CN113254722B - 一种rc网络同构识别方法 - Google Patents
一种rc网络同构识别方法 Download PDFInfo
- Publication number
- CN113254722B CN113254722B CN202110564383.5A CN202110564383A CN113254722B CN 113254722 B CN113254722 B CN 113254722B CN 202110564383 A CN202110564383 A CN 202110564383A CN 113254722 B CN113254722 B CN 113254722B
- Authority
- CN
- China
- Prior art keywords
- network
- undirected graph
- undirected
- vertexes
- attributes
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/901—Indexing; Data structures therefor; Storage structures
- G06F16/9024—Graphs; Linked lists
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/906—Clustering; Classification
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
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
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 (7)
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。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110564383.5A CN113254722B (zh) | 2021-05-24 | 2021-05-24 | 一种rc网络同构识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110564383.5A CN113254722B (zh) | 2021-05-24 | 2021-05-24 | 一种rc网络同构识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113254722A CN113254722A (zh) | 2021-08-13 |
CN113254722B true CN113254722B (zh) | 2022-06-17 |
Family
ID=77184059
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110564383.5A Active CN113254722B (zh) | 2021-05-24 | 2021-05-24 | 一种rc网络同构识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113254722B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104376139A (zh) * | 2013-08-15 | 2015-02-25 | 复旦大学 | 一种基于谱分析的图同构判断方法 |
CN111275189A (zh) * | 2020-02-25 | 2020-06-12 | 支付宝(杭州)信息技术有限公司 | 一种网络表示学习方法、系统及装置 |
CN111814005A (zh) * | 2020-07-21 | 2020-10-23 | 合肥晶奇智慧医疗科技有限公司 | 一种无向图同构检测方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104732547A (zh) * | 2015-04-03 | 2015-06-24 | 东南大学 | 一种基于高次幂邻接矩阵hash比对的图同构判定方法 |
CN112633094B (zh) * | 2020-12-10 | 2022-08-23 | 北京华大九天科技股份有限公司 | 同构图识别方法、装置、设备和介质 |
CN112597733B (zh) * | 2020-12-30 | 2022-07-15 | 北京华大九天科技股份有限公司 | 一种存储单元的识别方法、设备及计算机可读存储介质 |
-
2021
- 2021-05-24 CN CN202110564383.5A patent/CN113254722B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104376139A (zh) * | 2013-08-15 | 2015-02-25 | 复旦大学 | 一种基于谱分析的图同构判断方法 |
CN111275189A (zh) * | 2020-02-25 | 2020-06-12 | 支付宝(杭州)信息技术有限公司 | 一种网络表示学习方法、系统及装置 |
CN111814005A (zh) * | 2020-07-21 | 2020-10-23 | 合肥晶奇智慧医疗科技有限公司 | 一种无向图同构检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113254722A (zh) | 2021-08-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110596492B (zh) | 一种基于粒子群算法优化随机森林模型的变压器故障诊断方法 | |
WO2019238109A1 (zh) | 一种故障根因分析的方法及装置 | |
Griffiths et al. | Using interdocument similarity information in document retrieval systems | |
CN105095522B (zh) | 基于最近邻搜索的关系表集合外键识别方法 | |
Van Laarhoven et al. | Local network community detection with continuous optimization of conductance and weighted kernel k-means | |
CN102054002A (zh) | 一种数据挖掘系统中决策树的生成方法及装置 | |
CN107579846B (zh) | 一种云计算故障数据检测方法及系统 | |
CN113127366B (zh) | 基于模型的矩阵自动化测试方法及计算机可读存储介质 | |
CN111784093A (zh) | 一种基于电力大数据分析的企业复工辅助判断方法 | |
CN103390165A (zh) | 一种图片聚类的方法及装置 | |
CN110728322A (zh) | 一种数据分类方法及相关设备 | |
CN107194415A (zh) | 一种基于拉普拉斯中心性的峰值聚类方法 | |
US11288266B2 (en) | Candidate projection enumeration based query response generation | |
CN113609346B (zh) | 基于企业关联关系的自然人人名消歧方法、设备和介质 | |
CN113254722B (zh) | 一种rc网络同构识别方法 | |
WO2020215505A1 (zh) | 一种网络告警规则多维关联生成方法及系统 | |
CN110806977A (zh) | 基于产品需求的测试用例集生成方法、装置及电子设备 | |
CN114418226A (zh) | 电力通信系统的故障分析方法及装置 | |
CN105787004A (zh) | 一种文本分类方法及装置 | |
CN109902173A (zh) | 一种中文文本分类方法 | |
CN111522819A (zh) | 一种树型结构数据汇总的方法及系统 | |
TWI742156B (zh) | 晶圓失效圖案分析方法 | |
CN115329144A (zh) | 一种产品缺陷的根因确定方法及装置 | |
CN113269743B (zh) | 一种基于迭代平移核实的芯片数量检测方法 | |
CN114511905A (zh) | 一种基于图卷积神经网络的人脸聚类方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |