基于遗传Hopfield神经网络的机构运动链同构识别研究

摘要

机构运动链的同构识别是运动链结构综合过程中必须解决的关键问题，对机构创新设计具有重大意义。由于该问题一直没有得到有效解决，所以寻找准确高效的运动链同构识别方法一直以来是机构学发展中的目标之一。 本文将图论基本理论引入机构学的研究中，采用拓扑图表示机构运动链，拓扑图与机构运动链形成对应关系。为了便于计算机处理，根据拓扑图的数学描述可用邻接矩阵表示拓扑图的所有结构信息。基于图同构概念及机构运动链的数学描述，提出了机构运动链同构判定准则，为使用优化算法进行机构运动链同构识别奠定了理论基础。在此基础上，将Hopfield神经网络算法应用到运动链同构判定问题上，从而实现运动链同构现象的自动识别。将运动链同构判定问题映射到Hopfield神经网络上，改进了网络的能量函数，从而建立了一种新的机构运动链同构识别的Hopfield神经网络模型。最后运用Hopfield神经网络算法对四种不同类型的运动链进行仿真测试，测试结果表明了该方法解决运动链同构判定问题具有可行性和高效性。 针对Hopfield神经网络算法求解机构运动链同构识别问题存在的一些不足，引入遗传算法，将遗传算法和Hopfield神经网络算法有效结合起来，从而提出了基于遗传Hopfield神经网络的机构运动链同构识别方法。Hopfield神经网络算法和遗传算法一定程度上形成互补，从而有效改进整个系统的性能。对遗传Hopfield神经网络模型中的遗传算法部分进行了改进，采用确定性采样选择加最优保留选择机制的选择算子，加强遗传算法的搜索效率。同时增加了局部搜索算子，使遗传算法部分本身拥有一定的微调性能。在运动链同构识别的遗传Hopfield神经网络模型中，首先运用遗传算法优选Hopfield神经网络的初态，使得Hopfield神经网络的初态快速达到较优状态，然后运用Hopfield神经网络算法迭代优化后的初态，直到网络状态收敛稳定。通过仿真实验表明了该混合算法相比Hopfield神经网络算法具有更好的求解效果。

目录

第一个书签之前

摘 要

ABSTRACT

第一章 绪论

1.1 机构创新设计

1.2 机构结构综合[2]

1.3 计算机辅助创新设计

1.3.1 经验型机构创新设计方法

1.3.2 智能化计算机辅助机构创新设计方法

1.3.3 机构创新设计方法分析与比较

1.4 机构运动链同构识别的研究现状

1.4.1 基于特征多项式的同构识别

1.4.2 基于编码的同构识别

1.4.3 基于哈明串的同构识别

1.4.4 基于特征值和特征向量的同构识别

1.4.5 基于智能优化算法的同构识别

1.4.6 其他同构识别方法

1.5 本文研究内容及意义

1.5.1 主要研究内容

1.5.2 研究意义

第二章 机构运动链同构判定理论研究

2.1 图论基本理论[48]

2.1.1 图的基本概念

2.1.2 图同构的概念

2.2 机构运动链的拓扑图

2.3 运动链拓扑图的矩阵表示

2.4 机构运动链同构判定准则

2.5 本章小结

第三章 基于Hopfield神经网络的机构运动链同构识别

3.1 Hopfield神经网络概述

3.2 Hopfield神经网络模型

3.2.1 离散型Hopfield神经网络

3.2.2 连续型Hopfield神经网络

3.3 机构运动链同构识别的Hopfield神经网络模型

3.3.1 神经元矩阵和解空间的表示

3.3.2 能量函数的构造

3.3.3 网络状态方程

3.3.4 算法流程

3.4 仿真实验与结果分析

3.4.1 网络参数的选择

3.4.2 网络状态的初始化

3.4.3 网络稳定状态

3.4.4 仿真结果与分析

3.5 本章小结

第四章 基于遗传Hopfield神经网络的机构运动链同构识别

4.1 遗传算法概述

4.2 遗传算法特点

4.3 基本遗传算法

4.3.1 编码技术

4.3.2 群体设定

4.3.3 适应度函数

4.3.4 遗传操作

4.3.5 遗传算法的收敛性[59]

4.4 机构运动链同构识别的遗传Hopfield神经网络模型

4.4.1 Hopfield网络初始状态的遗传优化

4.4.2 算法流程

4.5 仿真实验与结果分析

4.5.1 遗传参数设置

4.5.2 仿真结果与分析

4.6 本章小结

第五章 总结与展望

5.1 总结

5.2 展望

参考文献

致谢

在学期间发表的学术论文及其他科研成果