【智能算法】随机油漆优化算法（SPO）原理及实现

在这里插入图片描述

1.背景

2022年，A Kaveh等人受到绘画艺术启发，提出了减法平均优化器（Stochastic Paint Optimizer，SPO）。

2.算法原理

2.1算法思想

SPO将搜索空间模拟为画布，并应用不同的颜色组合来寻找最佳颜色。四个简单的颜色组合规则，不需要任何内部参数，为SPO提供了很好的探索和利用。（PS：RGB空间三原色（红、绿、蓝）可以组合出不同颜色，论文这里才用四种基底）
在这里插入图片描述

2.2算法过程

SPO主要步骤包括创建初始油漆、油漆聚类、油漆组合和停止控制。搜索空间被指定为画布，并绘制为包含一些颜色作为设计变量的解决方案。根据其相应的美丽指数(目标函数值)对涂料进行评价和排序。任何应用于画布上的新颜色都是作品感知的组成部分。因此，每种颜色都有其等级(值)根据色轮类别原色(最好)，次色(好)和第三色(最差)。

模拟组合技术

在形成模拟色时，选择一种颜色作为主导色，另一种作为支撑色，最后一种作为重音色。新的颜色可以用另外三种颜色定义：
$C_{\text{new,}1}=C_i+\text{rand.}(C_{i+1}-C_{i-1})\tag{1}$
在这里插入图片描述

互补组合技术

在轮盘上彼此相对的颜色被称为互补色，互补色的高对比度，特别是在最大饱和度下使用时，产生生动的外观。这种技术结合了两种相反的颜色(比如说最好的和最差的)，并将它们添加到现有的颜色：
$C_{\mathrm{new},2}=C_i+\mathrm{rand}.(C_{\mathrm{Pi}}-C_{\mathrm{Ti}})\tag{2}$
该技术试图将现有的解决方案推向最佳解决方案，而远离最差解决方案。
在这里插入图片描述
三元组合技术

利用三种颜色的一部分平均值和整个主色来创建新颜色:
$C_{new,3}=C_i+\mathrm{rand.}\left(\frac{C_{\mathrm{Pi}}+\mathrm{C_{Si}}+C_{\mathrm{Ti}}}3\right)\tag{3}$
该技术通过将颜色的不同状态进行组合，以创建新的解。其中，最优解、中间解和最差解的均值被用来生成新的解。
在这里插入图片描述
四元组合技术

这种技术将四种颜色分组为两对互补的矩形或四色，提供了丰富的配色方案。在这种技术中，如果一种颜色占主导地位，配色方案效果会更好。该技术需要四种颜色类别，其中三个可以从三个预定义的类别中选择，而最后一个需要定义。这种技术旨在提供一个强大的随机搜索，以帮助算法避免陷入局部解决方案。
$C_{\mathrm{new,4}}=C_{i}+(\mathrm{rand}_{1}.C_{\mathrm{Pi}}+\mathrm{rand}_{2}.C_{\mathrm{Ti}}+\mathrm{rand}_{3}.C_{\mathrm{Si}}+\mathrm{rand}_{4}.C_{\mathrm{rand}})/4\tag{4}$
在这里插入图片描述

伪代码
在这里插入图片描述
流程图

3.结果展示

在这里插入图片描述

4.参考文献

[1] Kaveh A, Talatahari S, Khodadadi N. Stochastic paint optimizer: theory and application in civil engineering[J]. Engineering with Computers, 2022: 1-32.

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.mzph.cn/news/804742.shtml

如若内容造成侵权/违法违规/事实不符，请联系多彩编程网进行投诉反馈email:809451989@qq.com，一经查实，立即删除！