[發(fā)明專利]一種非重疊網(wǎng)絡(luò)和重疊網(wǎng)絡(luò)中社團(tuán)結(jié)構(gòu)檢測(cè)方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201910334636.2
• 申請(qǐng)日: 2019-04-24
• 公開(kāi)（公告）號(hào): CN110070177A
• 公開(kāi)（公告）日: 2019-07-30
• 發(fā)明（設(shè)計(jì)）人: 許小可;肖婧;胡越
• 申請(qǐng)（專利權(quán)）人: 大連民族大學(xué)
• 主分類號(hào): G06N3/04
• 分類號(hào): G06N3/04;G06N3/00
• 代理公司: 大連智高專利事務(wù)所(特殊普通合伙) 21235
• 代理人: 蓋小靜

1.一種非重疊網(wǎng)絡(luò)和重疊網(wǎng)絡(luò)中社團(tuán)結(jié)構(gòu)檢測(cè)方法，其特征在于，具體步驟如下：

非重疊網(wǎng)絡(luò)中社團(tuán)結(jié)構(gòu)檢測(cè)方式為：

Step1對(duì)種群個(gè)體進(jìn)行編碼并構(gòu)建初始種群；

Step2采用隸屬度矩陣編碼獲得種群個(gè)體對(duì)應(yīng)的模糊社團(tuán)劃分；

Step3是否得到最優(yōu)模糊社團(tuán)劃分：如果是，則輸出當(dāng)前種群中最優(yōu)模糊社團(tuán)劃分作為檢測(cè)結(jié)果，否則轉(zhuǎn)至Step4；

Step4對(duì)父代種群執(zhí)行變異操作、交叉操作、選擇操作進(jìn)化生成子代種群，進(jìn)化過(guò)程保留父代個(gè)體中優(yōu)質(zhì)的社團(tuán)劃分基因；

Step5對(duì)子代種群個(gè)體進(jìn)行適應(yīng)度值評(píng)價(jià)并對(duì)模糊社團(tuán)劃分進(jìn)行模糊模塊度計(jì)算；

Step6判斷目標(biāo)函數(shù)個(gè)數(shù)m是否大于1，即是否為多目標(biāo)優(yōu)化；若為單目標(biāo)優(yōu)化，則直接根據(jù)子代種群個(gè)體的模糊模塊度函數(shù)Q進(jìn)行精英選擇，保留優(yōu)質(zhì)個(gè)體進(jìn)入下一代父代種群，轉(zhuǎn)至Step3；若為多目標(biāo)優(yōu)化，則首先計(jì)算子代種群個(gè)體的其他目標(biāo)函數(shù)值，并對(duì)合并之后的父代子代種群集合進(jìn)行Pareto非支配排序及個(gè)體密度估計(jì)，然后根據(jù)個(gè)體精確性和分布性結(jié)果進(jìn)行環(huán)境選擇，保留同等規(guī)模的Pareto最優(yōu)個(gè)體進(jìn)入下一代父代種群，轉(zhuǎn)至Step3；

重疊網(wǎng)絡(luò)中社團(tuán)結(jié)構(gòu)檢測(cè)方式為：

S1.種群初始化:

S1.1設(shè)置網(wǎng)絡(luò)參數(shù)：節(jié)點(diǎn)數(shù)量為n，社團(tuán)數(shù)量為k，節(jié)點(diǎn)的度分布列表為m，連邊矩陣為adj；種群規(guī)模為NP，clean-up的比例因子為cleanup，當(dāng)前種群代數(shù)為t，種群總代數(shù)為gen；

S1.2利用隨機(jī)數(shù)構(gòu)建初始種群，并對(duì)初始種群進(jìn)行歸一化處理；

S2.根據(jù)廣義重疊模塊度函數(shù)Q_g計(jì)算種群中每個(gè)個(gè)體的適應(yīng)度值，作為歷史最優(yōu)解pmax_value，種群pop作為最優(yōu)種群pmax_pop；

S3.對(duì)種群進(jìn)行糾偏操作，計(jì)算此時(shí)的個(gè)體適應(yīng)度，并更新歷史最優(yōu)解pmax_value和最優(yōu)種群pmax_pop；

S4.當(dāng)前種群代數(shù)t小于種群總代數(shù)gen時(shí)：

S5.當(dāng)前種群代數(shù)t大于等于種群總代數(shù)gen時(shí)，輸出廣義重疊模塊度函數(shù)，重疊模塊度函數(shù)，網(wǎng)絡(luò)模塊度的歷史記錄。

2.根據(jù)權(quán)利要求1所述一種非重疊網(wǎng)絡(luò)和重疊網(wǎng)絡(luò)中社團(tuán)結(jié)構(gòu)檢測(cè)方法，其特征在于，非重疊網(wǎng)絡(luò)中社團(tuán)結(jié)構(gòu)檢測(cè)，其對(duì)應(yīng)帶約束條件的節(jié)點(diǎn)隸屬度組合優(yōu)化問(wèn)題數(shù)學(xué)模型如下公式所示：

數(shù)學(xué)模型：y＝F(x)＝(f₁(x),f₂(x)...f_m(x))

U∈R^n×c

約束條件：

式中y＝F(x)代表著由決策空間到m維目標(biāo)空間的映射函數(shù)，包含m個(gè)模糊社團(tuán)劃分質(zhì)量評(píng)價(jià)函數(shù)；當(dāng)m＝1時(shí)為單目標(biāo)優(yōu)化問(wèn)題，目標(biāo)函數(shù)即為模糊模塊度函數(shù)Q；當(dāng)m>1時(shí)轉(zhuǎn)化為多目標(biāo)優(yōu)化問(wèn)題，目標(biāo)函數(shù)為包含Q在內(nèi)的函數(shù)集合，衡量社團(tuán)劃分在多項(xiàng)評(píng)價(jià)標(biāo)準(zhǔn)上的性能優(yōu)劣；U＝{u_ik}∈R^n×c為節(jié)點(diǎn)隸屬度分布矩陣，u_ik代表節(jié)點(diǎn)i對(duì)于第k個(gè)社團(tuán)的隸屬度，其中i∈[1,n]，k∈[1,c]，并且滿足約束條件；為隸屬度分布U的映射，代表U對(duì)應(yīng)的模糊社團(tuán)劃分。