[发明专利]一种基于超元启发算法的人群信息聚类方法

权利要求书

1.一种基于超元启发算法的人群信息聚类方法，其特征在于，包括以下步骤：

A、根据人群的社交网络建立社交图模型，该模型表示为：G＝G(N,V)，其中，N为节点数，V为节点间的关系；

B、根据上述模型获得邻接矩阵A，该矩阵的元素A_ij表示为：其中，L(i,j)表示节点i和节点j是连接的；w_ij代表两个节点的权值；

C、获取节点i的等级，具体表示为

D、通过对节点i的等级进行分析判断，确立强感官群体和弱感官群体，从而定义人群信息的聚类目标，所述的聚类目标包括聚类目标NRA和聚类目标RC；

E、设计超元启发式算法对所述的聚类目标进行聚类处理，所述的超元启发式算法包括如下步骤：

e1、初始化种群信息；

e2、对种群信息进行分组形成n个子种群；

e3、采用n个算法分别对n个子种群进行一一对应的并行运算；

e4、输出运算结果，并利用评估器对并行运算的结果进行评估；

e5、根据评估结果选出最佳算法，并利用该最佳算法进行一定次数的迭代计算；

e6、输出当前全体子种群，并判断各子种群是否满足优化的终止条件：如果满足，则输出结果；如果不满足，则重新进行种群分组。

2.根据权利要求1所述的一种基于超元启发算法的人群信息聚类方法，其特征在于，所述的节点i的等级具体表示为：其中，其中，S为人群的聚类类别，将社交网络划分为m个社区，则S＝{S₁,S₂,…S_m}，为第i个节点的入度，为第i个节点的出度。

3.根据权利要求2所述的一种基于超元启发算法的人群信息聚类方法，其特征在于，所述的聚类目标的定义如下：

4.根据权利要求1或2或3所述的一种基于超元启发算法的人群信息聚类方法，其特征在于，所述的人群信息聚类目标的目标函数包括：人群的爱好、出没地点、作息习惯和社会网络结构。

5.根据权利要求1或2或3所述的一种基于超元启发算法的人群信息聚类方法，其特征在于，所述的并行运算过程中，设计算法的重组器来选择合适的算法。

6.根据权利要求5所述的一种基于超元启发算法的人群信息聚类方法，其特征在于，所述的重组器用于从n个算法中重组出m个合适的算法，其中n大于m。

7.根据权利要求1或2或3所述的一种基于超元启发算法的人群信息聚类方法，其特征在于，所述的评估器用于对运算结果进行个体评估和子算法评估；所述的个体评估用于评估出运算结果中的普通个体和较好个体，所述的子算法评估用于对较好个体进行算法评估。