[发明专利]基于模拟退火遗传算法的网络社区划分方法有效
| 申请号： | 201210062622.8 | 申请日： | 2012-03-11 |
| 公开（公告）号： | CN102663499A | 公开（公告）日： | 2012-09-12 |
| 发明（设计）人： | 尚荣华;焦李成;白靖;靳超;吴建设;郑喆坤;李阳阳;马文萍;韩红 | 申请（专利权）人： | 西安电子科技大学 |
| 主分类号： | G06N3/12 | 分类号： | G06N3/12 |
| 代理公司： | 陕西电子工业专利中心 61205 | 代理人： | 王品华;朱红星 |
| 地址： | 710071*** | 国省代码： | 陕西;61 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 基于 模拟 退火 遗传 算法 网络 社区 划分 方法 | ||
技术领域
本发明属于计算机领域，涉及网络社区划分方法，更进一步涉及小世界网络技术领域中的网络社区划分，可用于进行网络中社区的划分。
背景技术
随着计算机技术的发展，复杂网络在各行各业的应用日益广泛。社区是复杂网络中研究的热点之一，网络中由不同性质、类型的节点组成的关系丰富的结构称为社区。社区内部关系稠密，而不同社区节点之间关系稀疏的社区结构是复杂网络的特征之一。
对网络中社区的划分是复杂网络中面临的主要问题之一，人们也提出了很多方法来对网络进行社区的划分，其中研究热点之一为基于遗传算法的社区划分方法。
遗传算法是根据达尔文的生物进化中的“优胜劣汰”原则建立的一种随机性寻优的方法。20世纪60年代首先由美国Michigan大学的J.Holland教授提出。遗传算法模拟了自然界中生物自然选择、适者生存的进化过程，从而达到搜索最优解的目的。
遗传算法主要分为以下基本步骤：对设计向量编码，遗传算法通过编码将解空间中的设计向量转为遗传空间中的基因串，常用的编码方式为二进制编码、浮点编码等；生成初始种群，随机生成n个种群作为迭代搜索的初始点；适应度计算，适应度反应种群中染色体的适应能力，通过适应度来评价种群中染色体的优劣；对种群进行遗传算子操作，主要有选择、交叉和变异三种算子组成，选择的目的是从种群中选择优良的染色体作为遗传父代，交叉运算的目的是产生子代染色体，变异的目的是为产生新的染色体提供机会。目前基于遗传算法的网络社区结构划分方法存在的一些不足之处是，局部搜索能力较弱，划分结果不稳定，划分效率低下。
发明内容
本发明的目的在于针对上述现有技术的不足，提出一种基于模拟退火遗传算法的网络社区划分方法，以提高局部搜索能力和划分稳定性，实现快速有效地网络中社区划分。
实现本发明目的技术方案，包括如下步骤：
(1)读入一个社区的实际网络图S；
(2)根据网络图S，生成网络对应的邻接矩阵，邻接矩阵中的元素由aij表示，其中i、j表示网络中任意两个节点，若节点i与节点j相连，则aij＝1，否则aij＝0；
(3)初始化遗传算法参数
初始化迭代次数Gmax为50、种群大小Spop为450、交配池大小Spool为225、锦标赛选择大小Stour为2、交叉率Pc为0.8和变异率Pm为1，随机产生Spop条染色体作为初始种群，染色体表示为：
其中，向量xm表示种群中第m个染色体中各个节点所属类别的集合，表示种群中第m个染色体的第i个节点的所属类别，且均为正整数，N表示社区中节点的总数；
(4)对每条染色体xm，m∈{1，...，Spop}进行解码，并且根据解码后的染色体计算适应度值，即目标函数值；
(5)选择出步骤(4)中目标函数值较大的染色体构成父代种群；
(6)对步骤(5)中选择出的染色体进行交叉操作和变异操作，产生新的染色体构成子代种群；
(7)初始化模拟退火法中的参数：初始温度T为800000，常数q为0.99，T的循环次数tt为10，并从步骤(6)构成的子代种群中选择出适应度值最大的一个染色体，用模拟退火法进行局部搜索，找到目标函数值最大的染色体加入到子代种群中；
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于西安电子科技大学，未经西安电子科技大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/201210062622.8/2.html，转载请声明来源钻瓜专利网。
