排序方式: 共有2条查询结果,搜索用时 62 毫秒
1
1.
按区域惩罚划分的并行多目标遗传算法 总被引:2,自引:0,他引:2
解决多学科设计优化问题的多目标遗传算法通常面临着大计算量的挑战,提出了一种新型的并行化算法来提高其效率.全局个体均匀的分布在各个进程,首先从所有的进程中获取全局范围的Pareto最优解极值,并发送给每个进程,再由这些极值来构造各个进程自己的惩罚函数.通过惩罚函数给个体添加约束来划分各个进程的收敛区域,同时采取优化措施保证每个进程加速收敛并且收敛区域没有重叠和遗漏,这样每个进程只需收敛到特定的一段Pareto最优解,降低了计算量;同时由于进程间交换的数据量小,保证了效率的提高.通过与串行算法(NSGA2)和其他的并行化算法比较,显示了该算法的有效性和先进性. 相似文献
2.
基于亚像素的圆孔几何参数立体视觉高精度测量 总被引:1,自引:0,他引:1
针对工业现场当中圆孔尺寸测量的问题,提出了基于亚像素边界提取和圆拟合的圆孔几何参数双目立体视觉高精度非接触测量方法.该方法包含了经过Canny算法的一次边界定位后的基于灰度矩的亚像素边界二次高精度提取算法,以及采用基于空间三维圆最优拟合求取空间圆的几何中心和半径等参数的算法.实验证明,该方法对于工件上圆孔的测量不仅提高了测量精度,并且减小了空间圆透视投影畸变引起的测量误差,从而满足了现场实验环境要求,保证了圆孔几何参数测量的高精度和高速度. 相似文献
1