[发明专利]基于层次凝聚的大规模图最短路径搜索方法

说明书

本发明公开了一种基于层次凝聚的大规模图最短路径搜索方法，包括如下步骤：S1，粗化网络：根据邻接关系，利用广度优先算法，将邻近节点凝聚形成超级节点，对初始大规模网络N₀进行粗化处理，一次粗化得到一个网络N₁，多次粗化得到节点数逐渐减少的多个网络，记为N₁,N₂,…,N_t；S2，在粗化网络上搜索最短路径：S21，令k＝t；S22，在粗化网络N_k上搜索源点s所属超级节点到终点e所属超级节点的最短路径P_k；S23，在次级粗化网络N_k‑1上找到该最短路径P_k所覆盖的次超级节点，形成网络G_k‑1；S24，将步骤S23中得到的网络G_k‑1视为步骤S22中的粗化网络，即令N_k＝G_k‑1；S25，令k＝k‑1；S26，循环执行步骤S22至步骤S25，直至k＝0结束，得到最短路径P₀，即为所搜索得到的最短路径，输出P₀。

技术领域

本发明属于网络分析与计算技术领域，具体的为一种基于层次凝聚的大规模图最短路径搜索方法。

背景技术

现实中很多系统都可以抽象成网络，如互联网、交通网、物流网、社交网和电网等。随着全球化的经济发展、社会变迁和信息技术的进步，各种网络规模不断迅速扩大，网络复杂程度不断增强。对复杂的大规模网络的研究，已经成为学术界、工程界关注的热点和研究前沿领域。

最短路径问题是图分析或网络分析中的一类受到普遍重视和研究的问题，广泛应用于计算机科学、交通网络、通信工程、运筹学理论、信息技术等众多领域。现有方法主要是针对规模不大的图或网络。搜索最短路径的方法通常有：

1)Dijkstra算法(迪杰斯特拉算法)，其串行计算复杂度是O(m+nlogn)；Dijkstra算法能得出最短路径的最优解，但由于它遍历计算的节点很多，所以效率低；

2)A*算法(A-Star)，该算法是一种静态路网中求解最短路最有效的启发式直接搜索方法，也是许多其他问题的常用启发式算法，但是对于大规模的复杂网络，其评价函数难以构造，在搜索过程中，也难以计算。

由于网络规模的扩大和复杂度的增强，以及问题求解的实时性要求，越来越迫切需要高效的最短路径搜索方法。

发明内容

有鉴于此，本发明针对大规模网络中节点与节点间的最短路径搜索问题，提出了一种基于层次凝聚的大规模图最短路径搜索方法，通过缩减网络规模，降低搜索时间和空间，从而达到提高搜索效率的目的。

为达到上述目的，本发明提供如下技术方案：

一种基于层次凝聚的大规模图最短路径搜索方法，包括如下步骤：

S1，粗化网络：根据邻接关系，利用广度优先算法，将邻近节点凝聚形成超级节点，对初始大规模网络N₀进行粗化处理，一次粗化得到一个网络N₁，多次粗化得到节点数逐渐减少的多个网络，记为N₁,N₂,…,N_t；

S2，在粗化网络上搜索最短路径：

S21，令k＝t；

S22，在粗化网络N_k上搜索源点s所属超级节点到终点e所属超级节点的最短路径P_k；

S23，在次级粗化网络N_k-1上找到该最短路径P_k所覆盖的次超级节点，形成网络G_k-1；