Comments 7
Интересно.
Есть ли какой-то способ априорно знать, какие (по номерам) точки являются соседними для объединения в треугольники?
Есть ли какой-то способ априорно знать, какие (по номерам) точки являются соседними для объединения в треугольники?
Интересная статья, спасибо! Хотелось бы:
а) Примеров задач где это необходимо. Навскидку приходит в голову разбиение для построения расчетной сетки для решения дифференциальных уравнений, но там важнее скорее чтобы не было «плохих» ячеек, а плюс-минус несколько (десятков) штук туда-сюда обычно роли не играют.
б) Хорошо бы ввести базовую терминологию, кто такие эти «ближайшие соседи», «наложение сохраняет площадь, но не расстояние» — о какой площади и расстояниях идет речь, и т.п…
Тогда информацию можно будет как-то использовать.
а) Примеров задач где это необходимо. Навскидку приходит в голову разбиение для построения расчетной сетки для решения дифференциальных уравнений, но там важнее скорее чтобы не было «плохих» ячеек, а плюс-минус несколько (десятков) штук туда-сюда обычно роли не играют.
б) Хорошо бы ввести базовую терминологию, кто такие эти «ближайшие соседи», «наложение сохраняет площадь, но не расстояние» — о какой площади и расстояниях идет речь, и т.п…
Тогда информацию можно будет как-то использовать.
В качестве применения, мне кажется, может быть моделирование каких-то кристаллов, или структур типа фуллеренов. То есть мы сначала задаём координаты атомов по вот этому правилу распределения на сфере, а потом запускаем процесс оптимизации и смотрим, как структура поведёт себя — будет держаться в устойчивом состоянии или схлопнется/разлетится.
Вообще, когда я прочитал заголовок, мне показалось, что задача-то не сложная и решена самой природой для распределения электрического заряда на металлическом шаре. Просто заложить закон Кулона и точки распределяться. Для оптимизации вычислений можно, например, не считать нормальную составляющую, нам же главное на поверхности всё распределить, а не вообще в пространстве.
Наверное можно разные потенциалы закладывать — не обязательно Кулоновский. Но кстати вопрос — получим ли мы а) «хорошее» распределение, б) устойчивое?
И сколько времени будем строить — надо же чтобы каждая точка провзаимодействовала с каждой. В природе это происходит одновременно, а на компе считаться будет весьма не быстро. Ну а так наверное хорошая задачка для студента.
И сколько времени будем строить — надо же чтобы каждая точка провзаимодействовала с каждой. В природе это происходит одновременно, а на компе считаться будет весьма не быстро. Ну а так наверное хорошая задачка для студента.
Да, я понимаю, что можно различный потенцал закладывать. Просто дал пример, как это сделано в природе. А впоросы действительно правильные. Собственно я и сказазл, что идея возникла после прочтения заголовка, а когда почитал статью, то возникли вопросы, а получится ли такая модель. Может так решаются частные случаи, а в каких-то случаях получается неустойчивое решение, где точка будет перескакивать с одного места на другое.
3D модели же. Построение наиболее ровной сферы при минимальном числе полигонов. Меньше полигонов — меньше памяти жрет, легче обсчитывать и тд.
Sign up to leave a comment.
Повышаем эффективность распределения точек на сфере