機(jī)構(gòu)運(yùn)動(dòng)鏈同構(gòu)識(shí)別問(wèn)題在機(jī)構(gòu)創(chuàng)新設(shè)計(jì)、智能CAD系統(tǒng)中有著廣泛的應(yīng)用價(jià)值,但卻又是困擾人類(lèi)已久的難題,該問(wèn)題已經(jīng)被證明是NP難問(wèn)題,至今沒(méi)有最有效的解決方案,因此尋找更好的同構(gòu)識(shí)別方法,成為國(guó)內(nèi)外學(xué)者研究的熱點(diǎn)。本文所論述的方法,將機(jī)構(gòu)運(yùn)動(dòng)鏈中的構(gòu)件用節(jié)點(diǎn)代表,運(yùn)動(dòng)副用邊代表,這樣就可以將運(yùn)動(dòng)鏈唯一地轉(zhuǎn)化為機(jī)構(gòu)拓?fù)鋱D,根據(jù)圖論原理,拓?fù)鋱D和它的鄰接矩陣是一一對(duì)應(yīng)的,這樣一個(gè)運(yùn)動(dòng)鏈就可以由一個(gè)鄰接矩陣唯一表示。在圖論中,如果兩個(gè)拓?fù)鋱D同構(gòu),則它們對(duì)應(yīng)的鄰接矩陣可以相互轉(zhuǎn)換,即一個(gè)矩陣經(jīng)過(guò)諾干次同時(shí)交換相同的行和列以后,可以轉(zhuǎn)換為另一個(gè)矩陣。因此,如果兩個(gè)運(yùn)動(dòng)鏈同構(gòu),與它們對(duì)應(yīng)的鄰接矩陣就能相互轉(zhuǎn)換,否則不能相互轉(zhuǎn)化;圖論知識(shí)已經(jīng)證明它們互為充分必要條件,因此,如果兩個(gè)圖的鄰接矩陣可以相互轉(zhuǎn)換,則兩圖同構(gòu)。本文根據(jù)這一原理,構(gòu)造目標(biāo)函數(shù),判定運(yùn)動(dòng)鏈同構(gòu)。本文所構(gòu)造目標(biāo)函數(shù)的解空間龐大,而且隨著運(yùn)動(dòng)鏈的構(gòu)件數(shù)量的增多,解空間規(guī)模成級(jí)數(shù)增長(zhǎng),因此如何迅速地找到最優(yōu)解成了解決問(wèn)題的關(guān)鍵所在。本文采用混合人工免疫算法來(lái)優(yōu)化尋找最優(yōu)解過(guò)程。人工免疫算法是近年來(lái)備受關(guān)注的智能優(yōu)化算法,已被成功的應(yīng)用在... 

【文章來(lái)源】：江蘇大學(xué)江蘇省

【文章頁(yè)數(shù)】：69 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

克隆選擇過(guò)程示意圖

步驟6:新抗體產(chǎn)生。該步驟按照一定規(guī)則更新種群，擴(kuò)大了搜索廣度。以上步驟中，步驟3至步驟6需要迭代執(zhí)行，直到滿足終止條件為止。整個(gè)流程如圖3.3所示。免疫優(yōu)化算法與免疫系統(tǒng)之間的對(duì)應(yīng)關(guān)系如表3.1所示。抗抗原識(shí)別 別 初初始抗體產(chǎn)產(chǎn)t毛 毛 抗抗體I變敏 敏 物物出結(jié)果果新新抗體，伙付 :...圖3.3免疫優(yōu)化算法流程圖瑰 .3.3Thefiowch斌of斌訪 eialimmunealgorithm

上一節(jié)提到克隆選擇原理，在解決諸如模式識(shí)別等較為復(fù)雜的機(jī)器學(xué)習(xí)任務(wù)方面，帶克隆選擇的人工免疫算法能力更強(qiáng)〔洲，因此本文采用克隆選擇免疫算法優(yōu)化在同構(gòu)識(shí)別目標(biāo)函數(shù)下尋找最優(yōu)值。克隆選擇免疫算法的流程圖如圖3.4所示。余余和度計(jì)算 算 輸輸忠結(jié)果果抗抗抗抗抗抗 抗抗體濃度計(jì)算算 !!!二t+班 班 班班班班班班班班 縣縣‘“‘作作作作作 作 免 免免疫選擇 擇 擇 充充充隆、變異、克隆抑制制 制 圖3.4克隆選擇免疫算法流程圖 Fig.3.4Tbeflowchartofthedonaiimm皿 ealgorithm由圖3.4可以看出，克隆選擇免疫算法分為以下幾個(gè)步驟:17

【參考文獻(xiàn)】：
期刊論文
[1]人工免疫系統(tǒng):理論與應(yīng)用[J]. 丁永生,任立紅.  模式識(shí)別與人工智能. 2000(01)
[2]機(jī)械創(chuàng)新設(shè)計(jì)及其研究[J]. 沈惠平.  機(jī)械科學(xué)與技術(shù). 1997(05)



本文編號(hào)：3618749