[发明专利]一种动态复杂网络社区多目标划分方法

摘要

一种动态复杂网络社区多目标划分方法，包括：第一步，从文件中读入初始状态下即t＝1时刻的网络结构；将模块度作为优化的第一个指标，产生一个网络G₁的初始聚类初始聚类中的每个是聚类中的第i个社区；第二步，从文件中读出t＝2,…,T时刻的网络图结构，对于每个时间戳t时刻的网络结构同时优化其模块度和标准化互信息值；第三步，对于第二步所得到的种群的所有个体，比较种群中个体的模块度，返回具有最高模块度的Pareto前沿的解集合得到第t个时间戳下的最佳社区划分结果；第四步，对每一个时间戳的取值t＝2,…,T，重复以上操作步骤二和步骤三，直到所有的时间戳均获得必要的划分，即t＝T。

主权项

一种动态复杂网络社区多目标划分方法，包括以下具体步骤：第一步，从文件中读入初始状态下即t＝1时刻的网络结构；将模块度作为优化的第一个指标，产生一个网络G₁的初始聚类初始聚类中的每个是聚类中的第i个社区；第二步，假设动态网络共有T个不同的时间节点。则从文件中读出t＝2,…,T时刻的网络图结构，对于每个时间戳t时刻的网络结构同时优化其模块度和标准化互信息值，具体的过程是：S21：产生一组随机线性的基因表达式编程个体，个体的头部长度不超过网络图结构中节点的个数，尾部则是根据节点中所有的节点编号的一个随机排列；S22：将每个种群中的个体表示为一个树形结构，并将其转化为若干个节点的划分，产生对t时刻的网络结构图G_t中的k个连通分量的划分其中CR^t为t时刻的社区划分的集合，为t时刻的第k个社区；S23：计算种群中每一个个体的模块度和标准化互信息值，将这两个值作为个体的两个适应度值；S24：采用基于非支配排序的带有精英策略的多目标优化算法对个体根据其非支配排列给予每个个体一个排列并根据其排列对其进行排序，并产生下一代种群；S25，重复以上操作步骤S21到步骤S24，直到达到设定的代数500代；第三步，对于第二步所得到的种群的所有个体，比较种群中个体的模块度，返回具有最高模块度的Pareto前沿的解集合得到第t个时间戳下的最佳社区划分结果；第四步，对每一个时间戳的取值t＝2,…,T，重复以上操作步骤二和步骤三，直到所有的时间戳均获得必要的划分，即t＝T。