《表1 算法效率对比：融合QPSO算法的多精度布料仿真建模方法》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《融合QPSO算法的多精度布料仿真建模方法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

由图8（a）可以看出，布料在初始状态下未发生形变，网格没有精化。图8（b）是布料与桌面接触，开始发生形变的情形，从图中可以看到，经过QPSO算法的搜索与聚类，算法自动识别出桌子转角处的弯曲度较大，布料模型在桌子边缘转角处进行了细化。图8（c）是布料最终落在桌面上的效果图，从图中可以看出，由于布料形状发生了新的变化，弯曲位置和弯曲度都发生了改变，算法自动搜索出了新的细分点，计算了新的细分阈值，并且在新的弯曲区域进行了细分操作。因为图8（b）的大部分细分区域在图8（c）中的相对形变不大，算法为了保证计算效率对其进行了还原，保证了模型在新的形变条件下依然可以保持较高的运行速率。表1列出了本文算法和使用文献[2]所提方法寻找到的细分质点数目及搜索次数，量化对比了两种算法的仿真质量，同时对比了两种算法生成每一帧动画的时间。其中文献[2]算法细分区域阈值K取0.75。布料模型细分等级设定为1，即只对弯曲度最高的质点细分。QPSO算法使用6个粒子种群，每个种群5个粒子，终止条件是迭代20次。图9是本文算法与文献[2]算法相比，每搜索100次找到的弯曲度符合条件的点，占布料质点总数百分比对比折线图。由图9可以看出，本文算法在第600次搜索结束时已经接近文献算法第900次搜索的效果。