[发明专利]社区网络检测的多目标快速遗传方法

摘要

本发明公开了社区网络检测的多目标快速遗传方法，该方法用于在复杂社区网络中查找社区结构，解决了传统算法在寻优过程出现“早熟”和效率低下的问题。本发明将社区划分问题转化为多目标优化问题，首先构建社区分值和社区适应度两个目标函数，引入外部精英基因库，用于存储适应度较高的非劣解，对于外部精英基因库已经存在的重复个体，不用再重复解码，计算个体的适应度值等一系列过程，其次执行遗传变异交叉算子返回一组两个目标函数之间折衷的非支配解，经过解码生成图的邻接矩阵，从而将一个复杂社区网络分成多个独立的子网络。仿真表明，多目标快速遗传算法引入外部精英基因库的概念很大程度减小时间复杂度，提高了复杂网络检测的效率和速度。

主权项

一种社区网络检测的多目标快速遗传的实现方法，其特征在于，所述方法包括如下步骤：步骤1：种群和精英基因库初始化单元；对社团表示用邻接点表示法,随机产生一个200～300个体数量规模的种群和一个0.2～0.3倍种群数量规模的精英基因库；步骤2：染色体解码单元；根据染色体的各基因，把染色体解码成邻接矩阵，从而确定了该染色体对应的各社区分簇；步骤3:适应度计算单元；计算本社区网络分簇算法方案的两个目标函数，最小目标函数其中适应度函数fitness(x)设为最大目标函数$CS=\underset{i=1}{\overset{k}{\Σ}}score\left(S_i\right),$score(S)＝M(S)×V_s,$M\left(S\right)=\frac{{\mathrm{\Σ}}_{i\∈s}{\left(u_i\right)}^r}{\left|S\right|},$V_s＝Σ_i,j∈sA_ij,其中|S|表示S内部所有的节点数，V_s表示的是社团s内部相连接的边总数,u_i表示S内部与节点i相连的边占所有节点的比例；步骤4：变异交叉算子；设定一个变异率，对前沿较差的染色体进行变异操作，等位基因的变异值，只能为相邻基因，作交叉时，随机生成一个包含0、1值的交叉模，0选择一个父代，1选择另外一个父代；步骤5：外部精英基因库；存储符合条件的非劣解，每次迭代都更新外部精英基因库，丢弃被新解支配的解，放入不被库中支配的新解，从非劣解中挑选出模块度最高的解作为最终输出的最优解。