[发明专利]一种符号网络弱不平衡度的评价方法及系统

权利要求书

1.一种符号网络弱不平衡度的评价方法，其特征在于，包括：

获取符号网络G(V,E,σ)的邻接矩阵A＝(a_ij)_n×n；其中，节点集V＝{v₁,v₂…,v_n}，n为符号网络的节点数，n为大于1的正整数；类别集C＝{0,…，k-1}，类别集中包括全部节点的类别值，k为正整数；边集符号属性集σ＝{+，-}；a_ij∈{-1,0,1}，a_ij＝1表示节点v_i和v_j以正边相连，a_ij＝-1表示节点v_i和v_j以负边相连，a_ij＝0表示节点v_i和v_j没有边相连；

根据所述邻接矩阵采用轮盘赌算法生成个体压缩表示；所述个体压缩表示包括多个节点的类别值，所述个体压缩表示的节点数小于n；

获取种群规模popSize和迭代次数预设值maxGen；其中，popSize为大于1的正整数，maxGen为大于1的正整数；

根据所述个体压缩表示及所述种群规模随机生成popSize个个体，得到初始种群；一个所述个体中包括多个节点的类别值；

对所述初始种群初始化，得到父代种群；

对父代种群中的个体依次进行选择操作、交叉操作、变异操作、轮换操作和局部搜索操作，得到子代种群，并将迭代次数的值加1；所述迭代次数的初始值为零；

判断迭代次数的值是否等于迭代次数预设值maxGen；

如果是，将所述子代种群确定为优化种群；否则，将所述子代种群作为更新后的父代种群返回步骤“对父代种群中的个体依次进行选择操作、交叉操作、变异操作、轮换操作和局部搜索操作”；

根据适应值函数计算所述优化种群中全部个体的适应值，将所述优化种群中适应值最大的个体确定为所述符号网络的弱不平衡度；

其中，N(v_i)＝{v_k|(v_i,v_k)∈E}，N(v_i)是节点v_i的邻域，v_k是节点v_i的邻居节点；s_i为第i个节点的类别值，s_j为第j个节点的类别值；

所述根据所述邻接矩阵采用轮盘赌算法生成个体压缩表示，具体包括：

分别求解所述邻接矩阵的每行元素值之和，将每行元素值之和确定为每行元素值对应的节点的度数；

将第一节点的第一邻居节点的类别值存入压缩数组；所述第一节点为邻接矩阵对应节点中度数为1的节点；

将所述第一邻居节点的度数修改为0，并将第二邻居节点的度数减1，得到第一邻接矩阵；所述第二邻居节点为所述第一邻居节点的邻居节点；

根据所述第一邻接矩阵采用轮盘赌算法确定一个第二节点，将所述第二节点的类别值存入所述压缩数组；所述第二节点的度数大于0；

将所述第二节点的度数修改为0，并将所述第二节点的邻居节点的度数减1，得到第二邻接矩阵；

判断所述第二邻接矩阵中的所有元素值是否全部等于0；

如果是，将存入所述压缩数组的节点的类别值集合确定为所述个体压缩表示；否则，将所述第二邻接矩阵作为更新后的第一邻接矩阵返回“根据所述第一邻接矩阵采用轮盘赌算法确定一个第二节点”；所述个体压缩表示中类别值的个数为Y，Y＜k。

2.根据权利要求1所述的方法，其特征在于，所述根据所述个体压缩表示及所述种群规模随机生成popSize个个体，得到初始种群，具体包括：

生成一个所述个体；

所述生成一个所述个体，具体包括：

为个体压缩表示中的每个节点随机分配一个类别值s_i，得到一个所述个体；所述类别值s_i∈{0，…,k-1}；

循环所述生成一个所述个体的过程popSize次，得到所述初始种群。