一种面向工业信息网络的三维视觉图像重建优化算法制造技术
【技术实现步骤摘要】
一种面向工业信息网络的三维视觉图像重建优化算法
本专利技术涉及优化
，尤其是涉及一种面向工业信息网络的三维视觉图像重建优化算法。
技术介绍
优化技术具有广泛的应用场景，许多工程问题都涉及到最优化技术。比如在资源分配中，如何合理的调配有限的资源，在满足各方对资源需求的基础上，分配方案在整体上达到最大的收益；在进行系统设计的时候，如何设计系统各部分的参数，使得系统在满足设计规范的基础上达到运行效率最大化等。在利用优化技术解决这些工程问题的时候，首先依据其优化目标与约束条件建立起相应的数学模型，进而采用优化方法对该数学模型进行求解。随着人类科学和技术的不断发展，在工程和研究中碰到的问题也越来越复杂，这些问题在建模后往往表现出大规模、多极值、非线性、非凸性和不可导等特点，有些问题建模后甚至还没有显式的数学表达式。而诸如梯度下降法、牛顿迭代法等一些传统的数值优化方法往往需要知道待求解问题的导数梯度等信息。此外，问题的计算复杂度越来越高，导致这些传统的方法无法获得令人满意的求解时间。因此，传统的优化方法很难应用到此类优化问题中去，无法满足实际需求。现有的解决优化问题的方...
【技术保护点】
一种面向工业信息网络的三维视觉图像重建优化算法，其特征在于，所述方法包括下列步骤：1)将粒子群分为动物种群和植物种群并进行初始化，得到动物种群和植物种群的全局最优值，同时记录迭代次数为1；2)判断当前粒子群是否达到迭代阈值，若是则输出动物种群和植物种群的全局最优值，若否则进入步骤3)；3)根据当前动物种群的全局最优值，对植物种群进行优化，得到植物种群的全局最优值；4)根据步骤3)得到的当前的植物种群的全局最优值，对动物种群进行寻优，得到动物种群的全局最优值，增加一次迭代次数并返回步骤2)。
【技术特征摘要】
1.一种面向工业信息网络的三维视觉图像重建优化算法，其特征在于，所述方法包括下列步骤：1)将粒子群分为动物种群和植物种群并进行初始化，得到动物种群和植物种群的全局最优值，同时记录迭代次数为1；2)判断当前粒子群是否达到迭代阈值，若是则输出动物种群和植物种群的全局最优值，若否则进入步骤3)；3)根据当前动物种群的全局最优值，对植物种群进行优化，得到植物种群的全局最优值；4)根据步骤3)得到的当前的植物种群的全局最优值，对动物种群进行寻优，得到动物种群的全局最优值，增加一次迭代次数并返回步骤2)。2.根据权利要求1所述的面向工业信息网络的三维视觉图像重建优化算法，其特征在于，所述步骤3)包括：31)更新植物种群内所有粒子的位置向量和适应度；32)根据步骤31)得到的结果，更新植物种群的全局最优位置；33)根据当前动物种群的全局最优值，对植物种群进行自然选择，得到植物种群的全局最优值。3.根据权利要求2所述的面向工业信息网络的三维视觉图像重建优化算法，其特征在于，所述步骤31)包括：311)根据植物种群的生态位扩张，更新植物种群内所有粒子的位置向量，得到扩张位置向量；312)根据步骤311)得到的扩张位置向量，结合高斯扩散更新植物种群内所有粒子的位置向量，得到高斯扩散位置向量；313)根据步骤312)得到的高斯扩散位置向量，结合反弹策略更新植物种群内所有粒子的位置向量，得到反堆积位置向量；314)根据步骤313)的反堆积位置向量，计算植物种群内所有粒子的适应度。4.根据权利要求2所述的面向工业信息网络的三维视觉图像重建优化算法，其特征在于，所述步骤33)包括：331)将动物种群的全局最优值复制至植物种群内，得到模拟植物种群，根据步骤31)中得到的植物种群内所有粒子的适应度，计算模拟植物种群中每个粒子的选择概率；332)根据步骤331)得到的选择概率，计算模拟植物种群中每个粒子的累积概率；333)根据步骤332)得到的累积概率，进行淘汰选择得到自然选择后的植物种群，作为植物种群的全局最优值。5.根据权利要求4所述的面向工业信息网络的三维视觉图像重建优化算法，其特征在于，所述模拟植物种群中每个粒子的选择概率具体为：其中，pc(i)...
【专利技术属性】
技术研发人员：郝泳涛，毛孝鑫，谢圆，万思哲，李洲楠，苏峰，
申请(专利权)人：同济大学，
类型：发明
国别省市：上海,31
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。