CN117687554A - 基于视觉模拟评分的标尺元件灵活配置***及方法 - Google Patents
基于视觉模拟评分的标尺元件灵活配置***及方法 Download PDFInfo
- Publication number
- CN117687554A CN117687554A CN202311690384.XA CN202311690384A CN117687554A CN 117687554 A CN117687554 A CN 117687554A CN 202311690384 A CN202311690384 A CN 202311690384A CN 117687554 A CN117687554 A CN 117687554A
- Authority
- CN
- China
- Prior art keywords
- scale element
- configuration
- scale
- element configuration
- score
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000004088 simulation Methods 0.000 title claims abstract description 64
- 238000000034 method Methods 0.000 title claims abstract description 58
- 230000000007 visual effect Effects 0.000 title claims abstract description 46
- 230000008569 process Effects 0.000 claims abstract description 15
- 238000005516 engineering process Methods 0.000 claims abstract description 14
- 238000012545 processing Methods 0.000 claims abstract description 12
- 230000006870 function Effects 0.000 claims description 34
- 238000011156 evaluation Methods 0.000 claims description 32
- 230000007246 mechanism Effects 0.000 claims description 15
- 238000010606 normalization Methods 0.000 claims description 13
- 238000009877 rendering Methods 0.000 claims description 11
- 239000002131 composite material Substances 0.000 claims description 8
- 230000003993 interaction Effects 0.000 claims description 5
- 230000001105 regulatory effect Effects 0.000 claims description 4
- 230000001276 controlling effect Effects 0.000 claims description 3
- 230000001419 dependent effect Effects 0.000 claims description 2
- 238000013461 design Methods 0.000 description 12
- 230000000694 effects Effects 0.000 description 11
- 238000004422 calculation algorithm Methods 0.000 description 10
- 239000000463 material Substances 0.000 description 8
- 238000005457 optimization Methods 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 4
- 230000006872 improvement Effects 0.000 description 4
- 239000002184 metal Substances 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000010191 image analysis Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000013519 translation Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 1
- 238000002790 cross-validation Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000013041 optical simulation Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000002922 simulated annealing Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 239000013598 vector Substances 0.000 description 1
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了基于视觉模拟评分的标尺元件灵活配置***及方法，涉及标尺元件配置技术领域，使用视觉模拟技术对每个标尺元件配置进行模拟评分，包括在虚拟环境中模拟标尺元件的使用，根据每个标尺元件配置的评分，更新配置集合中的导向因子，从而增加评分较高的标尺元件配置相关的导向因子水平，根据导向因子水平和启发式信息进行搜索，更新标尺元件配置，进行迭代处理，达到预设迭代次数后输出当前最优的标尺元件配置。该配置***基于视觉模拟技术对每个标尺元件配置进行模拟评分，然后不断迭代自动推荐最优的标尺元件配置，自动化推荐使得配置过程更加高效，通过自动推荐最优配置，用户无需手动尝试大量组合，节省了时间和成本。
Description
技术领域
本发明涉及标尺元件配置技术领域，具体涉及基于视觉模拟评分的标尺元件灵活配置***及方法。
背景技术
标尺元件灵活配置***是一种用于定制和配置标尺元件的软件***，“标尺元件”通常指的是一种测量工具，用于测量长度、角度或其他物理量的仪器，这些标尺元件可以是各种形式的，例如尺子、量规、角度计等，随着数字化技术的发展，许多测量工具变得更加智能化，标尺元件灵活配置***可能与数字化技术相结合，允许用户在数字界面上进行配置，并与其他数字工具进行集成。
现有的标尺元件配置***通常只为用户提供标尺元件的配置功能，即用户依据经验或专家知识在配置***中手动生成若干标尺元件配置，然后再供其他用户选择使用，该种配置方法存在以下缺陷：
1、用户依据经验或专家知识在配置***中手动生成若干标尺元件配置，需要花费大量的时间，从而增加配置***的使用成本；
2、当其他用户需要从配置***中获取标尺元件配置时，由于配置***内部存储大量标尺元件配置，若其他用户选择随机获取标尺元件配置，则可能会导致随机获取的标尺元件配置效果差甚至无法使用，若其他用户自行选择标尺元件配置，则需要其他用户花费大量的时间获取，增加时间和成本。
发明内容
本发明的目的是提供基于视觉模拟评分的标尺元件灵活配置***及方法，以解决背景技术中不足。
为了实现上述目的，本发明提供如下技术方案：基于视觉模拟评分的标尺元件灵活配置方法，所述配置方法包括以下步骤：
S1：随机生成一组初始的标尺元件配置，基于初始的标尺元件配置生成配置集合；
S2：使用视觉模拟技术在虚拟环境中模拟标尺元件的使用，对每个标尺元件配置进行模拟评分；
S3：根据每个标尺元件配置的评分更新配置集合中的导向因子，调节标尺元件配置相关的导向因子水平；
S4：根据导向因子水平和启发式信息进行搜索，更新标尺元件配置，引入局部搜索机制，在搜索空间中对更新后的标尺元件配置进行变异；
S5：重复步骤S2、S3、S4进行迭代处理，达到预设迭代次数后输出当前最优的标尺元件配置；
S6：对最优的标尺元件配置进行评估，并将评估结果发送至管理员。
在一个优选的实施方式中，步骤S2中，对每个标尺元件配置进行模拟评分包括以下步骤：
S2.1：定义虚拟环境，使用三维建模工具或库，将标尺元件配置的几何形状、尺寸、刻度建模到虚拟环境中；
S2.2：模拟标尺元件配置的物理特性，模拟用户与标尺元件配置的交互过程，使用渲染技术在虚拟环境中生成图像，分析标尺元件配置在图像中的视觉效果，模拟用户在虚拟环境中使用标尺的体验；
S2.3：根据模拟中观察到的标尺元件配置的各项参数，对每个标尺元件配置进行性能评分后输出性能评分。
在一个优选的实施方式中，步骤S3中，调节标尺元件配置相关的导向因子水平包括以下步骤：
S3.1：对每个标尺元件配置，将其评分标准化为相对值，对每个标尺元件配置的导向因子进行更新；
S3.2：对于每个标尺元件配置调节导向因子的水平，计算表达式为：dz新＝(1-ρ)*dz旧+ρ*PF；式中，ρ是一个控制更新速率的参数，且ρ取值范围为[0,1]，dz新为标尺元件配置更新后的导向因子水平，dz旧为标尺元件配置更新前的导向因子水平，PF为标尺元件配置的评分。
在一个优选的实施方式中，步骤S3.2中，所述相对值通过将每个标尺元件配置的评分除以所有标尺元件配置中最高评分获取；
通过将每个导向因子水平除以所有导向因子水平总和获取正规化后的导向因子水平，表达式为：
式中，i＝1、2、3、...、n，n表示配置集合中的标尺元件配置的数量，dzi表示第i个标尺元件配置的导向因子水平，dz新为标尺元件配置更新后的导向因子水平，dz正规化为正规化后的导向因子水平。
在一个优选的实施方式中，步骤S5中，输出当前最优的标尺元件配置包括以下步骤：
S5.1：预先设定迭代次数，在每一轮迭代中，重复执行S2、S3、S4步骤；
S5.2：在每一次迭代中，根据视觉模拟评分记录当前的最优标尺元件配置；
S5.3：比较每轮迭代最优标尺元件配置的视觉模拟评分，将最高评分标尺元件配置作为全局最优标尺元件配置；
S5.4：在达到预设的迭代次数后，输出全局最优标尺元件配置。
在一个优选的实施方式中，步骤S2.3中，对每个标尺元件配置进行性能评分包括以下步骤：
S2.3.1：根据模拟中观察到的标尺元件配置的各项参数，各项参数包括标尺元件配置的光泽度、移动自由度、刻度清晰度以及误差率；
S2.3.2：将光泽度、移动自由度、刻度清晰度以及误差率归一化处理后，综合计算获取配置系数xsp；
S2.3.3：配置系数xsp值越大，标尺元件配置的性能评分越高；
S2.3.4：若标尺元件配置的配置系数xsp值＜质量阈值，将该配置系数xsp值从配置***中删除。
在一个优选的实施方式中，步骤S4中：更新标尺元件配置和在搜索空间中对更新后的标尺元件配置进行变异包括以下步骤：
S4.1：为每个标尺元件配置计算启发式信息用于指导搜索，使用导向因子在搜索空间中选择标尺元件配置；
S4.2：在选择了标尺元件配置后，引入局部搜索机制对标尺元件配置进行局部优化，引入局部搜索算子对当前选择的标尺元件配置进行调节改进性能。
在一个优选的实施方式中，步骤S4.1中，使用导向因子在搜索空间中选择标尺元件配置包括以下步骤：
S4.1.1：为每个标尺元件配置初始化局部斜率，基于局部斜率规则计算每个标尺元件配置的局部斜率；
S4.1.2：对标尺元件配置的局部斜率进行标准化处理，结合导向因子和标准化后的局部斜率，计算每个标尺元件配置的综合得分，表达式为：Z得分＝(1-σ)*dz正规化+σ*JBX；式中，Z得分为标尺元件配置的综合得分，σ为权衡正规化后的导向因子水平和标准化后局部斜率的参数，取值在0和1之间，dz正规化为正规化后的导向因子水平，JBX为标准化后局部斜率；
S4.1.3：根据综合得分，在搜索空间中选择标尺元件配置。
在一个优选的实施方式中，步骤S4.2中，引入局部搜索算子对当前选择的标尺元件配置进行调节改进性能包括以下步骤：
S4.2.1：对于当前选择的标尺元件配置，初始化局部搜索算子的状态；
S4.2.2：应用局部搜索算子对当前选择的标尺元件配置进行调节，梯度下降的更新规则表示为：式中，pz新为调节后的新标尺元件配置，pz当前为当前标尺元件配置，/>为目标函数相对于当前标尺元件配置参数的梯度，τ是学习率；
S4.2.3：使用目标函数对调节后的新标尺元件配置进行评估，比较调节后的新标尺元件配置与当前标尺元件配置的性能；
S4.2.4：若调节后的新标尺元件配置性能优于当前标尺元件配置性能，则将调节后的新标尺元件配置作为后续使用；
S4.2.5：若调节后的新标尺元件配置性能差于当前标尺元件配置性能，则保持当前标尺元件配置作为后续使用。
本发明还提供基于视觉模拟评分的标尺元件灵活配置***，包括配置生成模块、模拟评分模块、要素更新模块、配置更新模块、迭代模块、评估模块；
配置生成模块：随机生成一组初始的标尺元件配置，基于初始的标尺元件配置生成配置集合；
模拟评分模块：使用视觉模拟技术在虚拟环境中模拟标尺元件的使用，对每个标尺元件配置进行模拟评分；
要素更新模块：根据每个标尺元件配置的评分，更新配置集合中的导向因子，调节标尺元件配置相关的导向因子水平，引入局部搜索机制，在搜索空间中对更新后的标尺元件配置进行变异；
配置更新模块：根据导向因子水平和启发式信息进行搜索，更新标尺元件配置，引入局部搜索机制对标尺元件配置在搜索空间中进行变异；
迭代模块：重复模拟评分模块、要素更新模块以及配置更新模块步骤进行迭代处理，达到预设迭代次数后输出当前最优标尺元件配置；
评估模块：对最优标尺元件配置进行评估，并将评估结果发送至管理员。
在上述技术方案中，本发明提供的技术效果和优点：
本发明通过在配置***中随机生成一组初始的标尺元件配置，使用视觉模拟技术对每个标尺元件配置进行模拟评分，包括在虚拟环境中模拟标尺元件的使用，根据每个标尺元件配置的评分，更新配置集合中的导向因子，从而增加评分较高的标尺元件配置相关的导向因子水平，根据导向因子水平和启发式信息进行搜索，更新标尺元件配置，进行迭代处理，达到预设迭代次数后输出当前最优的标尺元件配置。该配置***通过随机生成标尺元件配置后，基于视觉模拟技术对每个标尺元件配置进行模拟评分，然后不断迭代自动推荐最优的标尺元件配置，自动化推荐使得配置过程更加高效，通过自动推荐最优配置，用户无需手动尝试大量组合，节省了时间和成本。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明中记载的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的附图。
图1为本发明的方法流程图。
图2为本发明的***模块图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例1：请参阅图1所示，本实施例所述基于视觉模拟评分的标尺元件灵活配置方法，所述配置方法包括以下步骤：
S1：随机生成一组初始的标尺元件配置，基于初始的标尺元件配置生成配置集合，具体为：
确定标尺元件配置的参数和变量，这可能包括标尺的尺寸、形状、材料、刻度类型等，为每个配置参数定义合理的范围，例如，标尺的长度可能在某个范围内变化，刻度的密度可能在另一个范围内变化，在确定的参数范围内随机生成一组初始参数值，这将创建一个初始的标尺元件配置；
确定要生成的配置集合的大小，这可能是一个预定的固定数量，也可能是一个根据算法需要动态调整的数量，输出最终的配置集合，这个集合包含了经过随机生成的多个标尺元件配置；
为了更好的说明如何随机生成一组初始的标尺元件配置，举例如下：
假设我们要设计一个标尺元件，参数包括标尺的长度、形状、材料和刻度类型；
参数和变量定义：
标尺长度L：在范围[10,50]厘米内变化；
标尺形状S：可以是直尺、弯曲尺等，这里用二元变量表示，例如S＝{0,1}，其中0表示直尺，1表示弯曲尺；
标尺材料M：可以是塑料、金属等，这里用二元变量表示，例如M＝{0,1}，其中0表示塑料，1表示金属；
刻度类型T：可以是数字刻度、线性刻度等，这里用二元变量表示，例如T＝{0,1}，其中0表示数字刻度，1表示线性刻度；
参数范围定义：
L∈[10,50]厘米；
S∈{0,1}(直尺、弯曲尺)；
M∈{0,1}(塑料、金属)；
T∈{0,1}(数字刻度、线性刻度)；
随机生成初始参数值：
对每个参数在其定义的范围内进行随机生成，例如：随机生成L、S、M、T的值；
配置集合大小：
预定一个固定数量，例如，选择生成100个不同的初始标尺元件配置；
输出最终配置集合：
输出包含了经过随机生成的多个标尺元件配置的集合。每个配置都由其参数值组成，形成一个具体的标尺元件，例如，以随机生成以下初始配置之一：
1)L＝30厘米、S＝0(直尺)、M＝0(塑料)、T＝1(线性刻度)；
2)L＝30厘米、S＝0(弯曲尺)、M＝0(金属)、T＝1(数字刻度)；
3)L＝30厘米、S＝0(直尺)、M＝0(塑料)、T＝1(数字刻度)；
这样，通过确定参数、定义范围、随机生成初始参数值，可以创建一个包含多个初始标尺元件配置的配置集合。
S2：使用视觉模拟技术对每个标尺元件配置进行模拟评分，包括在虚拟环境中模拟标尺元件的使用，并根据预定的评分标准对标尺元件配置性能进行评估。
S3：根据每个标尺元件配置的评分，更新配置集合中的导向因子，评分较高的标尺元件配置将更有可能被选择，从而增加评分较高的标尺元件配置相关的导向因子水平，具体为：
对每个标尺元件配置，将其评分标准化为相对值，这可以通过将每个配置的评分除以所有配置中最高评分来实现，这样，每个配置的相对评分范围将在0到1之间，对每个标尺元件配置的导向因子进行更新，导向因子表示选择标尺元件配置的倾向性，与相对评分相关，较高的相对评分应当对应较高的导向因子，对于每个标尺元件配置，增加其导向因子的水平，计算表达式为：dz新＝(1-ρ)*dz旧+ρ*PF；式中，ρ是一个控制更新速率的参数，且ρ取值范围为[0,1]，dz新为标尺元件配置更新后的导向因子水平，dz旧为标尺元件配置更新前的导向因子水平，PF为标尺元件配置的评分；
确保所有导向因子水平的总和为1，以便它们可以被视为概率分布，这可以通过将每个导向因子水平除以它们的总和来实现，表达式为：
式中，i＝1、2、3、...、n，n表示配置集合中的标尺元件配置的数量，dzi表示第i个标尺元件配置的导向因子水平，dz新为标尺元件配置更新后的导向因子水平，dz正规化为正规化后的导向因子水平；
对每个标尺元件配置，将其评分标准化为相对值，这可以通过将每个配置的评分除以所有配置中最高评分来实现，具体为：
对于每个标尺元件配置，有一个相应的评分，该评分可能基于多个指标，如视觉效果、用户体验等，遍历所有标尺元件配置的评分，找到最高的评分，这将成为标准化的基准，对于每个标尺元件配置，将其评分除以所有配置中的最高评分，这将生成相对值，表示每个配置在各个指标上的相对表现，公式表示为：相对评分＝配置的评分/所有配置中的最高评分，这确保相对评分在0到1之间，其中1表示最高评分，0表示最低评分，对每个标尺元件配置都执行相同的标准化过程，以获得相对评分，通过比较相对评分，可以识别性能最好的配置，这有助于确定哪些配置在特定指标上表现更好，从而支持决策和改进。
S4：根据导向因子水平和启发式信息进行搜索，更新标尺元件配置，引入局部搜索机制，以增加配置***的局部优化能力，包括采用局部搜索算子或者在搜索空间中进行一定范围的变异，具体为：
为每个标尺元件配置计算启发式信息，启发式信息可以是关于配置空间中某一点的附加信息，例如梯度、局部斜率等，用于指导搜索，使用导向因子在搜索空间中选择标尺元件配置，较高导向因子的配置将更有可能被选择，从而增加它们在搜索中的影响。
在选择了标尺元件配置后，引入局部搜索机制对标尺元件配置进行局部优化，引入局部搜索算子，例如梯度下降、模拟退火等，这些局部搜索算子对当前选择的标尺元件配置进行微调，以尝试改进性能，局部搜索算子根据具体问题的性质来选择，确保局部搜索算子与全局搜索协同工作。
为每个标尺元件配置计算启发式信息用于指导搜索，使用导向因子在搜索空间中选择标尺元件配置，包括以下步骤：
为每个标尺元件配置初始化局部斜率，这可以是零，也可以是根据问题的先验知识和初始配置设定的一些初值，基于局部斜率规则计算每个标尺元件配置的局部斜率，为了确保不同局部斜率之间的比较具有一致性，通常对局部斜率进行标准化，这可以是将其归一化到一个特定的范围，以确保在选择导向因子时它们的权重是平衡的，结合导向因子和标准化后的局部斜率，计算每个标尺元件配置的综合得分，表达式为：Z得分＝(1-σ)*dz正规化+σ*JBX；式中，Z得分为标尺元件配置的综合得分，σ是一个权衡正规化后的导向因子水平和标准化后局部斜率的参数，取值在0和1之间，dz正规化为正规化后的导向因子水平，JBX为标准化后局部斜率，根据综合得分，在搜索空间中选择标尺元件配置，较高综合得分的标尺元件配置更有可能被选择；
基于局部斜率规则计算每个标尺元件配置的局部斜率包括以下步骤：
选择∈作为数值差分的步长，∈＝1×10-6，对于每个标尺元件配置，假设当前标尺元件配置为dzi，计算目标函数在当前配置dzi处的值，即f(dzi)，对于当前标尺元件配置的每个参数，通过增加或减少步长∈来生成微调后的A标尺元件配置和B标尺元件配置表达式为：
式中，pj表示第j个参数方向上的单位向量，分别计算目标函数在A标尺元件配置/>和B标尺元件配置/>的值，即/>和/>对于第j个参数，通过数值差分计算局部斜率，表达式为：/>表示目标函数相对于第j个参数的变化率，即局部斜率，对于每个标尺元件配置重复上述步骤，计算每个标尺元件配置局部斜率；
计算目标函数在当前配置dzi处的值，包括以下步骤：
确定要优化的具体目标或目标函数，这可以是一个复杂的函数，涵盖了标尺元件配置的多个方面，例如视觉效果、用户体验、刻度准确性等，将当前选择的标尺元件配置的参数值输入到目标函数中，这包括标尺的尺寸、形状、材质等参数，具体取决于目标函数的定义，进行模拟或计算：根据目标函数的性质，进行相应的模拟、计算或渲染操作，这可能包括在虚拟环境中模拟标尺的使用、计算图像质量、评估刻度准确性等，得到目标函数值：根据模拟或计算的结果，计算目标函数在当前配置处的值，这是目标函数的量化表示，表示了在当前配置下目标的优劣，为了更好的说明该方案，我们举例如下：
假设我们的目标是设计一个虚拟标尺元件，其中的目标函数涵盖了视觉效果和用户体验两个方面，我们希望最小化标尺上刻度的模糊度，并且最大化用户对标尺的满意度，这两个方面的目标可以通过如下的计算公式表示：
设Clarity为刻度的清晰度，取值范围在0到1之间，其中0表示模糊不清，1表示非常清晰，目标是最大化清晰度；
设Satisfaction为用户的满意度，取值范围在0到1之间，其中0表示不满意，1表示非常满意，目标是最大化用户满意度；
为了综合考虑视觉效果和用户体验，定义一个目标函数，其中a1和a2是权重，用于调整两个目标的重要性，表达式为：mbz＝a1*Clarity+a2*Satisfaction，且a1+a2＝1。
在选择了标尺元件配置后，引入局部搜索机制对标尺元件配置进行局部优化，引入局部搜索算子对当前选择的标尺元件配置进行调节改进性能，包括以下步骤：
对于当前选择的标尺元件配置，初始化局部搜索算子的状态。这可能涉及到设置梯度下降的初始步长、迭代次数等参数，应用局部搜索算子，例如梯度下降，对当前选择的标尺元件配置进行微调，梯度下降的更新规则可以表示为：式中，pz新为调节后的新标尺元件配置，pz当前为当前标尺元件配置，/>为目标函数相对于当前标尺元件配置参数的梯度，τ是学习率，使用目标函数对调节后的新标尺元件配置进行评估，比较调节后的新标尺元件配置与当前标尺元件配置的性能，若调节后的新标尺元件配置性能优于当前标尺元件配置性能，则将调节后的新标尺元件配置作为后续使用，若调节后的新标尺元件配置性能差于当前标尺元件配置性能，则保持当前标尺元件配置作为后续使用；
对于当前选择的标尺元件配置，初始化局部搜索算子的状态。这可能涉及到设置梯度下降的初始步长、迭代次数等参数，具体为：
选择一个合适的初始步长值，通常根据问题的特性和搜索空间的尺度来调整，可以使用经验值或基于问题的性质进行选择，如果使用梯度下降等优化算法，学习率是步长的重要组成部分，初始学习率的选择可能需要在算法调优过程中进行调整，设置局部搜索算子的迭代次数上限，以避免无限循环，这个上限可以是一个固定的常数，也可以是根据问题的性质进行自适应调整，考虑引入早停机制，即在某个条件满足时提前结束迭代，例如当目标函数收敛或变化很小时，
确定何时认为局部搜索已经收敛，这可能涉及目标函数值的变化、梯度大小等指标，根据具体问题和算法的性质，选择合适的收敛条件，如果可能，考虑使用自适应的方法来动态调整步长或其他参数，以适应搜索过程中的变化，确定开始搜索的初始点，这可能是前一轮搜索的最优点或根据问题特性选择的其他点，在实际问题中，参数的选择可能需要通过实验和反复调优来找到最佳的组合，可以使用交叉验证、网格搜索等技术，在进行局部搜索之前，记录所选择的参数和状态信息，以备后续分析和调优。
使用目标函数对调节后的新标尺元件配置进行评估，具体为：
确定要优化的具体目标或目标函数，这可能包括最小化误差、最大化清晰度、最大化刻度准确性等，具体取决于标尺元件的设计目标，将新标尺元件配置应用到定义的目标函数中，这可能涉及到模拟用户使用、渲染图像、光学模拟等步骤，具体取决于目标函数的性质，计算目标函数在新配置下的值，得到一个数值化的评估结果，
记录新标尺元件配置以及计算得到的目标函数值，这可以用于后续的分析和比较，将新配置的目标函数值与之前的配置进行比较，以了解改进或变化的方向，这有助于确定是否达到了设计目标，将目标函数值反馈给优化算法，以便算法可以基于这个评估结果进行进一步的调整，这可以是梯度下降等算法的一部分，如果优化算法允许，可以迭代执行优化过程，不断调整标尺元件配置，直至达到满意的性能，如果有多个目标或多个性能指标，可以将它们综合考虑，形成一个多目标函数，进一步提高评估的综合性，根据具体问题和需求，灵活调整目标函数的权重、形式等，以更好地反映设计目标。
S5：重复步骤S2、S3、S4进行迭代处理，达到预设迭代次数后输出当前最优的标尺元件配置，具体为：
预先设定迭代次数，这是主要控制参数，在每一轮迭代中，执行之前描述的步骤，包括评估、更新导向因子、搜索、引入局部搜索机制等，在每一次迭代中，根据视觉模拟评分记录当前的最优标尺元件配置，通常是具有最高评分的标尺元件配置，比较每轮迭代最优标尺元件配置的视觉模拟评分，将最高评分标尺元件配置作为全局最优标尺元件配置，在达到预设的迭代次数后，输出全局最优标尺元件配置。
S6：对最终得到的标尺元件配置进行评估，包括与需求的匹配程度、性能评估等方面的指标，将评估结果发送至管理员。
本申请通过在配置***中随机生成一组初始的标尺元件配置，使用视觉模拟技术对每个标尺元件配置进行模拟评分，包括在虚拟环境中模拟标尺元件的使用，根据每个标尺元件配置的评分，更新配置集合中的导向因子，从而增加评分较高的标尺元件配置相关的导向因子水平，根据导向因子水平和启发式信息进行搜索，更新标尺元件配置，进行迭代处理，达到预设迭代次数后输出当前最优的标尺元件配置。该配置***通过随机生成标尺元件配置后，基于视觉模拟技术对每个标尺元件配置进行模拟评分，然后不断迭代自动推荐最优的标尺元件配置，自动化推荐使得配置过程更加高效，通过自动推荐最优配置，用户无需手动尝试大量组合，节省了时间和成本。
实施例2：使用视觉模拟技术在虚拟环境中模拟标尺元件的使用，对每个标尺元件配置进行模拟评分，具体为：
定义虚拟环境，包括场景、光照、背景等，确保环境模型足够真实以反映实际使用情境，使用三维建模工具或库，将标尺元件配置的几何形状、尺寸、刻度等建模到虚拟环境中，确保标尺元件配置的模型与实际配置相符，模拟标尺元件配置的物理特性，包括材料的光学特性、反射、折射等，这有助于在虚拟环境中更真实地呈现标尺的外观，模拟用户与标尺元件配置的交互过程，这可以包括用户观察标尺、移动标尺、使用刻度等，确保虚拟环境中的用户操作反映实际使用情境，使用渲染技术在虚拟环境中生成图像，评估标尺元件配置在图像中的视觉效果，包括清晰度、颜色准确性、刻度的清晰度等，模拟用户在虚拟环境中使用标尺的体验，捕捉用户可能遇到的问题或优势，考虑用户体验因素，例如标尺元件配置的易用性、可读性等，根据模拟中观察到的标尺元件配置的各项参数，对每个标尺元件配置进行性能评分，将得到的评分输出，评分可以用于指导标尺元件配置的选择和调整；
根据模拟中观察到的标尺元件配置的各项参数，对每个标尺元件配置进行性能评分包括以下步骤：
根据模拟中观察到的标尺元件配置的各项参数，各项参数包括标尺元件配置的光泽度、移动自由度、刻度清晰度以及误差率；
将光泽度、移动自由度、刻度清晰度以及误差率归一化处理后，综合计算获取配置系数xsp，计算表达式为：式中，GZ为光泽度，YZ为移动自由度，KQ为刻度清晰度，WC为误差率，α、β、γ、δ分别为光泽度、移动自由度、刻度清晰度以及误差率的比例系数，且α、β、γ、δ均大于0；
由配置系数xsp的计算表达式可知，配置系数xsp值越大，表明标尺元件配置的性能评分越高，为了减小配置***的计算负担，我们预设质量阈值，若标尺元件配置的配置系数xsp值＜质量阈值，则将该配置系数xsp值从配置***中删除，从而减小配置***的数据处理量；
1)光泽度(Glossiness)：
数值范围：0到1之间；
好的效果：高光泽度可以使表面看起来更光滑，增加反射效果；
坏的效果：低光泽度可能导致表面显得粗糙、不够光滑；
获取方式：使用渲染引擎或图形库中提供的光学材质属性设置；
具体步骤：
在标尺元件的材质属性中设置光泽度参数；
使用渲染引擎渲染场景，生成图像；
通过图像分析工具或渲染引擎提供的接口获取图像中标尺元件的光泽度信息；
2)移动自由度(Freedom-of-Movement)：
数值体现：用户在虚拟环境中移动标尺的自由度；
好的效果：较大的移动自由度使用户能够更灵活地调整和使用标尺；
坏的效果：移动受限可能导致用户难以获取所需的视角或位置，降低使用便利性；
获取方式：在虚拟环境中模拟用户的操作并记录移动自由度；
具体步骤：
在虚拟环境中放置标尺元件，启动用户交互模拟；
记录用户对标尺元件的移动操作，包括平移和旋转；
分析记录的操作数据，计算移动自由度，例如，平移的距离、旋转的角度等；
3)刻度清晰度(Scale-Clarity)：
数值体现：刻度的清晰度；
好的效果：清晰度高的刻度使用户能够准确读取标尺的数值；
坏的效果：模糊的刻度可能导致读数错误或困扰用户；
获取方式：在虚拟环境中模拟标尺元件的渲染，分析图像中刻度的清晰度；
具体步骤：
设置标尺元件的模型和材质，包括刻度线的精细度；
渲染虚拟场景，生成图像；
使用图像分析工具或图像处理算法评估刻度线的清晰度，可以考虑使用图像处理技术检测边缘、计算对比度等；
4)误差率(Error-Rate)：
数值体现：用户在使用标尺时发生误读或误操作的比例；
好的效果：低误差率表示用户很少犯错，标尺的设计易于理解；
坏的效果：高误差率可能意味着标尺元件的设计存在混淆点或不直观之处；
获取方式：在虚拟环境中模拟用户对标尺的使用，记录用户的读数和实际数值之间的误差；
具体步骤：
定义标尺的度量标准，包括刻度和数字；
模拟用户测量或读取标尺的操作；
记录用户的读数和实际数值之间的差异，计算误差率。
对最终得到的标尺元件配置进行评估，包括与需求的匹配程度、性能评估等方面的指标，将评估结果发送至管理员包括以下步骤：
回顾设计和需求文档，明确标尺元件的设计要求和规格，对比最终得到的标尺元件配置与设计要求，评估它们之间的匹配程度，记录匹配度评估的结果，可以使用定量指标或描述性评价；
定义性能指标，这可能包括清晰度、颜色准确性、刻度清晰度等，在虚拟环境中对标尺元件进行模拟评分，获取性能指标的数值或定性评价，分析性能评估结果，确保标尺元件在视觉效果和用户体验方面达到预期；
进行虚拟用户体验测试，模拟用户在虚拟环境中使用标尺的场景，记录用户操作、交互时间、误差率等关键指标，收集用户反馈和意见，了解用户对标尺元件使用过程的感受，结合用户体验数据，评估标尺元件在实际使用中的易用性和用户满意度；
考虑标尺元件在使用过程中可能涉及的安全问题，例如材料选择、边缘设计等，进行安全性评估，确保标尺元件在正常使用情况下不会引发危险，考虑标尺元件的稳定性和耐久性，确保其在长时间使用中不易损坏；
汇总所有评估结果和数据，整理成评估报告，在报告中清晰地呈现每个评估方面的结果，包括数值、图表、用户反馈等，提供对评估结果的总体评价，指出标尺元件配置的优势和改进空间；
将评估报告以电子文档的形式生成，将报告发送至管理员或相关利益方，确保报告的传递方式符合组织内部的通信规范，在发送报告时，可以附上必要的解释、建议或进一步的改进计划。
实施例3：请参阅图2所示，本实施例所述基于视觉模拟评分的标尺元件灵活配置***，包括配置生成模块、模拟评分模块、要素更新模块、配置更新模块、迭代模块、评估模块：
配置生成模块：随机生成一组初始的标尺元件配置，基于初始的标尺元件配置生成配置集合，初始的标尺元件配置发送至模拟评分模块，配置集合发送至要素更新模块；
模拟评分模块：使用视觉模拟技术对每个标尺元件配置进行模拟评分，包括在虚拟环境中模拟标尺元件的使用，并根据预定的评分标准对标尺元件配置性能进行评估，评分结果发送至要素更新模块；
要素更新模块：根据每个标尺元件配置的评分，更新配置集合中的导向因子，引入局部搜索机制，以增加配置***的局部优化能力，包括采用局部搜索算子或者在搜索空间中进行一定范围的变异，评分较高的标尺元件配置将更有可能被选择，从而增加评分较高的标尺元件配置相关的导向因子水平，标尺元件配置的导向因子水平发送至配置更新模块；
配置更新模块：根据导向因子水平和启发式信息进行搜索，更新标尺元件配置，引入局部搜索机制，以增加配置***的局部优化能力，包括采用局部搜索算子或者在搜索空间中进行一定范围的变异；
迭代模块：重复模拟评分模块、要素更新模块以及配置更新模块步骤进行迭代处理，达到预设迭代次数后输出当前最优标尺元件配置，最优标尺元件配置发送至评估模块；
评估模块：对最优标尺元件配置进行评估，包括与需求的匹配程度、性能评估等方面的指标，将评估结果发送至管理员。
上述公式均是去量纲取其数值计算，公式是由采集大量数据进行软件模拟得到最近真实情况的一个公式，公式中的预设参数由本领域的技术人员根据实际情况进行设置。
应理解，本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况，其中A,B可以是单数或者复数。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系，但也可能表示的是一种“和/或”的关系，具体可参考前后文进行理解。
应理解，在本申请的各种实施例中，上述各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的***、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以所述权利要求的保护范围为准。
Claims (10)
1.基于视觉模拟评分的标尺元件灵活配置方法，其特征在于：所述配置方法包括以下步骤：
S1：随机生成一组初始的标尺元件配置，基于初始的标尺元件配置生成配置集合；
S2：使用视觉模拟技术在虚拟环境中模拟标尺元件的使用，对每个标尺元件配置进行模拟评分；
S3：根据每个标尺元件配置的评分更新配置集合中的导向因子，调节标尺元件配置相关的导向因子水平；
S4：根据导向因子水平和启发式信息进行搜索，更新标尺元件配置，引入局部搜索机制，在搜索空间中对更新后的标尺元件配置进行变异；
S5：重复步骤S2、S3、S4进行迭代处理，达到预设迭代次数后输出当前最优的标尺元件配置；
S6：对最优的标尺元件配置进行评估，并将评估结果发送至管理员。
2.根据权利要求1所述的基于视觉模拟评分的标尺元件灵活配置方法，其特征在于：步骤S2中，对每个标尺元件配置进行模拟评分包括以下步骤：
S2.1：定义虚拟环境，使用三维建模工具或库，将标尺元件配置的几何形状、尺寸、刻度建模到虚拟环境中；
S2.2：模拟标尺元件配置的物理特性，模拟用户与标尺元件配置的交互过程，使用渲染技术在虚拟环境中生成图像，分析标尺元件配置在图像中的视觉效果，模拟用户在虚拟环境中使用标尺的体验；
S2.3：根据模拟中观察到的标尺元件配置的各项参数，对每个标尺元件配置进行性能评分后输出性能评分。
3.根据权利要求2所述的基于视觉模拟评分的标尺元件灵活配置方法，其特征在于：步骤S3中，调节标尺元件配置相关的导向因子水平包括以下步骤：
S3.1：对每个标尺元件配置，将其评分标准化为相对值，对每个标尺元件配置的导向因子进行更新；
S3.2：对于每个标尺元件配置调节导向因子的水平，计算表达式为：dz新＝(1-ρ)*dz旧+ρ*PF；式中，ρ是一个控制更新速率的参数，且ρ取值范围为[0,1]，dz新为标尺元件配置更新后的导向因子水平，dz旧为标尺元件配置更新前的导向因子水平，PF为标尺元件配置的评分。
4.根据权利要求3所述的基于视觉模拟评分的标尺元件灵活配置方法，其特征在于：步骤S3.2中，所述相对值通过将每个标尺元件配置的评分除以所有标尺元件配置中最高评分获取；
通过将每个导向因子水平除以所有导向因子水平总和获取正规化后的导向因子水平，表达式为：
式中，i＝1、2、3、...、n，n表示配置集合中的标尺元件配置的数量，dzi表示第i个标尺元件配置的导向因子水平，dz新为标尺元件配置更新后的导向因子水平，dz正规化为正规化后的导向因子水平。
5.根据权利要求4所述的基于视觉模拟评分的标尺元件灵活配置方法，其特征在于：步骤S5中，输出当前最优的标尺元件配置包括以下步骤：
S5.1：预先设定迭代次数，在每一轮迭代中，重复执行S2、S3、S4步骤；
S5.2：在每一次迭代中，根据视觉模拟评分记录当前的最优标尺元件配置；
S5.3：比较每轮迭代最优标尺元件配置的视觉模拟评分，将最高评分标尺元件配置作为全局最优标尺元件配置；
S5.4：在达到预设的迭代次数后，输出全局最优标尺元件配置。
6.根据权利要求2所述的基于视觉模拟评分的标尺元件灵活配置方法，其特征在于：步骤S2.3中，对每个标尺元件配置进行性能评分包括以下步骤：
S2.3.1：根据模拟中观察到的标尺元件配置的各项参数，各项参数包括标尺元件配置的光泽度、移动自由度、刻度清晰度以及误差率；
S2.3.2：将光泽度、移动自由度、刻度清晰度以及误差率归一化处理后，综合计算获取配置系数xsp；
S2.3.3：配置系数xsp值越大，标尺元件配置的性能评分越高；
S2.3.4：若标尺元件配置的配置系数xsp值＜质量阈值，将该配置系数xsp值从配置***中删除。
7.根据权利要求4所述的基于视觉模拟评分的标尺元件灵活配置方法，其特征在于：步骤S4中：更新标尺元件配置和在搜索空间中对更新后的标尺元件配置进行变异包括以下步骤：
S4.1：为每个标尺元件配置计算启发式信息用于指导搜索，使用导向因子在搜索空间中选择标尺元件配置；
S4.2：在选择了标尺元件配置后，引入局部搜索机制对标尺元件配置进行局部优化，引入局部搜索算子对当前选择的标尺元件配置进行调节改进性能。
8.根据权利要求7所述的基于视觉模拟评分的标尺元件灵活配置方法，其特征在于：步骤S4.1中，使用导向因子在搜索空间中选择标尺元件配置包括以下步骤：
S4.1.1：为每个标尺元件配置初始化局部斜率，基于局部斜率规则计算每个标尺元件配置的局部斜率；
S4.1.2：对标尺元件配置的局部斜率进行标准化处理，结合导向因子和标准化后的局部斜率，计算每个标尺元件配置的综合得分，表达式为：Z得分＝(1-σ)*dz正规化+σ*JBX；式中，Z得分为标尺元件配置的综合得分，σ为权衡正规化后的导向因子水平和标准化后局部斜率的参数，取值在0和1之间，dz正规化为正规化后的导向因子水平，JBX为标准化后局部斜率；
S4.1.3：根据综合得分，在搜索空间中选择标尺元件配置。
9.根据权利要求8所述的基于视觉模拟评分的标尺元件灵活配置方法，其特征在于：步骤S4.2中，引入局部搜索算子对当前选择的标尺元件配置进行调节改进性能包括以下步骤：
S4.2.1：对于当前选择的标尺元件配置，初始化局部搜索算子的状态；
S4.2.2：应用局部搜索算子对当前选择的标尺元件配置进行调节，梯度下降的更新规则表示为：式中，pz新为调节后的新标尺元件配置，pz当前为当前标尺元件配置，/>为目标函数相对于当前标尺元件配置参数的梯度，τ是学习率；
S4.2.3：使用目标函数对调节后的新标尺元件配置进行评估，比较调节后的新标尺元件配置与当前标尺元件配置的性能；
S4.2.4：若调节后的新标尺元件配置性能优于当前标尺元件配置性能，则将调节后的新标尺元件配置作为后续使用；
S4.2.5：若调节后的新标尺元件配置性能差于当前标尺元件配置性能，则保持当前标尺元件配置作为后续使用。
10.基于视觉模拟评分的标尺元件灵活配置***，其特征在于：包括配置生成模块、模拟评分模块、要素更新模块、配置更新模块、迭代模块、评估模块；
配置生成模块：随机生成一组初始的标尺元件配置，基于初始的标尺元件配置生成配置集合；
模拟评分模块：使用视觉模拟技术在虚拟环境中模拟标尺元件的使用，对每个标尺元件配置进行模拟评分；
要素更新模块：根据每个标尺元件配置的评分，更新配置集合中的导向因子，调节标尺元件配置相关的导向因子水平，引入局部搜索机制，在搜索空间中对更新后的标尺元件配置进行变异；
配置更新模块：根据导向因子水平和启发式信息进行搜索，更新标尺元件配置，引入局部搜索机制对标尺元件配置在搜索空间中进行变异；
迭代模块：重复模拟评分模块、要素更新模块以及配置更新模块步骤进行迭代处理，达到预设迭代次数后输出当前最优标尺元件配置；
评估模块：对最优标尺元件配置进行评估，并将评估结果发送至管理员。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311690384.XA CN117687554B (zh) | 2023-12-11 | 2023-12-11 | 基于视觉模拟评分的标尺元件灵活配置***及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311690384.XA CN117687554B (zh) | 2023-12-11 | 2023-12-11 | 基于视觉模拟评分的标尺元件灵活配置***及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117687554A true CN117687554A (zh) | 2024-03-12 |
| CN117687554B CN117687554B (zh) | 2024-05-28 |
Family
ID=90138480
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311690384.XA Active CN117687554B (zh) | 2023-12-11 | 2023-12-11 | 基于视觉模拟评分的标尺元件灵活配置***及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117687554B (zh) |
Citations (21)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20030055614A1 (en) * | 2001-01-18 | 2003-03-20 | The Board Of Trustees Of The University Of Illinois | Method for optimizing a solution set |
| US20070016542A1 (en) * | 2005-07-01 | 2007-01-18 | Matt Rosauer | Risk modeling system |
| CN103646035A (zh) * | 2013-11-14 | 2014-03-19 | 北京锐安科技有限公司 | 一种基于启发式方法的信息搜索方法 |
| CN105051784A (zh) * | 2013-03-15 | 2015-11-11 | 哈特弗罗公司 | 对模拟准确度和性能的图像质量评估 |
| CN105160139A (zh) * | 2015-10-16 | 2015-12-16 | 中国电子科技集团公司第三十八研究所 | 一种虚拟人维修动作混合驱动方法 |
| WO2018200685A2 (en) * | 2017-04-27 | 2018-11-01 | Ecosense Lighting Inc. | Methods and systems for an automated design, fulfillment, deployment and operation platform for lighting installations |
| CN110035578A (zh) * | 2018-12-29 | 2019-07-19 | 中国计量大学 | 基于混合照明的开放式办公室照明***与控制方法 |
| US20190236479A1 (en) * | 2018-01-31 | 2019-08-01 | The Johns Hopkins University | Method and apparatus for providing efficient testing of systems by using artificial intelligence tools |
| CN111612741A (zh) * | 2020-04-22 | 2020-09-01 | 杭州电子科技大学 | 一种基于失真识别的精确无参考图像质量评价方法 |
| US20210241864A1 (en) * | 2020-01-31 | 2021-08-05 | Cytel Inc. | Trial design with simulated annealing |
| CN113627642A (zh) * | 2021-06-25 | 2021-11-09 | 广东烟草惠州市有限责任公司 | 基于自适应大规模邻域搜索算法的堆垛机路径优化方法 |
| CN114077494A (zh) * | 2020-08-21 | 2022-02-22 | 中国电信股份有限公司 | 数据处理组件的配置方法及*** |
| CN114742268A (zh) * | 2022-03-08 | 2022-07-12 | 国网辽宁省电力有限公司 | 考虑设备变工况特性的综合能源***优化及规划方法 |
| WO2022186915A1 (en) * | 2021-03-05 | 2022-09-09 | Evolution Optiks Limited | Head-mountable oculomotor assessment device and system, and method of using same |
| CN115390677A (zh) * | 2022-10-27 | 2022-11-25 | 江苏中车数字科技有限公司 | 一种基于虚拟现实的装配仿真人机工效评价***及方法 |
| CN116107664A (zh) * | 2023-03-03 | 2023-05-12 | 安徽大学 | 一种低代价的高维多目标软件配置参数调优方法及*** |
| CN116187640A (zh) * | 2022-11-25 | 2023-05-30 | 国网浙江省电力有限公司经济技术研究院 | 一种基于网格多属性画像体系的配电网规划方法及装置 |
| US11662324B1 (en) * | 2022-03-18 | 2023-05-30 | Applied Materials Israel Ltd. | Three-dimensional surface metrology of wafers |
| CN116360574A (zh) * | 2021-12-23 | 2023-06-30 | 荣耀终端有限公司 | 确定资源配置参数的方法与电子设备 |
| CN116525140A (zh) * | 2023-04-06 | 2023-08-01 | 上海梅斯医药科技有限公司 | 基于虚拟数字人技术的医学专业用户沟通方法 |
| WO2023191973A1 (en) * | 2022-03-28 | 2023-10-05 | Microsoft Technology Licensing, Llc | System optimisation methods |
-
2023
- 2023-12-11 CN CN202311690384.XA patent/CN117687554B/zh active Active
Patent Citations (21)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20030055614A1 (en) * | 2001-01-18 | 2003-03-20 | The Board Of Trustees Of The University Of Illinois | Method for optimizing a solution set |
| US20070016542A1 (en) * | 2005-07-01 | 2007-01-18 | Matt Rosauer | Risk modeling system |
| CN105051784A (zh) * | 2013-03-15 | 2015-11-11 | 哈特弗罗公司 | 对模拟准确度和性能的图像质量评估 |
| CN103646035A (zh) * | 2013-11-14 | 2014-03-19 | 北京锐安科技有限公司 | 一种基于启发式方法的信息搜索方法 |
| CN105160139A (zh) * | 2015-10-16 | 2015-12-16 | 中国电子科技集团公司第三十八研究所 | 一种虚拟人维修动作混合驱动方法 |
| WO2018200685A2 (en) * | 2017-04-27 | 2018-11-01 | Ecosense Lighting Inc. | Methods and systems for an automated design, fulfillment, deployment and operation platform for lighting installations |
| US20190236479A1 (en) * | 2018-01-31 | 2019-08-01 | The Johns Hopkins University | Method and apparatus for providing efficient testing of systems by using artificial intelligence tools |
| CN110035578A (zh) * | 2018-12-29 | 2019-07-19 | 中国计量大学 | 基于混合照明的开放式办公室照明***与控制方法 |
| US20210241864A1 (en) * | 2020-01-31 | 2021-08-05 | Cytel Inc. | Trial design with simulated annealing |
| CN111612741A (zh) * | 2020-04-22 | 2020-09-01 | 杭州电子科技大学 | 一种基于失真识别的精确无参考图像质量评价方法 |
| CN114077494A (zh) * | 2020-08-21 | 2022-02-22 | 中国电信股份有限公司 | 数据处理组件的配置方法及*** |
| WO2022186915A1 (en) * | 2021-03-05 | 2022-09-09 | Evolution Optiks Limited | Head-mountable oculomotor assessment device and system, and method of using same |
| CN113627642A (zh) * | 2021-06-25 | 2021-11-09 | 广东烟草惠州市有限责任公司 | 基于自适应大规模邻域搜索算法的堆垛机路径优化方法 |
| CN116360574A (zh) * | 2021-12-23 | 2023-06-30 | 荣耀终端有限公司 | 确定资源配置参数的方法与电子设备 |
| CN114742268A (zh) * | 2022-03-08 | 2022-07-12 | 国网辽宁省电力有限公司 | 考虑设备变工况特性的综合能源***优化及规划方法 |
| US11662324B1 (en) * | 2022-03-18 | 2023-05-30 | Applied Materials Israel Ltd. | Three-dimensional surface metrology of wafers |
| WO2023191973A1 (en) * | 2022-03-28 | 2023-10-05 | Microsoft Technology Licensing, Llc | System optimisation methods |
| CN115390677A (zh) * | 2022-10-27 | 2022-11-25 | 江苏中车数字科技有限公司 | 一种基于虚拟现实的装配仿真人机工效评价***及方法 |
| CN116187640A (zh) * | 2022-11-25 | 2023-05-30 | 国网浙江省电力有限公司经济技术研究院 | 一种基于网格多属性画像体系的配电网规划方法及装置 |
| CN116107664A (zh) * | 2023-03-03 | 2023-05-12 | 安徽大学 | 一种低代价的高维多目标软件配置参数调优方法及*** |
| CN116525140A (zh) * | 2023-04-06 | 2023-08-01 | 上海梅斯医药科技有限公司 | 基于虚拟数字人技术的医学专业用户沟通方法 |
Non-Patent Citations (2)
| Title |
|---|
| 宿彪 等: "基于蚁群算法的工程机械再制造优化选配方法研究", 机械工程学报, no. 05, 20 February 2017 (2017-02-20), pages 60 - 68 * |
| 盛秋刚 等: "快速发展地区配电网评估与远景目标网架", 电力与能源, no. 04, 20 August 2013 (2013-08-20), pages 338 - 342 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117687554B (zh) | 2024-05-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107025318A (zh) | 用于探索新材料的方法和装置 | |
| Geisser | On the prediction of observables: a selective update | |
| US20230358536A1 (en) | Method for Determining a Position and/or Orientation of a Measuring Device | |
| CN111143981B (zh) | 虚拟试验模型验证***及方法 | |
| CN116150897A (zh) | 一种基于数字孪生的机床主轴性能测评方法及*** | |
| CN110161968B (zh) | 一种基于包裹式原理的数控机床热误差预测方法 | |
| CN117687554B (zh) | 基于视觉模拟评分的标尺元件灵活配置***及方法 | |
| Noordermeer et al. | Effects of harvester positioning errors on merchantable timber volume predicted and estimated from airborne laser scanner data in mature Norway spruce forests | |
| CN107273659A (zh) | 一种基于ransac算法改进的用于空间碎片光电跟踪的轨迹预测方法 | |
| CN112669314B (zh) | 肺癌全周期智能管理影像数据平台 | |
| Holmes et al. | Accounting for model uncertainty in seemingly unrelated regressions | |
| JP7384729B2 (ja) | コンピュータプログラム、機械学習機、情報処理方法及び射出成形機 | |
| US11294558B2 (en) | Interactive user interface for regression systems that process distorted or erroneous data obtained from an environment | |
| CN115937568B (zh) | 一种玄武岩构造背景分类方法、***、装置及存储介质 | |
| CN116468102A (zh) | 刀具图像分类模型剪枝方法、装置、计算机设备 | |
| US12014291B2 (en) | System and method for processing distorted or inaccurate input data obtained from an environment | |
| CN114528454A (zh) | 航磁测量数据的检索提取方法 | |
| CN110728289B (zh) | 一种家庭宽带用户的挖掘方法及设备 | |
| CN112307898A (zh) | 虚拟现实环境下数据手套动作分割方法及装置 | |
| CN111932121A (zh) | 一种优质电力投资方案评估方法、装置、终端及存储介质 | |
| CN111047110A (zh) | 基于偏好辅助决策因子的交互式偏好反馈方法、装置及计算机设备 | |
| CN117078681B (zh) | 一种点胶轨迹的三维仿真模拟方法及*** | |
| Alianso et al. | K-nearest neighbor imputation for missing value in hepatitis data | |
| CN117583281B (zh) | 板件机器人分拣码垛优化方法、控制***及分拣生产线 | |
| Gluhovsky | Multinomial least angle regression |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |