基于配合依赖关系图计算环网方向保护最优配合顺序的新方法

提出了基于保护主后备配合关系,利用保护配合依赖关系有向图节点邻接矩阵计算环网方向保护最优配合顺序的新方法。根据节点入度最大的原则逐步选择断点,根据节点出度为0的原则确定保护配合顺序,通过对节点邻接矩阵简单的行列化简运算逐步计算大规模复杂环网最小断点集和确定全网保护最优配合顺序。该方法简单直观,大大降低了问题的复杂度和计算量。     

一种非结构化P2P系统搜索算法的研究

P2P系统是目前计算机科学研究的热点领域,其搜索算法是该领域当前研究的重要问题之一,它直接关系到P2P系统的可用性.以往的非结构化的P2P系统采用的是无确定目标的自由搜索协议,它具有搜索效能低,无可扩展性的缺点.针对这些不足,文中提出了基于直接相邻优先和聚集度大优先策略的快速搜索算法,并设计实现了基于冗余扩散策略的资源索引建立算法.经对比试验证明,在相同情况下,采用文中所述的算法进行搜索比采用原有的洪泛算法搜索协议和索引算法进行搜索能够覆盖更多的节点,同时平均路径长度较小,算法具有良好的搜索性能.     

基于特征面分割的自动特征识别

相交特征的识别是自动特征识别的难点,提出一种新的基于图的特征识别算法,首先构造加工面邻接图(MFAG),然后通过特征匹配快速识别出孤立特征,通过特征面的延拓、求交与分割,主动找出特征痕迹,分解出基本特征子图,从而识别出相交特征.该算法使孤立特征和相交特征的识别模式统一,同时有利于与交互特征定义集成.     

Hypergraph products for structural mechanics

In this paper Cartesian, direct and strong Cartesian product of hypergraphs are investigated. A new concept named the adjacency function is defined on hypergraphs. This definition leads to distinct adjacency and Laplacian matrices for a hypergraph and makes it possible to express it in an algebraic form. Variable adjacency functions on hypergraphs result in generation of dynamic graph products which are applied to dynamic systems. For further clarity, some examples from structural mechanics are provided. The generality of the approach is shown through some examples, indicating this fact that the hypergraph products can encompass most of the available developments on the graph products in the literature.     

用图象平面分割方法实现非规则数据场体绘制

本文给出了一种对非规则数据场进行体绘制的方法。该方法具有自适应性。文中给出了实现方法及结果。     

平面运动链类型综合的基杆构形树法

在对平面机构闭式运动链结构组成进行研究后,提出运动链类型综合的基杆构形树法。首先,针对给定的构件数与自由度,基于缩杆邻接矩阵综合出运动链连杆序列、缩杆序列、构件度序列以及基杆联结度序列等恒量序列。然后,归纳出基于缩杆邻接矩阵对运动链进行类型综合的方法与步骤,定义了基杆构形树,并用基杆构形树综合出运动链的基杆构形矩阵,进一步研究了综合运动链联结矩阵的缩杆匹配方法。由于基杆构形树法在综合过程中按杆的级别、运动副数目以及联结关系等结构不变量将运动链进行了分类细化,因此综合规律性强、效率高,有利于减少后续刚性子链消除与运动链同构识别的计算量,尤其适合于多杆多自由度平面机构闭式运动链的计算机自动综合,并在12杆以下平面机构闭式运动链的类型综合中得到成功的应用。同时,以10杆单自由度机构运动链的类型综合为例进行了实例分析。     

基于元图卷积的异质网络嵌入学习算法

异质网络嵌入是将异质网络中丰富的结构和语义信息嵌入到低维的节点表示中.图卷积网络是处理网络数据的一种有效方法,当前也被用于研究异质网络的多类型节点和多维关系的表示问题,现有的图卷积网络模型主要采用元路径来表示不同类型节点间的一种语义关系.然而,孤立的单条元路径无法准确地反映节点间的复杂语义,即不能充分利用节点间存在的多种高阶间接语义关系.针对上述问题,提出了一种基于元图卷积的异质网络嵌入学习算法MGCN(meta-graph convolutional network),包括基于元图的异构邻接矩阵计算以及学习节点的嵌入表示2个阶段,基于元图的异构邻接矩阵设计了融合多条元路径上的不同语义的计算方法,能够挖掘节点间的高阶间接关系,通过异构邻接矩阵的计算,能够聚合节点邻域特征为统一模式,此种卷积学习降低了图卷积方法的嵌入维数,从而减少了计算时间.在2个公开的异质网络数据集上进行社会计算基础研究任务的实验表明,MGCN在节点分类、聚类任务上比基线模型有更好的性能且需更少的训练时间.     

An Incremental Algorithm for Non-Slicing Floorplan Based on Corner Block List Representation

提出了一种基于CBL布图表示的新的增量式布图规划算法.该算法能很好地解决包括不可二划分结构在内的布图规划问题.针对现有增量式的一些需求,算法给出了相应的高速解决方案.在已有的初始布局的基础上,基于CBL表示方法建立水平约束和垂直约束图,利用图中关键路径和各模块之间的累加的距离松弛量进行增量式操作.对于新模块的插入,在力求面积最小,线长最短和移动模块数目最少的目标指引下能快速地找到最佳位置作为插入点,高效地完成相关操作,算法的时间复杂性仅为O(n).通过对一组来自工业界的设计实例的测试结果表明,该算法在保证芯片的面积、线长等性能不降低甚至有所改善的情况下,运行速度相当快,仅在μs量级,满足了工业界对增量式布图规划算法在速度上的首要要求,同时保证了基本性能的稳定.     

Process Planning Using Adjacency-Based Feature Extraction

The use of attributed adjacency (AA) feature recognition can encapsulate the engineering significance of a part and represent it as a matrix or an arc-node graph. This creates a feature recognition technique that involves scanning a matrix or graph for a combination of zeros (concave relationships/edges) and ones (convex), or smaller arc-node graphs that are predetermined to be features. AA techniques have often suffered problems when dealing with feature interactions, as a feature found must be exactly matched with those stored. This paper presents a modification of the AA matrix and employs a new concept for identifying features and the application in developing software for process planning. A unique feature taxonomy is described, which when combined with the new feature identification system creates a feature recognition and extraction system that includes curved surfaces and eliminates the need for separating interacting primitive features. The new system takes its input from neutral STEP files and produces a list of features with complete information for process planning. cycle, and so automatic feature recognition has its place in manufacturing. ID="A1"Correspondance and offprint requests to: R. Ibrahim, Faculty of Engineering, Monash University, Caulfield Campus, 900 Dandenong Road, Caulfield East, 3145 Victoria, Australia. E-mail: raafat. ibrahim@eng.monash.edu.au