[發明專利]基于魚群和神經網絡混合算法的機構運動鏈同構識別方法

在審

• 申請號: 202210420279.3
• 申請日: 2022-04-21
• 公開（公告）號: CN114912566A
• 公開（公告）日: 2022-08-16
• 發明（設計）人: 楊平;韓帥
• 申請（專利權）人: 江蘇大學
• 主分類號: G06N3/00
• 分類號: G06N3/00;G06N3/04
• 代理公司: 南京智造力知識產權代理有限公司 32382
• 代理人: 張明明

1.一種基于魚群和神經網絡混合算法的機構運動鏈同構識別方法，將兩種運動鏈的拓撲結構轉化為鄰接矩陣A和B，其特征是包括以下步驟：

步驟(1)：對拓撲結構中的頂點按行向量編碼，將每個行向量作為一條人工魚；

步驟(2)：根據所述的鄰接矩陣為A和B計算出人工魚的食物濃度F_k，取食物濃度F_k的最小值進入公告板；

步驟(3)對人工魚執行聚群、追尾、覓食，此過程中若有食物濃度F_k＝0，則兩圖同構，否則執行步驟(4)；

步驟(4)：更新公告板直至得到公告板上最優值，對公告板上最優值對應的人工魚群狀態解碼，得到矩陣H；

步驟(5)：以所述的矩陣H作為Hopfield網絡狀態的輸入u_ws(t)，即H＝u_ws(t)，計算出網絡輸出v_ws(t)，根據網絡輸出v_ws(t)求解網絡能量函數E(t)，w＝1，2，...，n，s＝1，2，...，n，，n是拓撲結構中總構件數；

步驟(6)：判斷能量函數E(t)的值是否趨于最小值0，若是，則同構，否則，不同構。

2.根據權利要求1所述的基于魚群和神經網絡混合算法的機構運動鏈同構識別方法，其特征是：步驟(2)中，所述的食物濃度矩陣P＝Q^TAQ，Q為初等矩陣，T為矩陣轉置，i，j分別是矩陣P和B的行和列。

3.根據權利要求2所述的基于魚群和神經網絡混合算法的機構運動鏈同構識別方法，其特征是：步驟(3)中，聚群時，如果滿足：n_f·F_C＞δ·F_k，則向魚群中心位置X_c的方向前進一步，反之則覓食；第k+1個人工魚的當前位置狀態n_f為人工魚探索當前鄰域內的伙伴數目，F_C為處于中心位置的人工魚的食物濃度，δ為擁擠度因子，F_k是當前第k條人工魚的食物濃度，Rand為一個(0，1)的隨機數。

4.根據權利要求3所述的基于魚群和神經網絡混合算法的機構運動鏈同構識別方法，其特征是：步驟(3)中，追尾時，如果滿足：n_f·F_best＜δ·F_k，向魚群最優位置X_best方向前進一步，反之則覓食；

5.根據權利要求4所述的基于魚群和神經網絡混合算法的機構運動鏈同構識別方法，其特征是：步驟(3)中，覓食時，若滿足：F_k＜F_q，F_q為處于其視野范圍內的第q條人工魚的食物濃度，則向該方向前進一步。

6.根據權利要求1所述的基于魚群和神經網絡混合算法的機構運動鏈同構識別方法，其特征是：步驟(3)的覓食之后，當前人工魚對應的矩陣進行隨機的行列變化。

7.根據權利要求1所述的基于魚群和神經網絡混合算法的機構運動鏈同構識別方法，其特征是：步驟(5)中，所述的網絡輸出t表示時刻，u_ws(t)表示神經元在t時刻所處的狀態，u₀為決定斜率的正常數，神經元的激活函數選用雙曲正切函數tanh(.)。

8.根據權利要求7所述的基于魚群和神經網絡混合算法的機構運動鏈同構識別方法，其特征是：步驟(5)中，所述的網絡能量函數E(t)＝E₁(t)+E₂(t)+E₃(t)，其中，

R、S、D為懲罰因子，(a_wz)_n×n和(b_sy)_n×n為所述的鄰接矩陣A和B中的元素。