文摘

大数据处理包括多个处理数据的流动。但数据质量是整个过程中最重要的部分。每一个数据处理环节会影响大数据的质量。碰撞检测是一个重要的研究内容在很多领域,比如计算机图形学和计算机虚拟现实。通俗的说,这意味着计算机检测到信道上的信号电压,同时发送数据。当信号电压摆幅值检测到一个站超过一定阈值时,它将被认为至少有两个站在公共汽车上同时发送数据,表明发生了碰撞。随着问题的数量增加,成为更高水平,目标信息变得更加多样化,算法变得更加复杂。远非传统进化算法能够有效地处理这种情况,和优化目标算法应运而生。进化计算是一个成熟的高鲁棒性和广泛适用性的全局优化方法。它有自组织的特点,自适应,自学习。 It is not limited by the nature of the problem and can effectively deal with complex problems that are difficult to solve by traditional optimization algorithms. This paper aims to study the optimization algorithm of real-time collision detection based on Snake model in the field of big data. It is expected that, with the support of big data technology, the efficiency of real-time collision detection of Snake model will be improved and time will be saved. This paper proposes a multiline swarm particle swarm algorithm and combines it with the Snake model to improve the detection efficiency of the collision detection algorithm. It verifies the detection performance of traditional algorithms and tests their effectiveness in detection. The experimental results of this paper show that the frame rate of the Snake model algorithm is 15, the frame rate of the K-DOPs algorithm is 6.7, and the error of the algorithm is 1.04. It shows that the frame rate of Snake model algorithm is better.

1。介绍

随着经济全球化的深化和发展,国家之间的竞争变得越来越激烈。在最后的分析中,国家之间的竞争仍然是技术的竞争。因此,掌握高端技术将极大地促进中国的国际竞争力。起飞的现代科学技术和计算机技术的发展,信息资源在我们的生活正呈几何级数增长。所有这些使我们进入大数据的时代。大数据是指所涉及的数据量太大而无法被捕获,管理,处理和组织到信息可以帮助公司更积极的商业决策在一个合理的时间内通过主流软件工具。在大数据时代,所有行业的发展从大数据是分不开的。大数据应用程序的开发对企业有着重要的影响,政府和个人。目前,3 d模型在虚拟现实已成为不可避免的问题。碰撞检测也是动画仿真的一个重要组成部分。 However, the amount of calculation in the 3D model is greatly increased, and how to simplify the calculation is a problem that needs to be explored at present.

本文从的角度探讨了碰撞检测算法,提高了它的关键技术,最后达到目标的优化速度。它的快速和准确的碰撞检测中起着决定性的作用在改善虚拟仿真场景的真实性,提高虚拟场景的浸。

针对问题,传统的凹部分蛇模型不收敛,很容易被噪音、向心能量和控制能量被添加到模型中。它结合了多行群粒子群算法与蛇模型,提高计算的过程。

当出现新的和多样化的物联网应用程序开始时,流媒体处理大数据变得非常关键。刘等人提出了一个代理架构对于云环境为大数据计算成本效益的方式。云服务代理租赁云服务与多个服务接口从多个云提供商。云环境是指一个互联网大数据环境下能够提供用户或系统的计算能力、存储能力,或从动态虚拟机服务虚拟化的资源。他还提出了定价策略多个云中介的收入最大化。广泛的模拟表明,该定价策略导致的收入高于其他定价方法(1]。云矿业删除的要求专门的存储区域,而且它只需要巨大的计算基础设施来分析和处理数据。Noraziah介绍两个维度:大数据处理系统和明确的使用。它还介绍了大数据的关键问题从管理的角度来看云数据和大数据处理机制(2]。林提出了蜿蜒的模型方法。在这种方法中,地图特征转换为代理。定量属性的属性是由二级关联控制代理。相应的任务是给每个代理,他们都互相配合实现无处不在。我们的实验结果表明,这种方法可以实现好的结果(3]。沙提出了动画蛇幻影,这保证了整体稳定。处理蛇的轴的问题往往是不均匀分布的轮廓线,从而实现参数的一个很好的定位。动能模板解决方案非常荣誉形态学形状模型的灵活性,同时保留一个受人尊敬的将军屋顶结构的蛇。实验表明,该算法可以有效地防止蛇自交叉或自动解耦自交叉等值线(4]。卓提出了一个混合梯度矢量流型的基础上混合重力流模式。因为LV顶端之间的不同特点和extracardiac膜,这些数据流分别来源于原始心脏咯图像。心内膜的平均重叠分割为89.67%。心外膜的平均程度的重叠部分为95.88%。实验结果表明,该方法有效地提高了分割的性能比现有的一些方法(5]。解决这一问题,粒子过滤器无法获得准确的信息,易相结合提出了一种算法过滤矢量流蛇模型。指南概要文件的快速缩小到深刻的嵌入区域棕榈概要和获得复杂的棕榈概要精确。由此产生的芯片的方法实现在线修改参数元素过滤和避免了芯片漂浮现象。测试导致了指示,建议安排可以降低后手动轮廓均方根估计错误的53% (6]。瞿运营商提出了一种优化碰撞检测算法。找到多维社区,task-balancing原则应用于提前执行子任务分配给每个核心的多核心cpu并行实现。证明了方法提供了优越的能力在解决问题的人机通信在碰撞检测相比,典型的ICOLLIDE方法(7]。人与机器的过程中协作和服务机器人,安全性和可靠性是非常重要的。卢引入了一个新的应变仪关节力矩负载细胞原型。低调的作风建设,快速反应,和极大的灵活性。他提出了一个多孔的演讲者建设最大的位置转移力和提高力分配。弯了结构拓扑优化,从而获得最佳的结构参数(8]。尽管这些理论讨论大数据和实时碰撞检测,两者的结合是越来越不实用。

3所示。实时碰撞检测基于蛇模型的优化算法方法在大数据领域

3.1。碰撞检测的概述

碰撞指的是对象之间的联系。碰撞检测的任务是确定是否有两个目标对象在特定区域之间的巧合。如果两个有重叠的部分,它被称为一个碰撞。两者之间如果没有巧合,那么目标对象不碰撞(9,10]。碰撞检测是检测是否有两个或两个以上的物体之间的碰撞虚拟课件,也就是说,接触或渗透。这部分的内容已经补充在文章中。碰撞检测技术不仅可以用于二维空间,但同时,随着计算机技术的发展,广泛应用在许多虚拟场景(11]。图1显示了碰撞检测算法分类。


图1
分类的碰撞检测算法。

根据研究,大多数当前的碰撞检测算法使用刚性对象(12]。因为变形对象的形态结构很复杂,容易改变,它需要执行碰撞更新,每一次碰撞后碰撞响应。因此,其他物体的碰撞效率必然会影响相对刚性的对象。为了适应市场变化,人们希望模拟显示的世界。实时碰撞检测技术是最重要的。虽然传统的检测方法也可以模拟,当场景中对象设计的复杂性是相对较高的,传统的检测不能满足虚拟系统的实时要求。随着互联网技术的推广,个人电脑已经成为很常见的,和虚拟仿真技术也开始被用于各行各业(13,14]。例如,在rp在线游戏的发展,开发人员需要使用模拟测试游戏的平滑。这些场景需要大量变形复杂对象的快速建模和非常有效的碰撞处理技术。尽管世界各国探索碰撞检测技术和在这一领域取得的结果,碰撞检测技术仍处于初级水平的探索,和仍有许多未解之谜15,16]。

3.2。算法优化概述

计算机的不断发展和进步自1946年出现以来,充分利用社会生产的各个领域。作为生产文化不断提高,计算涉及的规模增加,尤其是在管理和工程领域的(17]。电脑技能的不断进化,为了减少计算的复杂性,优化计算。本质上,优化指的是使用特定的规则来满足用户的需求(18,19]。虽然发展很迅速,人类的生产需求也不断扩大。传统的计算性能不能满足当前的发展需要,因此更方便算法成为时代的需要。随着对计算能力的需求,高性能计算也不断发展(20.,21]。高性能计算集群主要是用来处理复杂的计算问题,并广泛应用于气象、海洋、环境领域(数值预报等)、生命科学领域(基因测序、对齐、同源性分析,等等),和计算机辅助工程领域。图2显示了优化计算的基本流程。


图2
遗传算法的基本框架。

贝叶斯理论属于系统的统计理论;这需要的能力 , 在哪里 是派拉蒙的代表的表情;下面的公式可以得到:

在实际应用中,空间将被认为是彼此独立的。如果市场的决定 ,后验概率是可以从检测概率和临界概率可以表示为所示

气是一种分析工具。在实验中,一组数据按时间顺序。在实验过程中,目标对象组成t部分,然后每个组件 。特定的函数表达式如下:

其中,W代表不同的组件。

上面的公式中引入一个矩阵,它可以简化

进化算法随机搜索的方法。与其他枚举技术和启发式搜索技术相比,这个问题的全局最优解的概率很高(22,23]。评价信息的目标函数是用来使它可操作的和一般。它简洁的形式,可以使用大规模并行计算机操作,可以很容易地结合其他方法(24,25]。目前,进化计算主要包括遗传算法、进化策略、进化规划(26,27]。遗传算法是指人口的解决方案集,和人口是由几个人组成的编码基因。从本质上讲,遗传算法的优化算法。它是一种随机搜索算法,它使用生物进化自然选择和搜索最优解的搜索空间(28]。

公式(6)揭示了函数表达式的功能优化模型 代表了决策变量, 代表客观能力, 代表了空间子集。

公式(7)代表了决策变量的不平等。

公式(8)代表可行域的决定解决方案,这是所有解决方案从一个外行人的角度。图3显示了算法的基本流程结构。


图3
模型的算法流程演示。

获得解决该地区的有效方法,该模型需要优化。

当公式(9)满足 ,模型是一个最佳的解决方案。

其中, 是小波系数, 小波基函数, 是分析信号。

其中,l代表立方矩阵W代表纯粹的色谱图,D代表纯质谱。

在遗传算法中,运动特性通常是用来确定个人的条件,适应度函数是用来满足通用性。因此,计算步骤可以减少在实际使用的过程。

公式(12)代表功能最大优化问题的表达式。

公式(13)代表功能最小优化问题的表达式。

对于多目标优化问题,研究人员提出了不同的进化多目标算法的研究。在解决问题的过程中,有两个目标要实现。首先,近似的帕累托最优解集的边界应尽可能接近真实的帕累托最优解集的边界。亲密的两个方面反映了算法的收敛性(29日,30.]。第二,目标向量对应于帕累托最优解集应该尽可能广泛和均匀分布。这一目标反映了知识集的多样性。许多实际问题,可以通过进化算法来解决多目标最优性能的问题。多目标优化可以由以下公式进行描述。

如果帕累托边界解决方案可以解决这个问题,这意味着该算法是可行的。图4构造图的数据信息传输。


图4
数据信息传输结构。

的公式, 代表的决策向量n维度。 是目标函数。 z定义了不等式约束的z。 定义的等式约束函数问。

传统的信息表示的不确定性,可以表示为

当 , 。

公式(16)旨在取代可获得的能量数量的成功产品的分类。

3.3。大数据的概述

由于大数据在不同领域有不同的功能,没有统一的定义。随着科学技术的不断发展,数据的内涵不断扩大。它不仅可以是一个指数的价值,但也被用来代表一个普通的象征,因此,数据被认为是由特定的编码处理。大数据是一种新的思维方式。生产过程的信息转化为数据的形式,对社会经济和文化发展(31日,32]。图5图显示了一个大数据结构。


图5
大数据结构图。

大数据是一个全面的技术。它涉及到过程,如数据存储、数据收集、数据分析和数据转换。公司提供的产品或服务,大量的消费者可以使用大数据进行精准营销。小型和微型企业小而漂亮的可以使用大数据服务转型。一些学者认为,大数据可以大致分为三个阶段的工作33]。大数据技术可以分为四种类型,即相互合作,实现信息共享。图6显示了归因信息结构在大数据处理流程。


图6
信息属性结构在大数据处理流程。

4所示。实时碰撞检测蛇模型的优化算法实验

4.1。实验数据

随着科学和艺术的进步速度增加,计算机技能可以利用在一个广泛的社会。物体之间的碰撞检测不同维度已经非常普遍。碰撞检测的任务是确定两个对象的几何模型的交集为空在某个时刻。在实际的计算过程中,需要根据数据分析。这是一个优化算法是必要的。为此,简要分析了算法的性能,具体情况如下。

从实验数据表1的值,可以看出比较ZDT1, ZDT2, ZDT3,算法NSGA-II低于算法UCMOEA而言最糟糕的数据,中值,或最好的数据。根据ZDT4获得的数据,可以看出该算法NSGA-II UCMOEA强,算法相对较弱。ZDT6的实验数据,可以看出该算法的算法UCMOEA NSGA-II比均值和糟糕的情况下。但算法UCMOEA比最优的算法NSGA-II数据。

表1
NSGA-II算法和算法UCMOEA S-measure的测试函数。

根据表中的数据2,本实验中使用服务器的存储容量是16 TB的内存是64 GB。网卡的标准是2 Gbps, CPU是4芯,2 TB的硬盘。

表2
实验环境配置表。
4.2。碰撞检测算法

碰撞现象非常普遍,而且有很多种优化算法。为了验证最合适的优化算法,不同的算法的性能进行了分析。在实验数据的分析,不同的算法的计算目标控制,以确保结果的科学性。具体分析数据如下。

根据表中的数据3,这个实验模拟三种不同优化算法的性能。从实验可以看出,蛇模型算法的帧率是15,每800步的时候是613 / s,和算法的误差是0.51。实验算法的帧速率是17日,时间每800步是533 / s,和算法的误差是0.44。K-DOPs算法的帧速率为6.7,每800步是1632 /秒的时候,和算法的误差是1.04。数据显示,实验算法的帧速率是最好的,和帧速率K-DOPs算法是最坏的打算。的运行时间,蛇模型算法比K-DOPs算法。从错误的结果,K-DOPs算法的误差比较大,其他两种算法的误差更小。

表3
不同算法的实验数据进行比较分析。
4.3。优化算法的数据

为了验证不同的碰撞优化算法的有效性和改进碰撞效应在不同地区的准确性,探讨了不同算法的性能。细节如下。

根据表中的数据4这个实验,模拟了四种不同优化算法的性能。从实验可以看出,ICDS算法是24帧率,每800步的时候是487 / s,和算法的误差是0.31。ACSMCD的帧速率算法是22日,每800步的时候是499 / s,和算法的误差是0.38。CDSM算法的帧速率为19.3,每800步是531 /秒的时候,和算法的误差是0.45。CFCD算法的帧速率为7.3,每800步是1236 /秒的时候,和算法的误差是1.01。基于这些数据,很明显的帧速率接口控制文件算法是最好的的帧速率CFCD算法最坏的打算。运行时间而言,CFCD算法优于CDSM算法。从错误的结果,CFCD算法的误差比较大,其他三种算法的误差更小。

表4
单个算法的统计分析数据。

5。实时碰撞检测蛇模型的优化算法

5.1。不同算法的碰撞效率

测试群体智能优化算法时,参数的健身价值是一个重要的原因,影响测试结果。在碰撞检测过程中,目标对象的碰撞区域的不同会有不同的对测试结果的影响。因此,当比较不同的测试算法,目标对象必须是已知的变量,以防止错误。

物体碰撞区域的大小会影响实验结果,所以碰撞情况下提出了不同。根据图中的数据7,它首先分析碰撞面积小的情况。数据显示,三角片2000 k时,实验算法的检测时间是2.3毫秒,蛇模型算法的检测时间是2.3毫秒,K-DOPs算法的检测时间是5毫秒。三角片3000 k时,实验算法的检测时间是3毫秒,蛇模型算法的检测时间是3.2毫秒,K-DOPs算法的检测时间是8.7毫秒。三角片4000 k时,实验算法的检测时间是3.4毫秒,蛇模型算法的检测时间是3.7毫秒,K-DOPs算法的检测时间是10 ms。三角片5000 k时,实验算法的检测时间是4.7毫秒,蛇模型算法的检测时间是5.2毫秒,K-DOPs算法的检测时间是14.6毫秒。三角片6000 k时,实验算法的检测时间是5.5毫秒,蛇模型算法的检测时间为6 ms, K-DOPs算法的检测时间是16.6毫秒。根据这些数据,当有越来越多的三角形,碰撞检测时间也会增加。但是,K-DOPs算法的探测效率水平是最低的。


图7
分析不同算法的碰撞效率。

碰撞面积大时的探测效率进行了分析。数据显示,三角片2000 k时,实验算法的检测时间是4 ms,蛇模型算法的检测时间是4.5毫秒,K-DOPs算法的检测时间是5.3毫秒。三角片3000 k时,实验算法的检测时间是5.4毫秒,蛇模型算法的检测时间是6.1毫秒,K-DOPs算法的检测时间是9.2毫秒。三角片4000 k时,实验算法的检测时间是6.3毫秒,蛇模型算法的检测时间是10毫秒,K-DOPs算法的检测时间是14.2毫秒。三角片5000 k时,实验算法的检测时间是7 ms,蛇模型算法的检测时间是11,女士和女士K-DOPs算法的检测时间是15。三角片6000 k时,实验算法的检测时间是12 ms,蛇模型算法的检测时间是12.7毫秒,K-DOPs算法的检测时间是16。根据这些数据,当三角形的数量保持不变,但碰撞面积增加,检测时间相应增加。但K-DOPs算法的探测效率仍然是最低的。

5.2。实验数据

从图中的数据可以看出8提高了碰撞检测的效率在一定程度上在碰撞区使用这个实验方法。为了检测不同算法的碰撞效率,不同的算法进行了分析。根据图中的数据9碰撞,当目标对象属于小变形区和三角形的数量是2000 k, CFCD算法的检测时间为5 ms, CDSM算法的检测时间是2毫秒,ACSMCD算法的检测时间是1.9毫秒,ICDS算法的检测时间是1.9毫秒,和检测时间是1.7毫秒。当三角形的数量是3000 k, CFCD算法的检测时间是8.1毫秒,CDSM算法3.7毫秒,ACSMCD算法3.6毫秒,ICDS算法3.4毫秒。当三角形的数量是4000 k, 10 ms CFCD算法的检测时间,检测CDSM算法的时间是4.3毫秒,ACSMCD算法的检测时间是4 ms, ICDS算法的检测时间是3.8毫秒。当三角片的数量是5000 k, CFCD算法的检测时间14女士,CDSM算法的检测时间为6 ms, ACSMCD算法的检测时间是5.7毫秒,ICDS算法的检测时间是4.3毫秒。数据显示,CFCD算法探测效率最高。


图8
小面积碰撞效率。

图9
在大变形地区碰撞效率。

当目标对象的碰撞区域放大实验,发现四种不同算法有相同的趋势,因为小面积的检测效率。CFCD探测效率的算法仍然是最高的。

5.3。收敛

根据图中的数据10,算法的收敛USMOEA NSGA-II比的算法。它可以清楚地看到,nondominated算法得到的解集USMOEA接近帕累托比NSGA-II前面。算法的收敛USMOEA已得到验证。虽然算法USMOEA不如NSGA-II宽宏大量保留,我们的算法的初衷是获得nondominated解集接近帕累托面前,更多的均匀分布。它可以知道目标已基本实现预期的解决方案。nondominated解集的算法可以获得更多的均匀分布和更接近帕累托。


图10
比较两种算法的结果。

6。结论

随着科学技术的发展,人们的生产需求变得越来越大,和社会需求正变得越来越广泛。蛇模型的出现就解决了这一问题;它的目标是最小化能量目标函数和控制参数的变形曲线。特别是虚拟现实技术的出现使得传统的计算无法满足生产的需要。本文旨在研究实时碰撞检测的优化算法基于蛇模型在大数据领域。预计,随着大数据技术的支持,蛇模型的实时碰撞检测的效率将会提高,时间将被保存;同时,上层知识之间的矛盾和底层图像特征更好的协调。本文设计了一个新的计算方法在改进传统的计算方法。虽然实验进行,仍有缺点:当单目标粒子群优化算法解决了高维复杂的问题,它仍然是容易陷入局部最优解。和收敛精度仍有很大改进的余地。 [3- - - - - -5]。

数据可用性

数据共享不适用本文没有创建新数据或分析研究。

的利益冲突

本文作者认为没有利益冲突。

确认

这项工作是财务在海南省自然科学基金的支持下,基于虚拟现实的大规模复杂场景的快速实时碰撞检测技术研究,项目编号619 qn247;和关键项目的“Thirteenth-Five”吉林省教育部科学技术研究光学运动捕捉技术”快速图像生成和检测技术基于虚拟现实,“项JJKH20190907KJ数量。