计算机图形学入门GAMES103——布料模拟约束（PD方法）

由于PBD的方法是直接根据约束来调整顶点的位置，本身并不具有太多的物理含义，因此如何使用不同的方式来利用约束是今天人们一直在研究的方向

PD模型（projective Dynamics）该模型和PBD有很多的相似之处，但区别也很明显，主要体现在，我们用约束做什么

PBD模型的主要优势在于内存开销少，因为只需要访问顶点的位置

PD模型的主要优势在于具有物理含义，在cpu上速度比较快，但在GPU上优势不大

PDB——直接通过约束来修改位置

PD——使用约束重新构造一个新的能量函数

如上图所示，对每一个边来说，也就是spring来说，我们通过约束得到新的位置，不直接使用，而是将其用来构造一个能量函数，由于新的位置差值肯定为原长（约束），方向肯定为边的方向，最后我们可以得到的是一个近似于弹簧的能量方程，也就是我们将新的位置这个变量作为了能量函数的一个中间结果，我们也就拥有了能量对x的一个二阶函数，根据这个能量求导我就能算出来力fi（其中有一个假设是新的位置x_i^new和x_i没有关系）

可以得出：

与上面的结论类似，最后也是和弹簧的力方程是一致的，也就是说我们所做了这么多的东西，最后其实和我们使用物理的方法模拟弹簧是一样的，我们所做的无非是在其中加入了一个中间变量，也就是通过约束算出的新的顶点位置，然后用这个顶点位置来构造了能量和力，那么这么做的意义在哪？

主要的目的在于我们会得出不同的Hessian矩阵：

回顾：Hessian矩阵，所谓的Hessian矩阵是是一个多变量函数的二阶偏导数构成的方阵。对于一个有n个变量的函数f(x1​,x2​,…,xn​)，它的Hessian矩阵定义为：

一般来说在物理模拟中，这个函数就是能量函数，也就是说hessian矩阵式是能量函数对多个顶点的二阶偏导数构成的矩阵

作用举例：

1. 稳定性分析：通过分析Hessian矩阵的特征值，我们可以判断系统的稳定性。如果所有特征值都是正的，那么该点是局部最小点，系统在这个配置下是稳定的

2. 模拟精确度：在迭代优化或时间积分过程中，Hessian矩阵可以帮助我们更精确地预测系统的行为。这在处理复杂的动态场景时尤其重要

3. 速度和效率：虽然计算Hessian矩阵可能较为复杂和耗时，但它可以提供关于如何有效调整参数（比如弹簧的刚度或阻尼）的重要信息，从而优化整个系统的性能

对于PD模型就有

其中最后我们所得出的hessian矩阵为一个常数矩阵，这就是该方法的关键 

该方法的模拟方式和传统的使用隐式积分的方法类似（牛顿法），无非是多了一步用于计算投影，当我们拥有常数的hessian矩阵的时候，我们就可以使用直接法，因为只需要对A分解一次

与原弹簧系统的方法比较，传统方法需要计算真正的Hessian矩阵，需要使用到位置