[發(fā)明專利]基于魚群和神經(jīng)網(wǎng)絡(luò)混合算法的機(jī)構(gòu)運(yùn)動鏈同構(gòu)識別方法

在審

• 申請?zhí)枺?/td>: 202210420279.3
• 申請日: 2022-04-21
• 公開（公告）號: CN114912566A
• 公開（公告）日: 2022-08-16
• 發(fā)明（設(shè)計(jì)）人: 楊平;韓帥
• 申請（專利權(quán)）人: 江蘇大學(xué)
• 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(chǎn)權(quán)代理有限公司 32382
• 代理人: 張明明

本發(fā)明公開一種基于魚群和神經(jīng)網(wǎng)絡(luò)混合算法的機(jī)構(gòu)運(yùn)動鏈同構(gòu)識別方法，將兩種運(yùn)動鏈的拓?fù)浣Y(jié)構(gòu)轉(zhuǎn)化為鄰接矩陣A和B，對拓?fù)浣Y(jié)構(gòu)中的頂點(diǎn)按行向量編碼，將每個行向量作為一條人工魚，根據(jù)鄰接矩陣為A和B計(jì)算出人工魚的食物濃度F_k，對人工魚執(zhí)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(gòu)，更新公告板直至得到公告板上最優(yōu)值，對公告板上最優(yōu)值對應(yīng)的人工魚群狀態(tài)解碼，得到矩陣H；以矩陣H作為Hopfield網(wǎng)絡(luò)狀態(tài)的輸入，計(jì)算出網(wǎng)絡(luò)輸出，根據(jù)網(wǎng)絡(luò)輸出求解網(wǎng)絡(luò)能量函數(shù)，若能量函數(shù)值趨于最小值則同構(gòu)；本發(fā)明將魚群算法全局尋優(yōu)和Hopfield神經(jīng)網(wǎng)絡(luò)算法局部尋優(yōu)相結(jié)合，運(yùn)用魚群算法快速優(yōu)選Hopfield神經(jīng)網(wǎng)絡(luò)的初態(tài)，加快網(wǎng)絡(luò)收斂速度，提高運(yùn)算效率。

技術(shù)領(lǐng)域

本發(fā)明屬于機(jī)構(gòu)設(shè)計(jì)中運(yùn)動鏈結(jié)構(gòu)同構(gòu)領(lǐng)域，是智能CAD和CAM(計(jì)算機(jī)輔助制造)的可靠同構(gòu)識別，具體是一種機(jī)械機(jī)構(gòu)運(yùn)動鏈同構(gòu)識別方法。

背景技術(shù)

機(jī)構(gòu)作為機(jī)械產(chǎn)品的重要組成部分，在產(chǎn)品創(chuàng)新設(shè)計(jì)時，總會產(chǎn)生大量的同構(gòu)運(yùn)動鏈，必須加以區(qū)分。目前，對機(jī)構(gòu)運(yùn)動鏈同構(gòu)識別方法包括基于智能優(yōu)化算法的同構(gòu)判定方法、基于特征值和特征向量的同構(gòu)判定方法、基于擬多項(xiàng)式圖同構(gòu)算法的同構(gòu)判定方法、基于運(yùn)動鏈編碼的同構(gòu)判定方法、基于哈明串的同構(gòu)判定方法等，這些方法存在的共同問題是：同構(gòu)錯誤識別概率較大，運(yùn)算復(fù)雜且時間較長。

中國專利公開號為CN103324983B、名稱為“一種基于免疫遺傳混合算法的機(jī)構(gòu)運(yùn)動鏈同構(gòu)識別方法”的文獻(xiàn)中公開的運(yùn)動鏈同構(gòu)識別方法是將免疫算子和遺傳算法相結(jié)合，雖然解決了遺傳算法容易收斂到局部最優(yōu)的問題，但是其采用的是常規(guī)的免疫算子和遺傳算法，并沒有改善收斂速度和提高正確率，可靠性仍然不高。

發(fā)明內(nèi)容

本發(fā)明的目的是為了解決現(xiàn)有機(jī)構(gòu)運(yùn)動鏈同構(gòu)識別正確率低，效率低的問題，提供一種基于魚群和神經(jīng)網(wǎng)絡(luò)混合算法的機(jī)構(gòu)運(yùn)動鏈同構(gòu)識別方法。

本發(fā)明基于魚群和神經(jīng)網(wǎng)絡(luò)混合算法的機(jī)構(gòu)運(yùn)動鏈同構(gòu)識別方法采用的技術(shù)方案：將兩種運(yùn)動鏈的拓?fù)浣Y(jié)構(gòu)轉(zhuǎn)化為鄰接矩陣A和B，還包括以下步驟：

步驟(1)：對拓?fù)浣Y(jié)構(gòu)中的頂點(diǎn)按行向量編碼，將每個行向量作為一條人工魚；

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

步驟(3)對人工魚執(zhí)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(gòu)，否則執(zhí)行步驟(4)；

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

步驟(5)：以所述的矩陣H作為Hopfield網(wǎng)絡(luò)狀態(tài)的輸入u_ws(t)，即H＝u_ws(t)，計(jì)算出網(wǎng)絡(luò)輸出v_ws(t)，根據(jù)網(wǎng)絡(luò)輸出v_ws(t)求解網(wǎng)絡(luò)能量函數(shù)E(t)，w＝1，2，...，n，s＝1，2，...，n，，n是拓?fù)浣Y(jié)構(gòu)中總構(gòu)件數(shù)；

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

進(jìn)一步地，所述的食物濃度，矩陣P＝Q^TAQ，Q為初等矩陣，T為矩陣轉(zhuǎn)置，i，j分別是矩陣P和B的行和列。

進(jìn)一步地，所述的網(wǎng)絡(luò)輸出t表示時刻，u_ws(t)表示神經(jīng)元在t時刻所處的狀態(tài)，u₀為決定斜率的正常數(shù)，神經(jīng)元的激活函數(shù)選用雙曲正切函數(shù)tanh(.)。

本發(fā)明采用上述技術(shù)方案后的有益效果是：