[发明专利]社区网络检测的多目标快速遗传方法

权利要求书

1.一种社区网络检测的多目标快速遗传的实现方法，其特征在于，所述方法包括如下步骤：

步骤1：种群和精英基因库初始化单元；

对社团表示用邻接点表示法,随机产生一个200～300个体数量规模的种群和一个0.2～0.3倍种群数量规模的精英基因库；

步骤2：染色体解码单元；

根据染色体的各基因，把染色体解码成邻接矩阵，从而确定了该染色体对应的各社区分簇；

步骤3:适应度计算单元；

计算本社区网络分簇算法方案的两个目标函数，最小目标函数其中适应度函数fitness(x)设为最大目标函数CS=Σi=1kscore(Si),]]>score(S)＝M(S)×V_s,M(S)=Σi∈s(ui)r|S|,]]>V_s＝Σ_i,j∈sA_ij,其中|S|表示S内部所有的节点数，V_s表示的是社团s内部相连接的边总数,u_i表示S内部与节点i相连的边占所有节点的比例；

步骤4：变异交叉算子；

设定一个变异率，对前沿较差的染色体进行变异操作，等位基因的变异值，只能为相邻基因，作交叉时，随机生成一个包含0、1值的交叉模，0选择一个父代，1选择另外一个父代；

步骤5：外部精英基因库；

存储符合条件的非劣解，每次迭代都更新外部精英基因库，丢弃被新解支配的解，放入不被库中支配的新解，从非劣解中挑选出模块度最高的解作为最终输出的最优解。

2.根据权利要求1所述的一种社区网络检测的多目标快速遗传的实现方法，其特征在于：所述方法是将社区复杂网络检测问题转为多目标优化问题，用邻接矩阵表示社区复杂网络(G,V)各节点关系，构建了社区分值和社区适应度两个目标函数，引入外部精英基因库，用于存储符合条件适应度较高的非劣解和其对应的适应度值，再执行遗传变异交叉算子返回一组两个目标函数的非支配解，再把优化解解码成邻接矩阵，从而将一个复杂社区网络分成多个独立的子网络。

3.根据权利要求1所述的一种社区网络检测的多目标快速遗传的实现方法，其特征在于：所述方法包括种群初始化单元；所述种群初始化单元把一个复杂网络划分为多个内部边数密集，相互边数稀疏的网络，种群初始化单元需要把一个复杂社团网络等效成一个点集，对社团的点集用邻接点表示法,随机产生一个种群，种群的规模在200～300。