[发明专利]一种面向图流的社交网络用户间路径规划方法和系统

说明书

本发明公开了一种面向图流的社交网络用户间路径规划方法和系统，属于路径规划技术领域。本发明采用按图的结构是否变化将动态社交网络图流切分成多个静态图，保证各个静态图结构不同，使得可以在静态图上执行广度优先算法寻找局部最短路径，实现动态图的处理。本发明将每一个静态图的终点作为下一个静态图起点，从而能够将多个连续静态图上的最短路径串联起来形成一条完整的最短路径，将搜索静态图过程中到达的中间节点作为当前的图的终点，为路径规划提供暂留能力，从而考虑了由未来到达的连接边所产生的最佳路径，充分利用了图流结构变化可预测的特点。

技术领域

本发明属于路径规划技术领域，更具体地，涉及一种面向图流的社交网络用户间路径规划方法和系统。

背景技术

当图是静态不变的情况，即节点和边是固定不变，有很多高效算法可以保证寻找到一条从初始点到目标点的最短路径，如Dijkstra算法通过贪心选择维护一个已找到最短路径的点的集合，并不断扩展这个集合，直到包含目的节点为止。如果可以从图中获取一些启发式信息，那么基于启发式思想的A*算法通常比Dijkstra算法更高效，A*算法将距离源节点的信息和距离目的节点的信息结合起来，从而得到一个估计路径代价的估计值，然后总是从估计代价最低的节点开始扩展，直到从目的节点开始扩展后结束扩展，并得到一条最短路径。

图流是一种结构随时间动态变化的图，目前有很多应用涉及图流，例如，在随机时间动态变化的社交网络为两个用户寻找最短距离，以此计算用户的相似性，并基于用户间的相似性为用户做推荐。这要求在动态变化的图流中寻找连接两个节点的最短路径。社交网络中可能会随时产生新的朋友关系和旧的朋友关系消失，从而使得两个目标用户间的最短距离发生变化，因此传统的Dijkstra算法和A*算法都不能应用于类似社交网络这种动态变化的图流的情况。

目前已经提出了D*算法可以用于动态图的情况，D*算法是A*算法在动态图中的扩展，它的不同之处在于A*算法的启发函数是静态的，D*算法在移动的下一节点产生变化时，动态调整当前节点的估计代价。虽然D*算法可以处理动态图的情况，但D*算法忽略了图流的重要的特点，也就是图流的动态变化是可预测的，目前已经有基于图流的链路预测方法提出，而D*算法不能充分利用预测的结果，从而无法在图流中寻找到最短路径。

发明内容

针对现有技术的缺陷，本发明的目的在于解决现有技术中未考虑到图流的结构变化是可预测的特点，从而导致无法从社交网络图流中找到源用户和目的用户之间最短路径的技术问题。

为实现上述目的，第一方面，本发明实施例提供了一种面向图流的社交网络用户间路径规划方法，该方法包括以下步骤：

S0.获取社交网络图流G，待路径规划的源用户为源节点S，待路径规划的目的用户为目的节点E；

S1.根据社交网络图的结构是否变化，将社交网络图流G划分为T个静态图，记为G₁～G_T，初始化每个静态图中所有节点的搜索步数step为无穷大，初始化优先队列Q为空；

S2.设定当前图序号t＝1，初始化G₁的起点为图流G的源节点S，初始化S.step＝0，将S加入优先队列Q；

S3.判断t是否大于T或者图流G的目的节点是否标记为已到达或者优先队列Q是否为空，如果是，停止搜索，开始路径生成，进入步骤S6，否则，进入步骤S4；

S4.选择第t个图G_t，初始化优先队列Q′为空，从优先队列Q所包含的节点出发，采用广度优先搜索算法搜索图G_t，将搜索过程中所有遍历到的节点标记为已到达，并将规定步数内标记为已到达的节点插入Q′；

S5.将图G_t中所有已标记为已到达的节点，作为下一个图的起点，t加1，清空优先队列Q里面的所有元素，从优先队列中Q′依次弹出节点加入优先队列Q，进入步骤S3；