9、数字空间中的曲面与流形

数字空间中的曲面与流形

1. 数字表面点的分类

在数字空间中,简单表面点的分类是一个重要的研究内容。简单表面点涉及到该点及其周围的点,通过几何等价关系可以将包含该点的所有子集分类为若干几何等价类。在这些类中,只有少数能使该点成为简单表面点。
这里仅考虑简单表面点的直接邻接(6 - 邻接)。根据相关定理,有如下重要结论:
- 引理 5.4 :如果 p 是简单表面点,那么在 Np 中包含 p 的每个线元胞恰好有两个平行移动;任意两个表面元胞在 Np 中是线连接的,并且 Np 中没有 3D 元胞。
- 定理 5.2 :存在 6 种彼此几何不等价的简单表面点类型。

下面是证明定理 5.2 的步骤:
1. 从一个点 p 及其一个直接邻接点 p′开始(因为孤立点不能是简单表面点)。根据引理 5.4 和几何等价性,1 - 元胞 (p, p′) 必须有两个平行移动,由此只能得到图 5.9 中的两种情况。
2. 从图 5.9 的情况 (b) 可以推导出 N(27, p) 中具有三个表面元胞的简单表面点,结果是图 5.8 中的情况 (1)。
3. 由于每个线元胞必须恰好有两个平行移动,从图 5.9 可以发展出图 5.10 中具有 3 个表面元胞的三种情况,这是在几何等价关系下产生简单表面点且无重复的唯一可能性。
4. 继续推导,从图 5.10 可以发展出图 5.11 中具有 4 个表面元胞的 6 种情况。
5. 从图 5.11 的情况 (a) 和情况 (c) 可以得到图 5.8 中的情况 (2) 和情况 (3)。
6. 从图 5.11 可以发展出图 5.1

先展示下效果 https://pan.quark.cn/s/a4b39357ea24 遗传算法 - 简书 遗传算法的理论是根据达尔文进化论而设计出来的算法: 人类是朝着好的方向(最优解)进化,进化过程中,会自动选择优良基因,淘汰劣等基因。 遗传算法(英语:genetic algorithm (GA) )是计算数学中用于解决最佳化的搜索算法,是进化算法的一种。 进化算法最初是借鉴了进化生物学中的一些现象而发展起来的,这些现象包括遗传、突变、自然选择、杂交等。 搜索算法的共同特征为: 首先组成一组候选解 依据某些适应性条件测算这些候选解的适应度 根据适应度保留某些候选解,放弃其他候选解 对保留的候选解进行某些操作,生成新的候选解 遗传算法流程 遗传算法的一般步骤 my_fitness函数 评估每条染色体所对应个体的适应度 升序排列适应度评估值,选出 前 parent_number 个 个体作为 待选 parent 种群(适应度函数的值越小越好) 从 待选 parent 种群 中随机选择 2 个个体作为父方和母方。 抽取父母双方的染色体,进行交叉,产生 2 个子代。 (交叉概率) 对子代(parent + 生成的 child)的染色体进行变异。 (变异概率) 重复3,4,5步骤,直到新种群(parentnumber + childnumber)的产生。 循环以上步骤直至找到满意的解。 名词解释 交叉概率:两个个体进行交配的概率。 例如,交配概率为0.8,则80%的“夫妻”会生育后代。 变异概率:所有的基因中发生变异的占总体的比例。 GA函数 适应度函数 适应度函数由解决的问题决定。 举一个平方和的例子。 简单的平方和问题 求函数的最小值,其中每个变量的取值区间都是 [-1, ...
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符  | 博主筛选后可见
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值