常方敏 李素敏

摘? 要： 針對最小二乘算法在處理坐標(biāo)轉(zhuǎn)換存在準(zhǔn)則單一這一問題，本文提出一種思想，將和聲搜索算法加入最小二乘坐標(biāo)轉(zhuǎn)換模型中，從而使傳統(tǒng)坐標(biāo)轉(zhuǎn)換這一P類問題，轉(zhuǎn)換為NP類問題。通過不斷迭代使其結(jié)果趨近于所設(shè)定的函數(shù)解，從而實(shí)現(xiàn)解的多樣性。本文以方向精度最優(yōu)為例，分別采用模擬數(shù)據(jù)和實(shí)測點(diǎn)云數(shù)據(jù)來驗(yàn)證本文思想。結(jié)果表明，在求某一方向精度時將和聲搜索算法加入模型中會提高方向精度，加權(quán)后也可以保證其垂直方向一定的精度。

關(guān)鍵詞： 和聲搜索算法;坐標(biāo)轉(zhuǎn)換;方向精度;坐標(biāo)轉(zhuǎn)換準(zhǔn)則

中圖分類號： P228? ? 文獻(xiàn)標(biāo)識碼： A? ? DOI：10.3969/j.issn.1003-6970.2020.10.027

本文著錄格式：常方敏，李素敏. 和聲搜索算法在坐標(biāo)轉(zhuǎn)換中的應(yīng)用[J]. 軟件，2020，41（10）：109113

【Abstract】： Aiming at the problem that the least squares algorithm has a single criterion when dealing with coordinate transformation， this paper proposes an idea to add an intelligent optimization algorithm to the least square coordinate transformation model， so that the traditional polynomial problem of coordinate transformation is converted to the Non-polynomial problem. Through continuous iteration， the results approach the set function solution， so as to realize the diversity of the solution. In this paper， taking the best direction accuracy as an example， the simulation data and the measured point cloud data are used to verify the idea of this paper. The results show that HS algorithm is added to the model， the direction accuracy can be improved， and the vertical direction accuracy can be guaranteed after weighting.

【Key words】： Harmony search algorithm; Coordinate transformation; Direction accuracy; Coordinate transformation criterion

0? 引言

在2001年，Zong W G等[1]提出了一種新穎的啟發(fā)式智能優(yōu)化算法——和聲搜索（Harmony Search，HS）算法，由于該算法操作簡單，收斂性與初始值無關(guān)，具備一定魯棒性并且可以避免陷入局部最優(yōu)等優(yōu)點(diǎn)，因此近年來HS應(yīng)用在各個領(lǐng)域，例如：穩(wěn)健大地測量[2]、地下水位的長期預(yù)測[3]、斜坡堤護(hù)面塊體[4]等等。

傳統(tǒng)的最小二乘（Least Square，LS）算法在用于坐標(biāo)轉(zhuǎn)換模型存在一定的缺陷[5]。文獻(xiàn)[6]在坐標(biāo)轉(zhuǎn)換模型中引入基準(zhǔn)旋轉(zhuǎn)中心，解決轉(zhuǎn)換系數(shù)矩陣病態(tài)的問題。文獻(xiàn)[7]提出基于單位四元數(shù)的任意旋轉(zhuǎn)角度的三維坐標(biāo)轉(zhuǎn)換，解決了大角度轉(zhuǎn)換的問題。文獻(xiàn)[8]采用選權(quán)迭代的總體最小二乘算法，通過降低粗差的權(quán)重，從而得到更高精度轉(zhuǎn)換參數(shù)。文獻(xiàn)[9]在加權(quán)總體最小二乘的坐標(biāo)轉(zhuǎn)換模型中加入驗(yàn)后估計，解決了加權(quán)總體最小二乘單位權(quán)方差不同的問題。以上文獻(xiàn)分別從LS坐標(biāo)轉(zhuǎn)換模型不同角度的缺陷出發(fā)，解決了一些基于LS坐標(biāo)轉(zhuǎn)換的問題。

本文從另一角度出發(fā)，引入啟發(fā)式智能優(yōu)化算法，將坐標(biāo)轉(zhuǎn)換這一確定性問題即P類問題轉(zhuǎn)換為NP類問題，從而實(shí)現(xiàn)不同的優(yōu)化準(zhǔn)則，即解決坐標(biāo)轉(zhuǎn)換模型轉(zhuǎn)換準(zhǔn)則單一這一問題。本文將和聲搜索算法，這一智能算法加入坐標(biāo)轉(zhuǎn)換模型中，以某一方向精度最優(yōu)為例，通過模擬數(shù)據(jù)和點(diǎn)云數(shù)據(jù)進(jìn)行對比實(shí)驗(yàn)從而驗(yàn)證本文思想。

1? 基本理論與流程

1.1? 和聲最小二乘算法基本理論

HS算法是類比樂師反復(fù)調(diào)整不同樂器達(dá)到最優(yōu)美和聲這一過程。和聲創(chuàng)作過程的音樂元素與對應(yīng)數(shù)學(xué)關(guān)系如表1所示，即將最優(yōu)美和聲類比于最優(yōu)解。每一個樂器的聲音Ri（i=1，2，…，n）類比于每個解向量Xi （i=1，2，…，n），樂器的和聲類比于函數(shù)解的值，其最優(yōu)美和聲對應(yīng)的是需要求得的最優(yōu)解。其中和聲搜索算法包含以下幾個初始變量[1]：和聲記憶庫（HM）、和聲記憶庫的大小（HMS）、和聲記憶庫的取值概率（HMCR）、音調(diào)微調(diào)概率（PAR）、音調(diào)微調(diào)步長（bw）。關(guān)于標(biāo)準(zhǔn)和聲搜索算法的詳細(xì)操作流程，請參見文獻(xiàn)[1]。

1.2? 本文算法的基本理論

基于LS算法布爾莎七參數(shù)模型方程為：

其中為目標(biāo)坐標(biāo)系下的坐標(biāo);為原坐標(biāo)系下的坐標(biāo);為平移參數(shù);、、分別為坐標(biāo)系繞X、Y、Z軸旋轉(zhuǎn)的矩陣;m為原坐標(biāo)系到目標(biāo)坐標(biāo)系的尺度參數(shù)，通過模型方程，基于最小二乘計算準(zhǔn)則便可得到七參數(shù)，進(jìn)而通過七參數(shù)實(shí)現(xiàn)坐標(biāo)轉(zhuǎn)換。

HS并不能直接加入坐標(biāo)轉(zhuǎn)換模型中，因此本文對傳統(tǒng)的HS算法進(jìn)形了適當(dāng)?shù)恼{(diào)整，從而使其可以結(jié)合LS算法應(yīng)用于坐標(biāo)轉(zhuǎn)換模型中。對HS的調(diào)整如下：