主页期刊介绍编委会编辑部服务介绍道德声明在线审稿编委办公编辑办公English
2018-2019年专刊出版计划 微信服务介绍 最新一期:2018年第12期
     
在线出版
各期目录
纸质出版
分辑系列
论文检索
论文排行
综述文章
专刊文章
美文分享
各期封面
E-mail Alerts
RSS
旧版入口
中国科学院软件研究所
  
投稿指南 问题解答 下载区 收费标准 在线投稿
胡良臣,寿华好.基于二进制GA的B样条重构曲线节点优化.软件学报,2016,27(10):2488-2498
基于二进制GA的B样条重构曲线节点优化
Binary GA for Knot Optimization of B-Spline Curve Reconstruction
投稿时间:2016-01-16  修订日期:2016-03-25
DOI:10.13328/j.cnki.jos.005076
中文关键词:  离散数据  曲线重构  遗传算法  法向约束  B样条  节点向量
英文关键词:discrete data  curve reconstruction  genetic algorithm  normal constraints  B-spline  knot vector
基金项目:国家自然科学基金(61572430,61272309,61472366)
作者单位E-mail
胡良臣 浙江工业 大学理学院, 浙江 杭州 310023  
寿华好 浙江工业 大学理学院, 浙江 杭州 310023 shh@zjut.edu.cn 
摘要点击次数: 1700
全文下载次数: 1351
中文摘要:
      带法向约束的自由曲线曲面重构在光学反射面设计中起着至关重要的作用.为解决法向约束下的曲线重构问题提出了一种优化方案,使得重构出的曲线在逼近数据点的同时,亦能满足相应法向约束.首先,利用惩罚函数的方法将带法向约束的优化问题转化为约束的优化问题.然后,引入二进制编码的遗传算法(GA),建立合适的适应度函数,自适应产生优化节点向量,如此迭代进化,直到产生令人满意的重构曲线为止.考虑到节点向量非递减的特性,而遗传算法在寻找最优节点向量的过程中有可能打乱节点向量的顺序,所以在建立适应度函数的时候将变量调整为序有界变量.通过与传统最小二乘方法和粒子群智能优化方法的比较,所提方案在解决带法向条件约束的曲线重构问题上优势明显,且对于任意形状的曲线重构都行之有效.
英文摘要:
      Freedom curve/surface reconstruction with normal constraints is crucial in optical reflecting surface design. In this paper a binary code based genetic algorithm for knot optimization scheme is proposed to reconstruct a B-spline curve that not only approximates the data points but also meets the corresponding normal constraints. First, the constrained optimization problem is transformed into an unconstrained optimization problem by means of penalty function method. Then, the binary code based genetic algorithm (GA) is applied to find the best knot vector after establishing a suitable fitness function. Finally, adaptive generation of optimal knot vector and iterative evolution result in a satisfactory reconstructed curve. Since knot vector is non decreasing,and genetic algorithm may disrupt the order of knot vector in searching for the optimal knot vector, a process is also built to adjust variables into disordered bounded variables in the fitness function. Test results and a comparison with the traditional least square method as well as modern particle swarm optimization method show that the proposed scheme for reconstructing B-spline curve with normal constraints is superior and effective on arbitrary shape of discrete data set.
HTML  下载PDF全文  查看/发表评论  下载PDF阅读器
 

京公网安备 11040202500064号

主办单位:中国科学院软件研究所 中国计算机学会
编辑部电话:+86-10-62562563 E-mail: jos@iscas.ac.cn
Copyright 中国科学院软件研究所《软件学报》版权所有 All Rights Reserved
本刊全文数据库版权所有,未经许可,不得转载,本刊保留追究法律责任的权利