[发明专利]一种有向加权网络中多重影响力矩阵赋权方法

说明书

本发明公开的一种有向加权网络中多重影响力矩阵赋权方法，包括计算有向加权网络中所有网络节点的交叉强度和节点效率；根据节点效率，以及源节点到目标节点的路径长度构建影响力矩阵IE；根据节点效率，以及源节点与目标节点的路径数量构建影响力矩阵ISIP和影响力矩阵ITIP；结合权重自生成算法，对影响力矩阵IE、影响力矩阵ISIP和影响力矩阵ITIP进行赋权求和，构建多重影响力矩阵；根据多重影响力矩阵和网络节点的交叉强度计算得到网络节点的重要度值。本发明权重获取过程无人为因素的参与，克服了传统的评价结果具有一定的主观性的不足，对网络中重要节点精准识别并加以保护，从而保证了网络连通性和稳定性。

技术领域

本发明属于复杂网络科学技术领域，涉及一种有向加权网络中多重影响力矩阵赋权方法。

背景技术

复杂网络是复杂系统的高度抽象，网络中存在着大量的节点，节点之间又存在着复杂的连接关系。其中有向加权网络是一种网络拓扑结构中引入有向性和权重的一类最为复杂的网络。近年来，被广泛应用于智慧城市交通、无人机协同巡航、科研合作以及社交传播等多个领域。随着有向加权网络特性研究的不断深入以及在实际应用中的需求，如何评估有向加权网络中的核心节点保证网络的联通性已成为复杂网络研究的重要方向。

目前有向加权网络中核心节点评估的研究还相对较少，目前国内外学者主要从局部属性、全局属性以及两者的结合等角度提出了一些有价值的网络核心节点的评估方法。例如Xu等在PageRank算法基础上，提出了一个有向加权网络中节点重要性的评价指标(DWCN-NodeRank)，但该算法不能同时获得较高的评估精度和较快的收敛速度。郑文萍等提出了一种基于局部中心性的网络关键节点识别算法，但该算法通过不断的从网络中删除节点覆盖集，进行迭代直到点覆盖集中节点满足用户给定的待删除关键节点数，算法计算量大，难以应用在大规模的网络。王班等和马润年等根据网络的拓扑结构和邻居节点的重要性，提出了一种基于交互信息的有向加权网络节点重要性评估方法，但该方法忽略了非相邻的节点对待评估节点的影响，不够全面。尹荣荣等根据邻居节点的数量、拓扑结构以及K核，提出了一基于节点间重要度贡献关系的节点重要度评估方法，但该方法仅在无标度网络实验有效，没有推广到一般的有向加权网络。周漩等利用节点的效率和度值，提出了节点重要度评价矩阵方法，但该方法将节点的重要度平均贡献给邻居节点且忽略了连通性较强的网络中非邻居节点之间的相互依赖关系。Hu等和范文礼等分别提出了基于重要度贡献关联矩阵和网络传输效率矩阵的节点重要性评价方法，这两种方法考虑到了非邻居节点对待估节点的影响，但传输效率矩阵在判断重要性贡献比例值时,只考虑了节点间的最短路径长度这一因素,忽略了最短路径条数。王雨等充分利用了节点效率、节点强度值、节点间的路径长度以及路径条数，提出了基于多重影响力矩阵的有向加权网络节点重要性评估方法，但该方法使用主观赋权法(AHP)进行多重影响力矩阵的合成，使得评价结果具有一定的主观性。

因此，提供一种能够客观识别网络影响力节点，从而保证网络连通性和稳定性的有向加权网络中多重影响力矩阵赋权方法是本领域技术人员亟待解决的技术问题。

发明内容

本发明针对上述研究现状和存在的问题，提供了一种有向加权网络中多重影响力矩阵赋权方法，通过新定义的三个影响力矩阵，来综合刻画有向加权网络中节点的全局重要性，并利用权重自生成算法对其赋权求和，合成多重影响力矩阵，并综合有向加权网络局部属性交叉强度，以此来评估全网节点之间的重要性关系，进而提出了改进的多重影响力矩阵的赋权方法。

为实现上述目的其具体方案如下：

一种有向加权网络中多重影响力矩阵赋权方法，包括如下步骤：

步骤一、计算有向加权网络中所有网络节点的交叉强度和节点效率；