機構(gòu)運動鏈同構(gòu)識別問題在機構(gòu)創(chuàng)新設(shè)計、智能CAD系統(tǒng)中有著廣泛的應(yīng)用價值,但卻又是困擾人類已久的難題,該問題已經(jīng)被證明是NP難問題,至今沒有最有效的解決方案,因此尋找更好的同構(gòu)識別方法,成為國內(nèi)外學者研究的熱點。本文所論述的方法,將機構(gòu)運動鏈中的構(gòu)件用節(jié)點代表,運動副用邊代表,這樣就可以將運動鏈唯一地轉(zhuǎn)化為機構(gòu)拓撲圖,根據(jù)圖論原理,拓撲圖和它的鄰接矩陣是一一對應(yīng)的,這樣一個運動鏈就可以由一個鄰接矩陣唯一表示。在圖論中,如果兩個拓撲圖同構(gòu),則它們對應(yīng)的鄰接矩陣可以相互轉(zhuǎn)換,即一個矩陣經(jīng)過諾干次同時交換相同的行和列以后,可以轉(zhuǎn)換為另一個矩陣。因此,如果兩個運動鏈同構(gòu),與它們對應(yīng)的鄰接矩陣就能相互轉(zhuǎn)換,否則不能相互轉(zhuǎn)化;圖論知識已經(jīng)證明它們互為充分必要條件,因此,如果兩個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)造目標函數(shù),判定運動鏈同構(gòu)。本文所構(gòu)造目標函數(shù)的解空間龐大,而且隨著運動鏈的構(gòu)件數(shù)量的增多,解空間規(guī)模成級數(shù)增長,因此如何迅速地找到最優(yōu)解成了解決問題的關(guān)鍵所在。本文采用混合人工免疫算法來優(yōu)化尋找最優(yōu)解過程。人工免疫算法是近年來備受關(guān)注的智能優(yōu)化算法,已被成功的應(yīng)用在... 

【文章來源】：江蘇大學江蘇省

【文章頁數(shù)】：69 頁

【學位級別】：碩士

【部分圖文】：

克隆選擇過程示意圖

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)之間的對應(yīng)關(guān)系如表3.1所示。抗抗原識別 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，在解決諸如模式識別等較為復(fù)雜的機器學習任務(wù)方面，帶克隆選擇的人工免疫算法能力更強〔洲，因此本文采用克隆選擇免疫算法優(yōu)化在同構(gòu)識別目標函數(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。余余和度計算 算 輸輸忠結(jié)果果抗抗抗抗抗抗 抗抗體濃度計算算 !!!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步驟:17

【參考文獻】：
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.  模式識別與人工智能. 2000(01)
[2]機械創(chuàng)新設(shè)計及其研究[J]. 沈惠平.  機械科學與技術(shù). 1997(05)



本文編號：3618749