[发明专利]基于非支配邻域免疫算法的动态网络社区检测方法

摘要

本发明公开了一种基于非支配邻域人工免疫算法的动态网络社区检测方法，主要解决现有算法耗时长、精度低的问题。其实现步骤为：(1)设定优化最大代数Gmax和最大时间片刻T；(2)在t＝1时刻，输入网络邻接矩阵，设置优化代数g＝0，生成初始抗体种群，当g＜Gmax时，对初始抗体种群进行更新，否则，对支配种群进行解码，找出具有最大模度值的个体输出，并设t＝t+1，执行步骤(3)；(3)若t＞T，则终止检测；否则执行(4)；(4)输入第t时刻网络邻接矩阵，设置优化代数g＝0，生成初始种群；(5)当g＜Gmax时，对初始抗体种群进行更新，否则，对支配种群进行解码，找出具有最大模度值的个体输出，并设t＝t+1，执行步骤(3)。本发明具有检测精度高、耗时短的优点，可用于网络划分技术领域。

主权项

一种基于非支配邻域免疫算法的动态网络社区检测方法，包括如下步骤：(1)设定优化算法的最大代数Gmax、支配种群最大规模nD、活性种群规模nA、克隆种群规模nC、Community Fitness目标函数中的参数α，最大时间片刻T；(2)设置时间片刻t＝1，输入第一时间片刻网络N1的邻接矩阵A1，并根据邻接矩阵A1生成规模为nD的初始化抗体种群B0，设置优化算法运行代数g＝0，并设定支配种群D0＝φ，活性种群A0＝φ，临时支配种群DT0和克隆种群C0＝φ，其中φ表示空集；(3)如果优化算法运行代数g＞优化算法最大运行代数Gmax，则对Gmaxg代时的支配种群DGmax中的个体进行解码，并计算个体的模度值，选择模度值最大的个体CR1作为第一时间片刻网络的划分结果输出，t＝t+1，执行步骤(5)；否则，执行步骤(4)；(4)对抗体种群Bg中的个体进行解码，并分别计算Community Score值和Community Fitness值作为两个目标值，根据目标值从抗体种群Bg中选出支配抗体组成支配种群Dg，再从支配种群Dg中选出活性个体组成活性种群Ag，对活性种群Ag进行等比例克隆、均匀交叉、单点变异操作后和支配种群连接形成新的抗体种群Bg，令优化算法运行代数g＝g+1，返回步骤(3)；(5)判断终止条件：如果时间片刻t＞最大时间片刻T，则对t的时间片刻的g代支配种群Dg中的个体进行解码，并计算个体模度值，选择模度值最大的个体作为t时间片刻网络Nt的划分结果输出；否则，执行步骤(6)；(6)输入第t时间片刻网络Nt的邻接矩阵At，并根据邻接矩阵At生成规模为nD的初始化抗体种群B0，设置优化算法运行代数g＝0，并设定支配种群D0＝φ，活性种群A0＝φ，临时支配种群DT0和克隆种群C0＝φ，其中φ表示空集；(7)如果优化算法运行代数g＞优化算法最大运行代数Gmax，则对Gmax代时的支配种群DGmax中的个体进行解码，并计算个体的模度值，选择模度值最大的个体CRt作为第t时间片刻网络的划分结果输出，t＝t+1，返回步骤(5)；否则，执行步骤(8)；(8)对抗体种群Bg中的个体进行解码，并分别计算个体的Community Score值和个体解码后所表示的网络划分与上一时间片刻网络划分结果CRt‑1的Normalized Mutual Information值作为两个目标值，根据目标值从抗体种群Bg中选出支配抗体组成支配种群Dg，再从支配种群Dg中选出活性个体组成活性种群Ag，对活性种群Ag进行等比例克 隆、均匀交叉、单点变异操作后和支配种群连接形成新的抗体种群Bg，令优化算法运行代数g＝g+1，返回步骤(7)。