[发明专利]基于粒子群算法的复杂网络同步能力优化方法、装置

说明书

本发明公开了一种基于粒子群算法的复杂网络同步能力优化方法，其特征在于，该方法包括：对于一个给定的复杂饱和网络，在网络节点之间的耦合强度以及总耦合强度受限的条件下，利用粒子群算法分配节点间的耦合强度从而使得网络的同步能力到达最优。本发明还提供了基于该方法的装置。本发明利用粒子群算法的特性，能够高效地实现网络的同步能力到达最优。

技术领域

本发明涉及一种优化复杂网络同步能力的方法及装置，尤其涉及一种基于粒子群算法的复杂网络同步能力优化方法、装置。

背景技术

同步是复杂网络中一种重要的动力学行为，在过去的十几年中复杂网络的同步在化学、交通、工程技术、生物技术等领域的有了越来越广泛的应用。在实际的网络应用中，当网络规模较大时，为了优化网络的同步能力，需要增加节点之间的耦合强度。但是网络中节点之间的耦合强度不可能无限增加，即具有饱和性。例如，当时滞细胞神经网络需要完成同步任务时，网络中细胞元需要进行通信，在通信中存在输入饱和的现象。不仅如此，在实际中网络中的耦合强度的总量往往也是固定。

在这样的情况下，为了优化网络的同步能力，学术界往往将节点间的耦合强度与节点度的大小进行联系，但是这样的方法无法将网络的同步能力优化到最优。

发明内容

发明目的：本发明提出一种快速、高效的优化复杂网络同步能力的方法。本发明的另一目的在于提供基于上述方法的复杂网络同步能力优化装置。

技术方案：本发明所述的基于粒子群算法的复杂网络同步能力优化方法，包括：对于一个给定的复杂饱和网络，在网络节点之间的耦合强度以及总耦合强度受限的条件下，利用粒子群算法分配节点间的耦合强度从而使得网络的同步能力到达最优。

所述复杂饱和网络是无向加权时延网络，节点间的耦合强度存在饱和且所有节点的总耦合强度固定。基于需要对节点间耦合强度这样一个群体优化的问题，本发明使用群智能优化算法中的粒子群算法来对网络的同步能力进行优化。粒子群算法作为一种高效的智能算法具有很好的收敛性、计算时间少、鲁棒性高等优点，其在开始时就能具有良好的全局搜索性能，并且能够快速定位到全局最优区域附近，同时具有良好的局部搜索性能，因此能快速地将网络的同步能力优化到最优状态。

进一步地，所述粒子群算法，包括步骤：

(1)对给定的复杂网络建立优化其同步能力的目标函数；

(2)确定网络节点间耦合强度的约束条件；

(3)输入原始数据，包括网络节点个数、网络边数；

(4)根据节点间耦合强度约束，初始化粒子群；

(5)根据适应度函数计算当前每个粒子的适应度函数值，设置各初始粒子个体最优解和全局最优解；

(6)更新粒子的位置和速度；对于每个粒子，将其当前迭代的适应度函数值与之前迭代过程中的最优值进行比较，更新每个粒子的最优值和个体最优解；将当前迭代中所有粒子中的最优的适应度函数值与之前迭代得到的全局最优值进行比较，更新群体的全局最优值和全局最优解；

(7)判断是否满足终止条件(迭代次数或最优值不再更新)，若满足，则可以终止算法，解码输出全局最优解，即不同节点之间耦合强度；若不满足终止条件，则返回步骤(5)。

进一步地，步骤(1)中，所述优化其同步能力的目标函数为：

minf＝λ₂

其中，λ₂为网络的外耦合矩阵L的第二大特征值。

进一步地，所述外耦合矩阵为：

L＝(l_ij)_N×N

其中，N为连续时间耗散耦合的动态网络的节点数；