CN113254722B

CN113254722B - 一种rc网络同构识别方法

Info

Publication number: CN113254722B
Application number: CN202110564383.5A
Authority: CN
Inventors: 徐启迪; 周振亚
Original assignee: Beijing Empyrean Technology Co Ltd
Current assignee: Beijing Empyrean Technology Co Ltd
Priority date: 2021-05-24
Filing date: 2021-05-24
Publication date: 2022-06-17
Anticipated expiration: 2041-05-24
Also published as: CN113254722A

Abstract

一种RC网络同构识别方法，包括以下步骤：1)将RC网络转换为无向图；2)根据无向图属性，对所述无向图进行分类；3)根据无向图顶点属性，对所述无向图顶点进行聚类，识别出同构的无向图；4)基于所述同构的无向图，得到同构的RC网络。本发明的RC网络同构识别方法，采用两次分类，一次粗分类快速识别出可能同构的RC网络，二次细分类在粗分类的基础上进行聚类，能够快速高效的识别出同构的RC网络。

Description

一种RC网络同构识别方法

技术领域

本发明涉及EDA仿真工具技术领域，特别是涉及一种大规模RC网络同构识别方法。

背景技术

随着超大规模集成电路的发展，集成电路的复杂性每年几乎翻番。集成电路中存在大量的RC器件，不同RC器件形成大量的RC网络。在实际电路中，很多RC网络是同构的，以同构的顺序进行RC约减或编号，使仿真结果在同构RC网络中是一致的。

传统的网络同构识别基本上都是基于搜索过程的，即在寻找同构的过程中将顶点进行细分，然后基于这些细分子集展开搜索，通过搜索得到图的顶点对应关系来判定同构。总体来说，这些算法都对特定种类的图有较好的判定效率，对于上千个顶点的图,能够在可以接受的时间内完成判定,但对于大规模得RC网络同构，传统方法很慢。本发明基于聚类算法，提出了一种新的RC网络同构识别方法，能够快速高效的识别同构的RC网络。

发明内容

为了解决现有技术存在的不足，本发明的目的在于提供一种RC网络同构识别方法，采用两次分类，一次粗分类快速识别出可能同构的RC网络，二次细分类在粗分类的基础上进行聚类，能够快速高效的识别出同构的RC网络。

为实现上述目的，本发明提供的一种RC网络同构识别方法，包括以下步骤：

1)将RC网络转换为无向图；

2)根据无向图属性，对所述无向图进行分类；

3)根据无向图顶点属性，对所述无向图顶点进行聚类，识别出同构的无向图；

4)基于所述同构的无向图，得到同构的RC网络。

进一步地，所述步骤1)，还包括，

将RC网络中的RC器件转换为无向图的边；

将RC网络中的RC器件的端点转换为无向图的顶点；

将RC网络中的RC器件的值转换为无向图的边的权值；

将RC网络中的端点连接的RC器件的数量转换为顶点的度。

进一步地，所述步骤2)，还包括，

确定每个RC网络对应的无向图的属性；

根据所述无向图的属性对无向图做聚类处理，相同属性的无向图分为一组；

去掉分类中只有一个RC网络的无向图结果。

进一步地，所述无向图的属性，包括，边的个数，顶点的个数，顶点的度的总和以及边的权重的总和。

进一步地，所述步骤3)，还包括，

确定每个无向图顶点的属性；

基于所述无向图顶点的属性，对所有顶点做聚类处理，识别同构的无向图。

进一步地，所述无向图顶点的属性，包括，顶点所属类别的id，顶点所连的边的权重，相邻顶点所属类别的id。

进一步地，所述基于所述无向图顶点的属性，对所有顶点做聚类处理，识别同构的无向图的步骤，还包括，

基于无向图顶点的属性，对所有顶点做一次聚类，并更新顶点标记为所属新类的id；

重复以上步骤，对无向图的顶点进行聚类，直到满足以下停止条件：

识别出聚类非同构和/或每个聚类保持稳定。

更进一步地，所述步骤4)，还包括，检测具有相同类别的顶点的无向图，如果每个无向图的顶点类别id对应相同，则无向图同构，该无向图对应的RC网络同构。

为实现上述目的，本发明还提供一种电子设备，包括存储器和处理器，所述存储器上储存有在所述处理器上运行的计算机程序，所述处理器运行所述计算机程序时执行如上文所述的RC网络同构识别方法的步骤。

为实现上述目的，本发明还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序运行时执行如上文所述的RC网络同构识别方法的步骤。

本发明的RC网络同构识别方法、电子设备及计算机可读存储介质，具有以下有益效果：

1)基于聚类对RC网络进行同构识别，对于随机生成的RC网络，大多数情况下该算法的时间复杂度是O(ND·log₂N)，其中N是顶点数，D是顶点平均的度。而传统基于搜索过程的图同构算法时间复杂度可能会达到O(exp(N))。

2)采用两次分类，一次粗分类快速识别出可能同构的RC网络，二次细分类在粗分类的基础上进行聚类，能够快速高效的识别出同构的RC网络。

本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。

附图说明

附图用来提供对本发明的进一步理解，并且构成说明书的一部分，并与本发明的实施例一起，用于解释本发明，并不构成对本发明的限制。在附图中：

图1为根据本发明的RC网络同构识别方法流程图；

图2为根据本发明的实施例一RC网络1对应的无向图；

图3为根据本发明的实施例一RC网络2对应的无向图；

图4为根据本发明的实施例一RC网络3对应的无向图。

具体实施方式

以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。

图1为根据本发明的RC网络同构识别方法流程图，下面将参考图1，对本发明的RC网络同构识别方法进行详细描述。

首先，在步骤101，将需要处理的RC网络转换为无向图。

优选地，将RC网络中的RC器件转换为无向图的边；将RC网络中的RC器件的端点转换为无向图的顶点；将RC网络中的RC器件的值转换为无向图的边的权值；将RC网络中的端点连接的RC器件的数量转换为顶点的度。

在步骤102，对无向图进行第一次粗分类。

优选地，为每个RC网络对应的无向图选择一组属性，属性包括边的个数，顶点的个数，顶点的度的总和以及边的权重的总和。

优选地，根据无向图的属性对无向图做聚类处理，具有相同属性的无向图分为一组。

优选地，去掉分类中只有一个RC网络的结果；该RC网络没有任何其他网络与其同构。

在步骤103，从粗分类的无向图组中识别出同构的无向图。

优选地，步骤103可具体执行为：a)为每个无向图的顶点选择一组属性，属性包括顶点的标记，顶点所连的边的标记，相邻顶点的标记，其中顶点的标记表示顶点所属类别的id，初始时id均为0，边的标记是边的权重。

b)基于无向图顶点的属性，对所有顶点做一次聚类，并更新顶点标记为所属新类的id。

c)重复执行步骤b)，对无向图的顶点进行聚类，直到满足停止条件，停止条件为：

i.识别出非同构：

(1)某个类中某个图的顶点数乘以图的个数不等于该类顶点总数，说明这个类中至少缺失一个图的顶点，因此不可能同构，因为如果同构则任何类别中属于各图的顶点数目应该相等；

(2)某个类的顶点个数不是图的个数的整数倍，理由同上。

ii.每个类保持稳定，即不再变化：

(1)类的个数等于一个图的顶点个数，每个类中属于不同的无向图的顶点数恰好各1个，说明顶点已经被完全分类，再迭代结果也不会改变；

(2)连续迭代两次类的总数不变，说明迭代已经收敛。

在步骤104，基于同构的无向图，得到同构的RC网络。

优选地，同构图对应的顶点具有相同的顶点类别id。

优选地，检测具有相同顶点类型id的无向图，如果每个图的顶点类别id对应相同，则认为图同构，该图对应的RC网络同构。

下面结合一具体实施例对本发明的RC网络同构识别方法做进一步的说明。

图2为根据本发明的实施例一RC网络1对应的无向图，图3为根据本发明的实施例一RC网络2对应的无向图，图4为根据本发明的实施例一RC网络3对应的无向图，如图3-4所示，电路包含如下的三个RC网络：

RC网络1：

r1 0 1 r＝0.1

r2 1 2 r＝0.2

r3 2 3 r＝0.3

r4 3 4 r＝0.3

r5 4 0 r＝0.3

r6 0 2 r＝0.1

RC网络2：

r1 a b r＝0.1

r2 b c r＝0.2

r3 c d r＝0.3

r4 d e r＝0.3

r5 e a r＝0.3

r6 a c r＝0.1

RC网络3：

r1 a′ b′ r＝0.1

r2 b′ c′ r＝0.2

r3 c′ d′ r＝0.3

r4 d′ e′ r＝0.3

r5 e′ a′ r＝0.3

r6 a′ c′ r＝0.1

1)将RC网络转换为无向图，如图2至图4所示。

2)对无向图进行第一次粗分类。

a)提取RC网络相关的属性如下表所属：

	边总数	顶点总数	边的度总和	边的权重总和
					RC网络1	6	5	12	1.3
RC网络2	6	5	12	1.3
					RC网络3	6	5	12	1.5

b)对RC网络进行聚类，RC网络1和RC网络2粗分类的所有属性均相同，RC网络3的边的权值总不一致，因此，粗分类的结果，RC网络1和RC网络2为类型1；RC网络3类型2。

c)类型2中只有一个RC网络3，没有其他RC网络与其同构，将RC网络3去掉，不进入下一步处理。

3)基于步骤2，对类型1中的RC网络对应的无向图的顶点聚类。

本发明实施例中，基于步骤2粗分类的结果，RC网络1和RC网络2的类型为1，对这两个RC网络对应的无向图的顶点进行聚类；粗分类的结果属于类型2的只有RC网络3，其被筛选掉不再进行下一步处理。

顶点属性为(顶点id，边id-相邻顶点id,边id-相邻顶点id,…)，其中边id-相邻顶点id的个数等于顶点的度，

聚类迭代过程如下所示：

顶点属性更新如下：

聚类结果如下：

4)基于同构的无向图，得到同构的RC网络,根据聚类结果识别出RC网络1和2是同构的，一一对应的点为：v0-va,v1-vb,v2-vc v3-vd,v4-ve。

本发明提供一种快速高效的基于聚类的RC网络同构识别方法，提高集成仿真电路中，大规模电路中RC网络同构识别效率。

本发明的一个实施例中，还提供一种电子设备，包括存储器和处理器，所述存储器上储存有在所述处理器上运行的计算机程序，所述处理器运行所述计算机程序时执行如上文所述的RC网络同构识别方法的步骤。

本发明的一个实施例中，还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序运行时执行如上文所述的RC网络同构识别方法的步骤。

本领域普通技术人员可以理解：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims

1.一种RC网络同构识别方法，其特征在于，包括以下步骤：

1）将RC网络转换为无向图；

2）根据无向图属性，对所述无向图进行分类；

3）根据无向图顶点属性，对所述无向图顶点进行聚类，识别出同构的无向图；

4）基于所述同构的无向图，得到同构的RC网络，

所述步骤3），还包括，

确定每个无向图顶点的属性；

基于所述无向图顶点的属性，对每个分类中所有顶点做聚类处理，识别同构的无向图，

所述基于所述无向图顶点的属性，对每个分类中所有顶点做聚类处理，识别同构的无向图的步骤，还包括，

基于无向图顶点的属性，对每个分类中所有顶点做一次聚类，并更新顶点标记为所属新类的id；

重复基于无向图顶点的属性，对每个分类中所有顶点做一次聚类，并更新顶点标记为所属新类的id的步骤，对无向图的顶点进行聚类，直到满足以下停止条件：

识别出聚类非同构和/或每个聚类保持稳定，

所述步骤4），还包括，检测具有相同类别的顶点的无向图，如果每个无向图的顶点类别id对应相同，则无向图同构，该无向图对应的RC网络同构。

2.根据权利要求1所述的RC网络同构识别方法，其特征在于，所述步骤1），还包括，

将RC网络中的RC器件转换为无向图的边；

将RC网络中的RC器件的端点转换为无向图的顶点；

将RC网络中的RC器件的值转换为无向图的边的权值；

将RC网络中的端点连接的RC器件的数量转换为顶点的度。

3.根据权利要求1所述的RC网络同构识别方法，其特征在于，所述步骤2），还包括，

确定每个RC网络对应的无向图的属性；

根据所述无向图的属性对无向图做分类处理，相同属性的无向图分为一组；

去掉分类中只有一个RC网络的无向图结果。

4.根据权利要求3所述的RC网络同构识别方法，其特征在于，所述无向图的属性，包括，边的个数，顶点的个数，顶点的度的总和以及边的权重的总和。

5.根据权利要求1所述的RC网络同构识别方法，其特征在于，所述无向图顶点的属性，包括，顶点所属类别的id，顶点所连的边的权值，相邻顶点所属类别的id。

6.一种电子设备，其特征在于，包括存储器和处理器，所述存储器上储存有在所述处理器上运行的计算机程序，所述处理器运行所述计算机程序时执行权利要求1至5任一项所述的RC网络同构识别方法的步骤。

7.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序运行时执行权利要求1至5任一项所述的RC网络同构识别方法的步骤。