony Optimization (ACO), Artificial Bee Colony (ABC) Algorithm demonstrate the better performance of the new algorithm.     

无线传感器网络中的自适应路由算法

在传感器网络中,分簇是有效的层次组织方法。提出一种新的基于自适应粒子群优化的分簇路由算法。粒子群是典型的群智能算法,受启发于鸟群的捕食行为,并逐渐发展成为一种成熟的优化算法。对其进行改进,使其能够得到更好的收敛效果。仿真结果表明,相比低功耗自适应集簇分层型协议算法,该方法更具节能特性,延长了全网生存时间。