[发明专利]基于近邻传播的进化多目标优化社区检测方法

摘要

本发明涉及基于近邻传播的进化多目标优化社区检测方法，其特征是包括如下步骤步骤101开始基于近邻传播的进化多目标优化社区检测方法；步骤102读入一个网络的邻接矩阵；步骤103设定相关参数；步骤104选择基于信号的相似度测量方法；步骤105选择近邻传播的聚类方法；步骤106选择多目标进化算法；步骤107依据步骤105得到的初步划分结果和步骤106得到的进一步划分结果；步骤108结束基于近邻传播的进化多目标优化社区检测方法。通过本发明即可以实现对复杂网络的更精确、快速的划分。

主权项

基于近邻传播的进化多目标优化社区检测方法，其特征是：包括如下步骤：步骤101：开始基于近邻传播的进化多目标优化社区检测方法；步骤102：读入一个网络的邻接矩阵，标记为A；步骤103：设定相关参数：偏向参数P的种群大小NumP为100，最大pareto占优解个数Nmax为40，交叉概率pc为1，变异概率pm为0.8，最大迭代次数Gmax为50；步骤104：选择基于信号的相似度测量方法，获取网络的负相似度矩阵，标记为S；步骤105：选择近邻传播的聚类方法，依据步骤104的得到的负相似度矩阵S，聚类得到网络的初步划分结果，标记为CAPOP；步骤106：选择多目标进化算法，依据步骤105中得到的结果作为初始种群，对网络划分结果进一步搜索，结果标记为CAPOPR；步骤107：依据步骤105得到的初步划分结果和步骤106得到的进一步划分结果，筛选出pareto占优解作为最终输出结果，标记为COPR；步骤108：结束基于近邻传播的进化多目标优化社区检测方法；所述的步骤104，包括如下步骤：步骤201：开始选择基于信号的相似度测量方法，获取网络的负相似度矩阵；步骤202：依据标记为A的邻接矩阵及公式V= ( In + A)t求出网络信号传递矩阵，标记为V，其中In表示的是n维单位矩阵，A表示的是网络的邻接矩阵，t表示的是传递时间，本发明中取值为3；步骤203：对V中所有行向量进行归一化处理，得到归一化矩阵，标记为U；步骤204：对U中所有行向量两两之间求负的欧式距离，得到网络的负相似度矩阵，标记为S；步骤205：结束选择基于信号的相似度测量方法，获取网络的负相似度矩阵，标记为S；所述步骤105，包括如下步骤：步骤301：开始依据选择的近邻传播的聚类方法和步骤104的得到的负相似度矩阵S，聚类得到网络的初步划分结果；步骤302：设定偏向参数取值范围为[‑10,0]，并在该范围内随机产生NumP个实数作为偏向参数的初始种群，标记为C；步骤303：根据C中每个实数值和负相似度矩阵S，利用近邻传播方法聚类得到对应划分结果，标记为CAP；步骤304：对CAP中划分结果进行相应处理，筛选出pareto占优解作为网络初步划分结果，标记为CAPOP；步骤305：结束依据步骤104的得到的负相似度矩阵S和选择的近邻传播的聚类方法，聚类得到网络的初步划分结果；所述步骤304，包括如下步骤：步骤401：开始对步骤303中得到的CAP进行相应处理，筛选出pareto占优解作为网络初步划分结果；步骤402：分别依据连接度目标函数公式和负分割度目标函数公式，其中m表示为网络的中社区数目，Vi表示社区i的顶点集合，表示社区i内节点总连接数，表示社区i内所有节点与社区i外其他节点连接数，表示社区i节点数，计算CAP中每条划分结果的目标函数值，计算结果分别标记为F1和F2；步骤403：根据步骤402中的得到的F1和F2，对CAP中划分结果进行快速非支配排序，选取处于最高支配等级的非支配解集，标记为CAP1；步骤404：根据步骤403得到的CAP1所对应的目标函数值，计算种群个体间拥挤距离，选取具有较大拥挤距离前Nmax的个体，作为网络初步划分结果，标记为CAPOP；步骤405：结束对步骤304中得到的CAP进行相应处理，筛选出pareto占优解作为网络初步划分结果，标记为CAPOP;所述步骤106，包括如下步骤：步骤501：开始选择多目标进化算法，依据步骤105中得到的结果作为初始种群，对网络划分结果进行进一步搜索；步骤502：设置迭代次数,标记为g=0；步骤503：将步骤105得到的CAPOP作为初始种群，标记为CIN；步骤504：对步骤得到的种群CIN其中的染色体进行交叉操作和变异操作，得到新的种群，标记为CAPOP1；步骤505：分别依据步骤402中所介绍的连接度目标函数公式和负分割度目标函数公式，计算步骤504得到的CAPOP1中染色体的目标函数值，分别标记为F11和F22；步骤506：根据步骤505中的得到的F11和F22，对CAP中划分结果进行快速非支配排序，选取处于最高支配等级的非支配解集，标记为CAPOP11；步骤507：根据步骤506得到的CAPOP11所对应的目标函数值，计算种群个体间拥挤距离，选取具有较大拥挤距离前Nmax的个体，作为本次迭代结果，标记为CAPOPR，同时将步骤507中得到的CAPOPR作为初始种群CIN；步骤508：设置迭代次数g=g+1；步骤509：判断迭代次数是否大于或者等于最大迭代次数Gmax，若是，则迭代终止，进行步骤510到步骤511；若不是，则进行步骤504到步骤509；步骤510：将步骤507中得到的CAPOPR作为输出结果；步骤511：结束选择多目标进化算法，依据步骤105中得到的结果作为初始种群，对网络划分结果进行进一步搜索;所述步骤504，包括如下步骤：步骤601：开始对得到的种群CIN其中的染色体进行交叉操作和变异操作；步骤602：产生一个[0,1]间的随机数，标记为rd1；步骤603：判断rd1是否大于或者等于交叉概率pc，若是，则进行步骤604；否则，执行步骤605；步骤604：依据双向交叉的方法，随机选取CIN中两条染色体做父本，进行交叉操作，生成子代染色体，更新种群；步骤605：产生一个[0,1]间的随机数，标记为rd2；步骤606：判断rd2是否大于或者等于变异概率pm，若是，则进行步骤607；否则，执行步骤609；步骤607：依据随机变异的方法，从种群中随机选取一条染色体，标记为r，并获取r中最大的标签数标记为l；步骤608：随机选取r染色体中1/5节点，对这些节点进行变异，随机变成不超过l的正整数；步骤609：更新交叉和变异后种群，标记为CAPOP1；步骤610：结束对CIN其中的染色体进行交叉操作和变异操作，得到新的种群，标记为CAPOP1;所述步骤107，包括如下步骤：步骤701：开始依据步骤105得到的初步划分结果和步骤106得到的进一步划分结果，筛选出pareto占优解作为最终输出结果；步骤702：依据步骤105得到的结果CAPOP和步骤106得到的结果CAPOPR进行融合，形成新的解集，标记为CAPR；步骤703：分别依据步骤402中所介绍的连接度目标函数公式和负分割度目标函数公式，计算步骤702得到的CAPR中染色体的目标函数值，分别标记为Ff1和Ff2；步骤704：根据步骤703中的得到的Ff1和Ff2，对CAPR中划分结果进行快速非支配排序，选取处于最高支配等级的非支配解集，标记为COPR，并作为最终结果输出；步骤705：结束依据步骤105得到的初步划分结果和步骤106得到的进一步划分结果，筛选出pareto占优解作为最终输出结果。