專利名稱：：基于偽雜交混合遺傳算法的機構運動鏈同構識別方法
技術領域：
：本發(fā)明涉及機構運動鏈同構識別方法，特指一種用于機構創(chuàng)新設計及智能CAD中機構運動鏈同構識別方法。
背景技術：
：由于運動鏈同構識別應用的廣泛性和在機構創(chuàng)新設計及智能CAD中的重要地位，近半個世紀以來，專家和學者提出了很多種機構運動鏈同構識別方法，大致可分為如下幾大類1、基于鄰接矩陣特征多項式的同構判定方法。2、基于編碼的同構判定方法。3、基于哈明串的同構判定。4、基于特征值和特征向量的同構判定方法。上述各方法在應用中，機構運動鏈同構識別中出現誤識、漏識的概率較大，可靠性較差，并且隨著運動鏈構件的增多，識別的時間耗費嚴重，效率很低，具體表現為1、基于特征多項式法的同構判別方法以特征多項式作為指標來判別同構僅僅只是同構判別的必要條件而非充分條件，這必然導致很多失效的反例；并且這種方法的另外一個不足是其不可以編碼。2、基于編碼的同構判別方法從理論上來說具有編碼唯一性和可解碼性的優(yōu)點，并且可以用此來對運動鏈進行拓撲分類。但是到目前為止，大多數被提出的方法都只能有效判別10桿以內的運動鏈。3、基于哈明碼的同構判別方法的失效性已成為事實，而且在什么情況下一階哈明串的判別方法失效還是未知，而二階哈明串的計算量則很大。4、基于特征值和特征向量的同構識別方法在出現相同的特征值時，尋找兩圖特征向量的一一對應關系是十分復雜的，并且這種方法也不是基于編碼的方法。
發(fā)明內容本發(fā)明的目的是為克服已有的設計方法的缺陷、解決現有機構創(chuàng)新設計、機構同構識別效率低的問題、一步促使機構創(chuàng)新設計向高效及低成本的方向發(fā)展而提供一種基于偽雜交混合遺傳算法的機構運動鏈同構識別方法。本發(fā)明技術方案是依次采用如下步驟1)根據機構運動鏈的結構形成其對應的機構拓撲圖；2)根據機構拓撲圖設定鄰接矩陣的遺傳編碼；3)取待判定的兩機構拓撲圖鄰接矩陣確定目標函數，計算每個個體的目標函數值和適應度；4)采用偽雜交算子，在隨機產生的群體中隨機選取兩個個體，隨機產生兩個雜交點進行空中擴展；從擴展生成的中間種群中選擇兩個個體進行初步局部尋優(yōu)；5)結合局部搜索算子形成偽雜交混^t傳算法，進行機構運動鏈同構識別的運,仿真。本發(fā)明的有益效果是1、本發(fā)明基于遺傳算法，確立明確的目標函數，構成同構判別的充分必要條件，并借助了遺傳算法易于計算機編碼的特征，克服了基于特征多項式法的同構判別方法的缺點。2、本發(fā)明不但具有編碼唯一性和可解碼性的優(yōu)點，而且能對15桿運動鏈，甚至20桿運動鏈進行高效、準確的同構判別，從而克服了基于編碼的同構判別方法的缺點。3、本發(fā)明對20桿以內的同構識別效果最佳，克服了基于哈明碼的同構判別方法的失效性的缺點。4、本發(fā)明的算法省去了尋找特征向量一一對應關系這一復雜繁瑣的過程，只需迭代重復計算目標函數即可，而且本發(fā)明提出的方法易于編碼，從而克服了基于特征值和特征向量的同構識別方法在出現相同的特征值時尋找兩圖特征向量的一一對應關系十分復雜的缺點。5、本發(fā)明提出了偽雜交算子，預雜交的兩個個體相互根據對方的元素排列信息重新對自身的元素進行排列，而不是實際的交叉，這一算子不但能避免個體中元素重復，而且包含了空間拓展和局部搜索的功能。圖l為本發(fā)明的流程示意圖。圖2為兩種10桿同構運動鏈及對應的拓撲圖，其中圖2(a)為一種10桿同構運動鏈，圖2(b)為另一種10桿同構運動鏈，圖2(c)為圖2(a)對應的機構拓撲圖，圖2(d)為圖2(b)對應的機構拓撲圖。具體實施例方式如圖l-2所示，本發(fā)明的實施步驟如下(1)遺傳編碼根據機構運動鏈的結構可形成其對應的機構拓撲圖，如圖2(c)為圖2(a)對應的機構拓撲圖G2。這兩機構拓撲圖G1、G2中的頂點都有標號，而且是可以改變的。根據機構拓撲圖可設定鄰接矩陣的遺傳編碼，當給圖中頂點賦予一組標號時，就可以唯一確定一個鄰接矩陣；但是當交換兩個頂點的標號后，又可以唯一確定另一個鄰接矩陣。因此，頂點的一組標號序列唯一對應一個鄰接矩陣。本發(fā)明的個體為一組頂點標號序列，即1，2.....d的排列，c/為頂點數，也是個體長度，如圖2中^/=10，也是個體長度和鄰接矩陣的階數。(2)適應度函數待判定的兩個機構拓撲圖G1、G2的鄰接矩陣分別為a、S，目標函數取min/0)=ZlC(")U，式中，^為頂點數，也是個體長度，r=/^>2……/>,其中《為矩陣；c為鄰接矩陣^經過變換矩陣r進行行變換和列變換后得到的矩陣；當/0c)為0時，達到最優(yōu)值，Gl、G2同構。適應度函數取尸0)=1//(1)，,(:c)的取值在(0，1]之間，/(JC)越小，F(X)就越大；當/(1)=0時，設置F(JC)-IOO。(3)偽雜交算子本發(fā)明中個體為一組自然數的排列，排列中的元素不能重復。如果簡單地將兩個父代個體交叉，則可能會在子代個體中出現重復元素；本發(fā)明采用的是偽雜交算子能很好地避免上述缺陷，具體操作過程如下-圖l中"選擇"步驟隨機產生的群體為父代群體，在父代群體中隨機選取兩個個體x和y，并隨機產生兩個雜交點^和^(O^AS^《c0,則個體可表示為x=(X，L，、，、+1山，、—p^，L，xd)，y-(A,L,A，yj^,LJ—!，;^,L，&)先進行空間擴展，令fcc-x,0^y,",ty為替換變量，對x進行如下操作步驟l:令Z'-A+1;步驟2:令_/=0;步驟3:如果^"，則_/=_/+1，重復步驟3;步驟4:如果("y)I0t1+lW"2-1)，則轉步驟5;否則轉步驟6;步驟5:交換^和；步驟6:/=/+1，如果/=&，結束，否則轉步驟2;對y進行如下操作步驟l:令/=^+1;步驟2:令_/=0;步驟3:如果-，則_/=_/+1，重復步驟3;步驟4:如果(/-;)I(it,+1"2-1),則轉步驟5;否則轉步驟6;步驟5:交換y,.和^;步驟6:/=/+1;如果/=^，結束；否則轉步驟2;在交叉過程中，對jc和y的操作從步驟2到步驟5是并行的，此步驟采用并行方法。再進行初步局部尋優(yōu)，隨機從上部操作生成的中間種群中選擇兩個個體;c-(wL,&)和:v-"力,L，力)進行如下操作步驟l:令/=1;步驟2:如果^^/,則交換^和x力，得到x^(x,，L，、—i,、，Xw，L，、—,,、，、+,，L,&);否則轉步驟4;步驟3:若F(jc〕〉F(jc),貝ijx二x';步驟4:!'="1，如果!'>(^，則結束；否則轉步驟2。由上可知，整個交叉過程并沒有進行真正的雜交，而是一個體根據另一個體中元素排列信息改變自身元素的排列順序，因此稱為偽雜交。此過程先擴展搜索空間，后進行局部尋優(yōu)。本發(fā)明將局部搜索算子與遺傳算法及偽雜交算子結合，其中,選擇、交叉、變異為遺傳算法步驟，而交叉步驟采用偽雜交算子，然后結合局部搜索算子。本發(fā)明采用的局部搜索本質上是鄰域搜索，對于個體X:(、氣L,A)算法如下步驟l:令/=1;步驟2:令_/=1;步驟3:如果_/*/,則交換x,.和j^的位置，得到;c';否則轉步驟5;步驟4:比較x和;c'的適應度，如果f(x')〉f(;c),貝"=;步驟5:y=+l;如果y、rf(個體長度)，則轉步驟3;步驟6:=/+1;如果^rf,轉步驟2;否則結束?；谏鲜隹蓪⒈景l(fā)明算法作一個整體描述，如圖l，本發(fā)明將偽雜交遺傳算法與局部搜索算法結合，具體流程可描述如下步驟i:由式c-7^r、變換r來隨機產生一個規(guī)模為m的初始種群戶o尸；步驟2:計算每個個體的目標函數值和適應度，如果找到最優(yōu)解，則轉步驟8;步驟3:根據無回放余數隨機選擇方法選擇個體，構成交配池戶OP';步驟4:從尸O尸'中隨機選取兩個個體，執(zhí)行偽雜交算子中的第一部分，共[M《/2]次，得到中間種群CO,，其中A為雜交概率，[.]為取整函數。對CQ中的個體重復執(zhí)行偽雜交算子中的第二部分，共[A/g^/2]次，得到中間種群CO,。計算個體適應度，如果找到最優(yōu)解即F(;c)-100,則轉步驟8.如果有90%以上的個體適應度都一樣，則轉步驟8';步驟5:采用逆序變異方法，變異后得到中間種群CO,，計算適應度，如果找到最優(yōu)解尸00=100，則轉步驟8;步驟6:執(zhí)行局部搜索算子，得到更新種群C";步驟7:以CO,構成下一代種群，轉到步驟2;步驟8:找到最優(yōu)解，兩運動鏈同構；步驟8':兩運動鏈不同構。以下提供本發(fā)明的一個實施例實施例如圖2(a)、2(b)所示兩IO桿運動鏈，兩運動鏈對應的機構拓撲圖分別如圖2(c)、2(d)所示。參數設置種群規(guī)模A/=50;雜交概率《=0.8;變異概率^=0.6根據圖l的程序流程進行迭代，可在很短的時間內得到兩運動鏈同構的結果。為了證實本發(fā)明算法的高效性，對該實施例重復獨立運算iooo次，并統(tǒng)計性能指標，如下表l所表l<table>tableseeoriginaldocumentpage9</column></row><table>由表l的實施結果證明偽雜交遺傳算子克服了簡單遺傳算法的缺陷，遺傳算法和局部搜索算法的結合，大量減少了冗余計算，提高了搜索效率。權利要求1、一種基于偽雜交混合遺傳算法的機構運動鏈同構識別方法，其特征是依次采用如下步驟1)根據機構運動鏈的結構形成其對應的機構拓撲圖；2)根據機構拓撲圖設定鄰接矩陣的遺傳編碼；3)取待判定的兩機構拓撲圖鄰接矩陣確定目標函數，計算每個個體的目標函數值和適應度；4)采用偽雜交算子，在隨機產生的群體中隨機選取兩個個體，隨機產生兩個雜交點進行空中擴展；從擴展生成的中間種群中選擇兩個個體進行初步局部尋優(yōu)；5)結合局部搜索算子形成偽雜交混合遺傳算法，進行機構運動鏈同構識別的運算和仿真。2、根據權利要求l所述的基于偽雜交混合遺傳算法的機構運動鏈同構識別方法，其特征是步驟3)中目標函數為min/("-》C(,'力-U,式中，d為個體長度，7^《尸2……i>，其中《為矩陣，j、5為兩個機構拓撲圖的鄰接矩陣，c為鄰接矩陣j經過變換矩陣r進行行變換和列變換后得到的矩陣。3、根據權利要求l所述的基于偽雜交混合遺傳算法的機構運動鏈同構識別方法，其特征是步驟4)中兩個雜交點為&和&，兩個個體x、y表示為，;x^,;^+pL，氣屮;x^，L，x》；y=(x,L，^,y4i+1，L,yt2—,，:^,L，_yrf)，(0《&《&《力；令&=;<:，/>=y，對JC進行如下操作步驟l:令/=&+1;步驟2:令/=0;步驟3:如果-"，貝1』_/=_/+1，重復步驟3;步驟4:如果(/"')1(*1+1《_/"2-1)，則轉步驟5;否則轉步驟6;步驟5:交換X,.和.；步驟6:!'=/+1，如果/=&，結束，否則轉步驟2;對y進行如下操作步驟l:令Z'-A+1;步驟2:令_/=0;步驟3:如果0;;#巧，貝1』_/=_/+1，重復步驟3;步驟4:如果("力I1),則轉步驟5;否則轉步驟6;步驟5:交換;;,.和^;步驟6:/=/+1;如果/=^,結束；否則轉步驟2。4、根據權利要求l所述的基于偽雜交混合遺傳算法的機構運動鏈同構識別方法，其特征是步驟4)初步局部尋優(yōu)的步驟為步驟l:令Z:l.步驟2:如果7,^/，則交換x,.和、，得到:c'-(:^,L,a^，Xy,，x,+pL,、中《，、+pL,x》；否則轉步驟4.步驟3:若F(jc')〉F0c)，KUx=步驟4:/=/+1，如果/>山則結束；否則轉步驟2。5、根據權利要求l所述的基于偽雜交混合遺傳算法的機構運動鏈同構識別方法，其特征是步驟5)的局部搜索算子步驟如下步驟l:令/=1.步驟2:令7=1.步驟3:如果_/7/，則交換A和、.的位置，得到x';否則轉步驟5.步驟4:比較;c和jc'的適應度，如果f(x')〉f(;c),則jc二jc'.步驟5:_/=y+l;如果y、rf(個體長度)，則轉步驟3.步驟6:/=i+l;如果^d,轉步驟2;否則結束。全文摘要本發(fā)明公開了一種基于偽雜交混合遺傳算法的機構運動鏈同構識別方法，先根據機構運動鏈的結構形成其對應的機構拓撲圖；設定鄰接矩陣的遺傳編碼；取待判定的兩機構拓撲圖鄰接矩陣確定目標函數，計算每個個體的目標函數值和適應度；再采用偽雜交算子，在隨機產生的群體中隨機選取兩個個體，隨機產生兩個雜交點進行空中擴展；從擴展生成的中間種群中選擇兩個個體進行初步局部尋優(yōu)；最后結合局部搜索算子形成偽雜交混合遺傳算法，進行機構運動鏈同構識別的運算和仿真，能對運動鏈進行高效、準確的同構判別。文檔編號G06N3/12GK101655928SQ200910184138公開日2010年2月24日申請日期2009年8月25日優(yōu)先權日2009年8月25日發(fā)明者曾科翰,平楊申請人:江蘇大學