B样条曲线曲面插值问题中参数化的智能算法 计算机专业毕业论文.docVIP

B样条曲线曲面插值问题中参数化的智能算法 数学与计算机科学学院 计算机科学与技术 【】【】(i=0,1, ,m)相应的节点值的方法有：里森费尔德（Riesenfeld,1975）方法、哈特利(Hartley)—贾德(Judd,1978)方法、均匀参数化(uniform parameterization)、累加弦长法(cumulative chord length parameterization)、向心参数化法(centripetal model parameterization)、Forley 参数化法、梯度法(Gauss-Newton approach)。相应可确定定义域内参数值为。再通过插值条件及自由端点条件，便可以求出控制顶点。从而可以得通过这些数据点的B样条曲线。这种方法具有简单快速的优点，对一般的曲线也能得到良好光顺的形状，但是对一些复杂、给定的数据点很不均匀的曲线时，这种方法就不能得到良好光顺的形状。同样在曲面的插值中，这种方法既有它简单快速的优点，也有不好的不能适用于所有类型的曲面的一面。 遗传算法能克服传统方法中存在的这些缺点，它在传统方法的基础上对参数值在一定的范围和误差内进行搜索求出最优解，从而使曲线曲面具有良好光顺的形状。 遗传算法是一种新型的全局优化搜索算法[5]，其主要特点是从多个点出发进行群体搜索，同时充分利用群体中个体之间的信息交换。算法计算过程简单，对搜索空间有广泛的适应性，其对函数本身没有任何依赖性，尤其适用于处理传统搜索方法难以解决的复杂和非线性问题。遗传算法自提出以来，得到了广泛的应用，已有越来越多的人在这领域进行研究。遗传算法在插值计算、曲线曲面设计和拟合方面也有多人研究等对节点向量进行二进制编码和实数编码，用遗传算法获得拟合样条曲线则先对参数用累加弦长法产生一条三次样条曲线，再以此样条曲线为中心产生宽为的一个带状区域，然后在此带状区域中，以曲率平方的积分为目标函数，应用遗传算法求出较佳的插值样条曲线B样条曲线的参数方程可表示为[2,3]： (2-1) 其中，为控制顶点，又称德布尔点。顺序连成的折线称为B样条控制多边形，又常简称为控制多边形。称为次规范样条基函数，其中每一个称为规范样条，简称样条。它是由一个称为节点矢量的非递减的参数的序列所决定的次分段多项式，也即是次多项式样条。样条具有局部支承性质。样条基是多项式样条空间具有最小支承的一组基，故被称为基本样条，简称样条。曲线方程中相应n+1个控制顶点，要用到n+1个k次B样条基函数 。其中，k次B样条基函数按德布尔-考克斯递推公式计算 （2-2） 的双下标中第二下标表示次数，第一个下标表示序号。该递推公式表明，欲确定第个次B样条，需要用到共+2个节点。称区间[]为的支承区间。次B样条的支承区间包含k+1个节点区间，因此在参数t轴上任一点处，就至多只有+1个非零的次B样条，其他次B样条在该处均为零。因此可将B样条曲线方程改写成为分段表示： （2-3） 该式表明了B样条曲线的局部性质，在曲线定义域内，定义在非零节点区间上那一次B样条曲线段，由+1个控制顶点及相应的B样条基函数决定，与其他顶点无关。 3. B样条曲线的插值问题 B样条的插值问题是一个从给定数据点和阶数来确定参数值、节点矢量与控制顶点的反算问题。其中，在给定阶数下决定B样条曲线的因素有四个：数据点、参数值、节点矢量、控制顶点。这四个之间满足的关系为： （3-1） 其中为数据点；为参数值；为控制顶点；为节点。在这四个因素中，数据点是已给定的，不能对它进行更改，剩余的三个因素中，控制顶点是由上述的关系方程求出，即由插值方程求出，由其它的三个因素决定，所以也不能对它进行优化。而余下的两个因素中，它们之间的关联很复杂，且又是不唯一的，所以用遗传算法并以更光顺良好形状为最优化目标对它们两个中的一个或同时两个（本文是对其中的参数值求最优解）求最优解是可行的。 3.1确定节点矢量 对于给定的一条k次B样条曲线上的一组数据点(i=0,1,,m)（即型值点）,首先对其进行节点矢量的确定，节点确定的方法有很多，可以直接求，也可以间接求。直接求的主要方法有（1）里森费尔德（Riesenfeld,1975）方法和（2）哈特利(Hartley)—贾德(Judd,1978)方法。间接求的原理是先让节点值与传统方法求到的参数值相应相等，再将首末节点变为重节点，即有 ， 其中，。从而可得到整个节点。对于数据点的参数化这方面的主要方法有均匀参数化(uniform parameterization)、累加