[发明专利]基于博弈和遗传算法的网络重构算法

说明书

技术领域

本发明属于复杂网络技术领域，涉及复杂网络的重构和数据挖掘技术，具体是一种基于博弈和遗传算法的网络重构算法。

背景技术

复杂网络是现实世界中复杂系统抽象出来的一种表现形式，现实世界中存在很多这种类型的复杂网络，比如，社会网络中的朋友关系网络、电力网、万维网、生物网络中的神经网络以及新陈代谢网络等等。在现实世界网络中，我们把系统中的独立个体抽象成网络中的节点，系统中个体之间按照某种规则而自然形成或人为构造的一种关系抽象成节点之间的边。

自从1998年、1999年在“Nature”和“Science”两个刊物上发表了关于小世界网络和Scale-free网络的两篇文章以来，在世界范围内掀起了一股复杂网络的研究热潮。此后几年来，关于复杂网络的研究取得了很多重要的研究成果，复杂网络已经成为科学研究的一个重要领域。

由于复杂网络节点众多，结构复杂，使得其研究非常困难。在科学和工程的许多领域，人们遇到的感兴趣的系统是由网络化的元素组成的，这些元素称为节点，但该模式的节点与节点的相互作用或网络拓扑结构是完全未知。其中未揭示的网络拓扑结构可以从实验或观测结果中提取若干基于时间序列的数据来获取。

在过去几年，网络重构问题受到了越来越多的关注，大多数存在的算法都是基于压缩感知算法，它利用网络的稀疏性，用压缩感知模型重构网络，对于稀疏的网络效果很好，但与此同时存在的缺点就是稀疏性的约束，对于复杂不稀疏的网络比如社区网络等就不能够重构正确，并且时间复杂度很高，对于大网络重构很费时，针对已有算法的缺点，本算法解决的现有算法的不足，不受稀疏性约束，并且大大降低了时间复杂度。

发明内容

本发明的目的在于根据网络节点的属性信息，重构出网络的整个拓扑结构，提供一种基于博弈和遗传算法的网络重构算法。

本发明的技术方案是：基于博弈和遗传算法的网络重构算法，包括如下步骤：

(1)首先随机初始化A个N*N的0-1矩阵matrix[N][N][A]，A＝100；

(2)在囚徒困境博弈下，初始化N个节点的的博弈策略state[N]，然后计算出实际网络在博弈策略state[N]下的节点收益和总收益payoff_real[N+1]，以及A个矩阵matrix[N][N][A]的收益payoff[N+1][A]；

(3)遗传算法的计算过程：

(3.1)每次从A个矩阵matrix[N][N][A]中随机无重复抽取两个矩阵matrix[N][N][a]和matrix[N][N][b]，其中a≠b，a、b分别代表随机抽取的矩阵；

(3.2)第一个子代txt[N][N][a]的得到：

选取总收益与实际总收益差值最小的父代作为第一个子代，当|payoff[N][a]-payoff_real[N]|≤|payoff[N][b]-payoff_real[N]|时，txt[N][N][a]＝matrix[N][N][a]；否则txt[N][N][a]＝matrix[N][N][b]；

(3.3)第二个子代txt[N][N][b]的得到：

对于txt[i][N][b]第i行的选取，也就是第i个节点的邻接向量的选取：

交叉：选取第i个节点收益较接近payoff_real[i]的父代的第i行，即

当|payoff[i][a]-payoff_real[i]|≤|payoff[i][b]-payoff_real[i]|时，

txt[i][N][b]＝matrix[i][N][a]并且payoff_txt[i]＝payoff[i][a]，

否则txt[i][N][b]＝matrix[i][N][b]，payoff_txt[i]＝payoff[i][b]，式中N表示将matrix[i][N][b]第i行的N个值全部赋给txt[i][N][b]；