约束数据域的Delaunay三角剖分算法研究及应用

研究了一种约束Delaunay三角网生成算法,它充分利用分治算法与生长算法的优点,对离散点、构网中实时生成的边及三角形采用分块进行网格索引,有效地减少了搜索目标点、边及三角形的时间,从而提高了构网速度,并将该算法用于地面模型的构建中,实现了地形三维可视化。     

基于LiDAR点云数据的三角网构建算法

在现有Delaunay三角网生长法的基础上进行改进,提出了一种三角网生长算法.该算法对大规模点云进行等格网分块,自适应确定搜索范围.通过在构建过程中对生成的基线进行分组和排序,动态删除封闭点,提高了构建三角网的速度;通过在整个点集范围内进行搜索,避免了通过插值所产生的误差和模块之间的拼接过程.利用此算法对大规模LiDAR点云数据进行构网,结果表明了该算法的有效性.     

一种基于插入法的Delaunay三角网生成算法

文章讨论了建立离散点Delaunay三角剖分算法的研究现状,针对＂逐点插入法＂采用网格分块的方法对构网离散点集和已生成的三角网建立索引,提高了点在三角网中的定位效率和三角网的生成效率。     

基于分治算法构建Delaunay三角网的研究

提出了一种构建Delaunay三角网的分治算法,该算法利用方格网管理离散点数据,仅需分别对每格中的点进行排序;此外,通过对凸包顶点数据进行分区管理,在搜寻凸包支撑线时,能预先确定出支撑点的范围,减少了搜索工作量,提高了三角网的合并速度。     

基于三角形法向量的离散点三维构网方法

构建平面不规则三角网的算法已经很成熟,但普遍的算法都是基于某一投影平面,不能满足三维空间离散点的构网要求.本文在研究二维构网生长算法及现有空间三维构网方法的基础上,提出利用空间三角形的法向量实现三维构网,详细讨论该算法的细节问题,并探讨提高构网速度的方法.通过实验证明该算法能快速、有效、稳定地对复杂物体表面离散点构建空间三角网,达到建模效果,同时也体现出其应用范围的广阔性.     

基于三维激光扫描的树木点云三维建模

利用三维激光扫描得到的树木枝干点云数据为数据源,利用拉普拉斯算法对三维点云数据进行噪声去除工作,对去噪后的数据采用Delaunay三角网生长算法,构建点云数据的三角网格模型.     

Delaunay 三角网生长算法改进与实现

对一般三角网生长法做了简要介绍和分析,针对限制算法效率提高的关键 步骤——“搜索符合条件的第三点”,提出了一种“第三点分区搜索法”的改进算法。通过 一系列的圆弧将离散点区域划分成多个分区,构网时规定只可在当前分区和相邻的下一分区 搜索第三点,当该分区的离散点搜索完毕后进入下一分区。在Microsoft Visual Studio 2008 的环境下使用C++进行编程测试,结果表明,该算法能够加快构网速度,生成的三角形形状 良好,具有一定的实际效用。     

改进的平面域Delaunay三角网生成算法

讨论了离散点建立Delaunay三角网算法的研究现状,并采用网格划分提高构网速度。由于三角形定位的速度是影响构网速度的关键因素,改进了基于点线关系方向定位算法,充分利用点与三角形的拓扑关系,减少点线关系的方向定位算法中计算重心的次数,从而提高了三角形定位的效率和构网速度。通过测试证明了算法的高效型和稳定性。     

平面域上离散点的三角化实现

简单回顾了生成Delaunay三角网的分治算法，逐点插入法，三角网生长法等三类主流算法，提出了一种基于逐点插入思想的快速，有效的分区逐点插入三角化算法，实现了平面域上离散数据点的三角化，网络的优化是在网格生成过程中完成的，生成的网格符合Delaunay准。     

Delaunay三角网高效构建及地形仿真应用

针对基于离散点的Delaunay三角网构建过程中待插入点的定位耗时问题,提出Delaunay三角网高效构建算法,并将其用于三维地形仿真应用中。对大量数据点进行分块排序预处理后,运用空间自相关理论使下一个待插入点总是紧邻新近插入点,融合最短路径定位算法和三角形面积法,结合三角形重心与点、有向线段的关系遍历三角形,减少遍历时间。在对三角网进行LOP局部优化时,采用Delaunay四叉树保存待调整的所有边的节点信息,提高遍历效率。实验结果证明,该算法构建的三维地表真实感较强,并且具有较低的时间复杂度。     

基于网格划分策略的连续域改进蚁群算法

针对连续空间函数优化问题,提出一种基于网格划分策略的改进蚁群算法。算法使用一种特殊的信息素更新策略,使得更新信息素时不需要使用解的具体目标函数值,从而降低了目标函数值差异化给算法性能带来的不利影响,并且网格点上的信息素可以直接作为构建解过程中的转移概率。对几种典型的连续函数优化问题进行了测试,实验结果表明所提出算法具有很强的搜索能力。     

Z曲线网格划分的最近邻查询

为了解决高维空间最近邻查询问题,在网格划分的基础上,利用Z曲线对网格排序并将二维空间中的点映射到一维空间中。考虑到点的分布和网格形状对查询的影响,提出最小查询层和方向变换的概念。只要给出查询点与任意点之间的方向变换,即可求出该点所在的网格Z值,从而求出任意查询层的所有网格Z值。证明了最近邻查询只需访问至最小查询层后再访问两层。基于此提出了最近邻查询算法,它适用于数据点任意分布的情况,该算法能够得到精确解。     

一种相似性学习算法及其在人脸识别中的应用

传统的支持向量机相似性学习算法在构造样本对时,会考虑所有的原始训练样本,致使样本对空间和原样本空间呈平方关系,而过多的训练样本对会降低训练速度。为此,提出一种改进的支持向量机相似性学习算法,并应用到人脸识别中。引入二元样本对方法构造样本对,采用K近邻算法减少不相似样本对的生成,从而加快支持向量机的训练速度,同时使用随机降维方法来降低人脸数据的维数。实验结果表明,与基于差空间样本对和差绝对值样本对的算法相比,该算法可获得更高的识别率。     

人工鱼群算法的全局收敛性证明

研究人工鱼群算法,按候选解分量所在的区间,将搜索空间转化为离散空间,该空间中每个点即为一个人工鱼的位置状态,其能量(食物浓度)即为该点的目标函数值。分别将离散空间集合、人工鱼集合划分为若干个非空子集。在人工鱼觅食、聚群和追尾移动过程中,计算其从一个位置状态转移到任意一个位置状态的转移概率。每个位置状态对应有限Markov链的一个状态,且满足可归约随机矩阵的稳定性条件,由此证明人工鱼群算法的全局收敛性。     

改进强化学习算法的UAV室内三维航迹规划

随着室内导航定位技术的兴起,无人机（Unmanned Aerial Vehicle,UAV）技术在室内环境中的应用得到前所未有的发展,对无人机航迹规划能力提出了更高的要求。由于室内环境空间较为复杂,且现有的强化学习算法收敛速度慢,提出一种基于强化学习的集成方法。通过给定的起点和终点位置的坐标连线,判断出主要障碍物及围绕主要障碍物的节点,减少无用节点的搜索;在Q值初始化过程中通过数学关系构造出方向趋向函数,确定出目标点所在的方向,以提高算法的收敛速度;在三维栅格地图中对优化算法进行仿真验证。仿真结果表明：改进的三维航迹规划算法使得空间搜索节点数目减少了55.49%,收敛时间缩短了98.57%。     

改进的FCM算法在网络入侵检测中的应用

针对FCM聚类算法容易陷入局部最优且对初始点很敏感的问题,提出基于搜索空间平滑技术的点密度加权FCM算法以获得最优解。以所得的聚类中心作为输入,再次执行FCM算法,对于隶属度小于阈值的数据样本进行检测;如果该数据样本被删除,目标函数值变化明显,则该数据样本为异常数据样本,并且聚类最后产生的小的簇中的数据样本也是异常数据样本。在KDDCUP99数据集上进行检测,实验结果表明该算法具有较高的检测率及较低的误检率。     

求解置换流水车间调度问题的混合鸟群算法

针对置换流水车间调度问题（PFSP）,提出了一种混合鸟群算法（HBSA）以更加有效地最小化最大完工时间。首先,为了改善初始种群的质量和多样性,结合一种基于NEH（Nawaz-Enscore-Ham）的启发式算法和混沌映射提出了一种新的种群初始化方法;其次,为了使算法能够处理离散的调度问题,采用最大排序值（LRV）规则将连续的位置值转换为离散的工件排序;最后,为了强化算法对解空间的探索能力,借鉴变邻域搜索（VNS）和迭代贪婪（IG）算法的思想针对个体最佳工件排序和种群最佳工件排序分别提出了局部搜索方法。针对广泛使用的Rec标准测试集进行了仿真测试,并与目前有效的元启发式算法——刘等提出的混合差分进化算法（L-HDE）、混合共生生物搜索算法（HSOS）、离散狼群算法（DWPA）、多班级教学优化算法（MCTLBO）相比较,结果表明,HBSA取得的最佳相对误差（BRE）、平均相对误差（ARE）的平均值比上述四种算法至少下降了73.3%、76.8%,从而证明HBSA具有更强的寻优能力和更好的稳定性。尤其是针对测试算例Rec25和Rec27,仅HBSA的求解结果达到了目前已知最优解,进一步证明了其优越性。     

由等高线重构曲面的HASMOC方法应用研究

HASM优化控制方法（High Accuracy Surface Modeling-Optimal Control,HASMOC）是在高精度曲面建模（HASM）方法的基础上,增加更多约束条件方程后形成的一种方法。通过对等高线间格网点高程范围的约束优化控制,最小化HASM基本方程的模,HASMOC方法既能保证地形曲面的整体光滑性,又保证地形曲面对于原始等高线数据的忠实性。实际案例表明,HASMOC方法得到的地形曲面结果优于TIN方法的地形曲面模拟结果;比较分析地形曲面的回放等高线、地形光滑程度和地形曲面的高程分布频率等,可以看出,HASMOC方法能较好地克服TIN的缺点。     

离散萤火虫算法在高速列车运行调整中的应用

列车运行调整是一类特殊的NP完全问题,由于约束众多,搜索空间庞大,可行解范围狭小,因此难以获得最优解。针对高速列车运行调整问题的特点,以智能算法中有代表性发展优势的萤火虫算法（FA）为基础,根据实际问题提出一种离散的萤火虫算法（DFA）进行求解。为了增加萤火虫群的多样性,避免算法陷入局部最优解,采用了基于变邻域搜索算法的扰动机制。将该算法用于高速列车运行调整问题,经过算例对比分析,基于离散萤火虫算法调整方案的计算结果优于普通启发式算法调整结果。     

一种基于四叉树的TIN的LOD算法

通过在不规则采样点集上构建一个四叉树结构，并联合基于四叉树的LOD算法和基于TIN的三角网简化算法，提出并实现了一种TIN的LOD算法。意在把适用于格网数据的高效方法应用于不规则采样点集，得到地形的一个高效的多分辨率表达。