[发明专利]一种多目标时空关联网络关键节点的识别方法

权利要求书

1.一种多目标时空关联网络关键节点的识别方法，其特征在于，包括以下步骤：

步骤1、构建多目标时空关联邻接矩阵，依据目标之间实际存在的时空关联关系将邻接矩阵转换为有向图；

步骤2、计算目标时空关联有向图中每个节点的介数，评估节点在有向图中的中心性；

步骤3、将目标时空关联有向图中节点介数做为节点关键性评估指标之一，结合节点其他关键性评估指标构建节点关键性评估指标集及对应的评估数据矩阵；

步骤4、对节点评估数据矩阵进行正向化处理，运用优劣解距离法对节点进行关键性量化计算、排序以识别出关键节点。

2.根据权利要求1所述的方法，其特征在于，步骤1中包括：记时空关联网络中包含的目标集合为V，包含n个目标，其中n∈N^*且n＞1，首先构建一个n*n的目标关系邻接矩阵M，依据目标两两之间实际存在的关联关系对矩阵M进行处理，去除矩阵M中无用的关联关系，记去除无用的关联关系后的矩阵M中包含的关联关系集合为E，每个关联关系称为一个边，记关联关系集合E包含e个边，其中e∈N^*且1e≤n²-n，则得到一个以邻接矩阵结构表示的有向图G＝(V，E)，所述有向图G中一个节点对应一个目标。

3.根据权利要求2所述的方法，其特征在于，步骤2中有向图中每个节点的介数指有向图G中所有的最短路径中包含该节点的数量比例，所述介数反映了节点在整个网络中的作用和影响力，介数越大，节点在图中的中心性越强；通过对有向图G进行层序遍历，计算节点p到q的最短路径总数记为σ_p→q，其中p≠q且p,q∈V；通过节点i的最短路径总数记为σ_p→q(i)，其中p≠q≠i且i∈V；记有向图G中节点i的介数为B(i)，则：

记录有向图G中每个节点i对应的目标与B(i)值的映射关系，将其作为下一步计算输入的指标之一。

4.根据权利要求3所述的方法，其特征在于，步骤3包括：记有向图G中节点i对应的目标具备k个关键性评估指标，其中k∈N^*且k＞1，将有向图G中节点i的介数作为其对应目标的第k+1个关键性评估指标，获得有向图G的节点关键性评估指标集EI＝{指标1,…,指标k,指标k+1}和对应的评估数据矩阵所述评估数据矩阵为n*(k+1)的矩阵：

记表示节点i对应的目标的第j个关键性评估指标的值，j＝1,2,…,k,k+1；i∈V，目标集合V包含n个目标；其中，通过实际业务获得取值，为步骤2中所得的目标介数B(i)。

5.根据权利要求4所述的方法，其特征在于，步骤4中对步骤3中的节点评估数据矩阵进行正向化处理包括：对节点关键性评估指标集EI中的指标按照量纲类型进行分类，若指标j的值在业务意义上表现为值越大越优，则将指标j归为极大型指标；若指标j的值在业务意义上表现为值越小越优，则将指标j归为极小型指标；若指标j的值在业务意义上表现为具有中间最优值，则将指标j归为中间型指标；若指标j的值在业务意义上表现为具有最佳区间值，则将指标j归为区间型指标；

对极小型、中间型及区间型指标的值进行处理，统一生成极大型指标数据：记评估数据矩阵中指标j的最大值为k_max，第i个目标的指标j的值为的极大型值为若指标j为极小型指标，则若指标j为中间型指标，若其最优值为μ，则若指标j为区间型指标，若其最佳区间是[x，y]，则

经过极大型转换后的评估数据矩阵即为节点评估数据矩阵的正向化处理，记为

6.根据权利要求5所述的方法，其特征在于，步骤4中运用优劣解距离法对节点进行关键性量化计算、排序以识别出关键节点包括：

步骤4.1：计算各指标值都取到节点评估数据矩阵中评估指标理想最优解；

步骤4.2：计算各指标值都取到节点评估数据矩阵中评估指标理想最劣解；

步骤4.3：计算节点i对应的目标的各指标值距离理想最优解及理想最劣解的综合距离以及节点i对应的目标的综合得分；

步骤4.4：对所有节点对应目标的综合得分进行排序，综合得分最高的目标则识别为关键节点。