排料问题

把一大堆动画序列或场景图层图片放到n张1024*1024或1024*512或512*10l4中去的空图片中去，要求省料的排法

其目的是:1.节约内存空间,2.减少纹理渲染的次数，可以参看TexturePacker的介绍

 

 

要做两种方案

一种是图片不可旋转的方案

另一种是图片可以90度旋转的方案，例如

 

 

我在项目中的实际应用，测试的效果：

 

矩形排料

矩形排料问题可以用与或树来描述，排料问题其实就是个二叉树搜索的问题，找到一棵面积比率最大的树

下图是列举某一步会出现的全部可能性

 

可能性太多，所以遍历全部排列组合是不可能的。

动态规划用的是启发式算法，启发值设置是个关键点。启发值可以是当前一轮最好的元素优先，也可以是接近最好元素长度、宽度或长宽比例的优先。到底哪个最好，就要实际去测试了。

 

我举个例子，比如有A、B、C、D、E，一共5张图片，每张图都有一个分数，开始都是10分，这个分数叫“信息素”

第一轮排料，我们随机抽取图片并填满画布，一共放三次(可以想像成三只蚂蚁)

第一次放满(蚂蚁1)：A、B、C，剩余300像素

第二次放满(蚂蚁2)：C、D、E，剩余100像素

第三次放满(蚂蚁3)：A、E，剩余200像素

 

分析第一轮的结果，蚂蚁2的排法是最好的(叫最优蚂蚁)，那么我们给它排的C、D、E这三张图片都奖励5分(局部更新)，这时的分数如下：

A=10分、B=10分、C=15分、D=15分、E=15分

 

到了第二轮，要先把每张图片的分数减2(全局更新)，象征着信息素的挥发(这和人的记忆遗忘是一个道理)，好处是避免陷入局部最优解：

A=8分、B=8分、C=13分、D=13分、E=13分

 

然后第二轮的随机，就要参考这些分数了。分多的，被抽中的概率自然就高，和轮盘赌是一个道理。

之后的每一轮都这样处理，直到最后的剩余像素收敛到一个很小的值为止。

 

从蚁群算法的描述上看，其实也是按照某种优胜劣汰的原则来做随机选择的。

 

 

遗传算法的整体思路也是差不多，也是要分很多轮(很多代)，每一轮也要用轮盘赌的选择法(优胜劣汰)。只是中间的细节有所不同。

其它算法

如果图片太多，又很零碎，而画布很大，要求以很快的速度排完，不必太过省料，那么动态规划就不适合了。

可这往往是实际的需求，所以还有一些其它的算法也很实用，最常用的是MaxRects(最大矩形)算法。

 

这是最简单的：书架排法 - 按图片高度从左到右依次排下去。如果你的图片都差不多高，这种排法可能是最好的。

 

切纸机排法 - 分横竖两种选择，在这两种选择中选一个最合适的

 

 

最大矩形 - 在所有形成的最大矩形中找一个最合适的

 

转载于:https://www.cnblogs.com/whee/p/8029498.html