学位论文 > 优秀研究生学位论文题录展示

遗传算法及其在3D动漫造型设计中的应用研究

作　者: 于汉超
导　师: 刘弘
学　校: 山东师范大学
专　业: 计算机软件与理论
关键词: 协同创新设计 3D动漫角色造型 3D动漫群体造型遗传算法 HSF协同 ACIS规则表达式
分类号: TP391.41
类　型: 硕士论文
年　份: 2011年
下　载: 147次
引　用: 1次
阅　读: 论文下载

内容摘要

动漫产业有着广阔的发展前景,被称为21世纪创意经济中最有希望的朝阳产业和21世纪的“无烟工业”。动漫造型作为动漫中的灵魂,成为欧美日韩等动漫强国推销其动漫与衍生产品的重要武器。动漫造型一般包括动漫角色造型和动漫群体造型。从深受观众喜爱的唐老鸭、米老鼠到现今的机器人瓦力、功夫熊猫,每一部动画片都能诞生一个甚至多个明星,成功地设计一个动漫角色造型,不仅能提升一部动漫影片的票房号召力,更能成为推广整个产业的中坚力量;此外,不少动漫影片中还会涉及到大量的群体造型,例如,大型战争场面中大量的战士、角斗场中大量的观众、城市中大量的群众等。有效地设计、产生动漫中的角色造型及群体造型,对于提升动漫产品的质量至关重要,一直是动漫领域的研究热点之一。3D动漫是当今动漫产业的发展方向,3D动漫造型作为3D动漫的核心元素,在3D动漫制作中具有非常重要的地位,其好坏将直接影响3D动漫的质量以及后期的制作效果。如何高效地设计一个能够吸引大众眼球的3D动漫角色造型、如何快速高效地生成动漫影片中数以万计的3D动漫群体造型,一直是3D动漫设计领域重要的研究问题。3D动漫造型的传统设计方法是利用三维建模软件Maya,3D Max等直接绘制,这种方法获得的3D动漫造型美观、精确。但是,对于设计一个3D动漫角色造型而言,设计师往往会受到现有造型和设计观念的影响,导致很难设计出具有足够创意的、能够吸引大众眼球的作品;而对于设计数以万计的3D动漫群体造型而言,由于其造型数量太多、设计的工作量巨大,使用传统的设计方法成本太高、速度太慢、且无法自动生成大量的造型。因此,迫切需要寻找合适的方法来解决这些问题。本文通过研究并利用进化计算技术、协同技术和可视化技术,以设计支持3D动漫造型协同创新设计的方法、提高造型的新颖程度和生成效率为目标开展研究,本文的主要工作与创新点概括如下:1.为了将单目标和多目标遗传算法较好地应用到3D动漫造型协同创新设计中,首先将自适应遗传算法(AGA)和带精英策略的非劣排序遗传算法(NSGA2)进行了改进,有效地解决了AGA算法收敛速度慢和进化初期容易停滞的问题,并使改进的AGA和NSGA2算法可以很好地应用到创新设计中。2.为了能够同时利用多位专家已有的知识对3D动漫造型进行设计,使用HOOPS/NET技术搭建了一个支持3D动漫造型创新设计的协同设计环境,并在此基础上,提出一种基于HSF(HOOPS Stream File)的多专家协同评价方法,有效地提高了设计效率。3.基于以上提出的两种改进的遗传算法和多专家协同评价方法,提出了两种支持3D动漫造型协同创新设计的方法,有效地解决了传统的3D动漫造型设计方法难以设计出具有足够创意的3D动漫角色造型和数以万计的3D动漫群体造型的问题。4.基于以上研究成果,设计并开发了一个3D动漫造型协同创新设计原型系统。通过在原型系统中的实验结果表明,本文提出的方法既可以高效地设计出创意新颖的3D动漫角色造型,又可以快速高效地生成大批的3D动漫群体造型。

全文目录

摘要  7-9
ABSTRACT  9-11
第一章绪论  11-16
  1.1 研究背景及意义  11
  1.2 3D 动漫造型设计面临的问题  11
  1.3 论文的主要工作及创新点  11-14
  1.4 组织结构  14-16
第二章相关工作  16-23
  2.1 引言  16
  2.2 3D 动漫造型设计研究现状  16-18
    2.2.1 角色造型设计  16
    2.2.2 群体造型设计  16-18
  2.3 进化计算研究现状  18-20
    2.3.1 遗传算法  18-19
    2.3.2 多目标进化算法  19-20
  2.4 创新设计研究现状  20-21
  2.5 协同设计研究现状  21-22
  2.6 小结  22-23
第三章改进的自适应遗传算法  23-35
  3.1 引言  23
  3.2 遗传算法概述  23-24
  3.3 自适应遗传算法概述  24-25
  3.4 改进的自适应遗传算法  25-33
    3.4.1 算法流程  27-28
    3.4.2 适应度函数值的计算  28
    3.4.3 选择  28
    3.4.4 自适应动态调整  28-30
    3.4.5 交叉  30-31
    3.4.6 变异  31
    3.4.7 精英保留策略  31
    3.4.8 实验  31-33
  3.5 小结  33-35
第四章改进的带精英策略的非劣排序遗传算法  35-41
  4.1 引言  35
  4.2 多目标优化问题概述  35-36
  4.3 基本定义  36-37
  4.4 基本操作  37-38
    4.4.1 非劣排序  37
    4.4.2 拥挤距离计算  37-38
    4.4.3 拥挤距离排序  38
  4.5 带精英策略的非劣排序遗传算法概述(NSGA2)  38-39
  4.6 改进的NSGA2 算法(INSGA2)  39-40
  4.7 小结  40-41
第五章支持3D 动漫造型创新设计的协同设计环境  41-50
  5.1 引言  41
  5.2 HOOPS/NET 技术简介  41-42
  5.3 基于HOOPS 的协同设计通信机制  42-43
    5.3.1 基本协同通信设计  42
    5.3.2 基于消息驱动操作的协同通信设计  42-43
    5.3.3 协同通信过程  43
  5.4 基于HSF 流文件技术的3D 动漫造型传输  43-45
  5.5 协同环境的实现  45-49
    5.5.1 协同通信系统框架  45-47
    5.5.2 用户权限分配机制  47
    5.5.3 网络管理和控制管理  47-48
    5.5.4 协同用户设计界面  48-49
  5.6 小结  49-50
第六章基于遗传算法的3D 动漫造型协同创新设计方法  50-70
  6.1 引言  50-51
  6.2 ACIS 研究  51-53
    6.2.1 ACIS 概述  51
    6.2.2 ACIS 规则  51-52
    6.2.3 ACIS 规则表达式  52-53
    6.2.4 ACIS 规则表示二叉树  53
  6.3 基于HSF 的多专家协同评价方法  53-56
    6.3.1 主观目标适应度函数的建立  54-55
    6.3.2 加权平均满意度的计算  55
    6.3.3 共识度的计算  55-56
    6.3.4 主观目标适应度函数的定义  56
  6.4 系统辅助设计专家评价3D 动漫造型的方法  56-59
    6.4.1 系统自动学习评价标准后打分  56-57
    6.4.2 系统利用存储的知识打分  57-58
    6.4.3 系统打分效果实验  58-59
  6.5 基于IAGA 的3D 动漫群体造型协同创新设计方法  59-64
    6.5.1 M-IAGA 方法概述  59-61
    6.5.2 群体造型设计过程  61-64
  6.6 基于INSGA2 的3D 动漫角色造型协同创新设计方法  64-68
    6.6.1 M-INSGA2 方法概述  64-67
    6.6.2 角色造型设计实例  67-68
  6.7 小结  68-70
第七章 3D 动漫造型协同创新设计原型系统  70-79
  7.1 引言  70
  7.2 系统设计  70-73
  7.3 系统数据管理  73-74
  7.4 系统安全与维护  74
  7.5 造型设计实例展示  74-78
    7.5.1 稻草人  75
    7.5.2 泳镜男孩  75-76
    7.5.3 可爱的小姑娘  76-77
    7.5.4 机器猫  77
    7.5.5 卡通兔子  77-78
    7.5.6 卡通小猪  78
    7.5.7 卡通女精灵  78
    7.5.8 卡通男精灵  78
  7.6 小结  78-79
第八章总结与展望  79-82
  8.1 总结  79-81
  8.2 展望  81-82
参考文献  82-85
攻读硕士学位期间的主要成果  85-87
致谢  87-88

遗传算法及其在3D动漫造型设计中的应用研究

内容摘要

全文目录

相似论文