[发明专利]一种面向大规模幂律分布图的分割方法

摘要

本发明公开了一种面向大规模幂律分布图的分割方法，具体涉及图数据分割技术领域，其解决了现有的分割算法严重影响分布式图计算方法的效率的不足。该面向大规模幂律分布图的分割方法更加适应社交网络图，针对其具体的图结构特性，能够得到较好的分割结果；分割后的各子图一方面能够满足负载均衡，另一方面能够最小化通信开销，此方法能够应用于多种实际场合，比如进行社交网络分析、社区发现、知识或消息传播。

主权项

1.一种面向大规模幂律分布图的分割方法，具体包括以下步骤，其特征在于，输入图G＝(V,E)，其中，V＝{v1,v2,…,vn}，E＝{(u,v)|u∈V∧v∈V}，V为图的顶点集合，E为图的边集合，D＝{di|di＝|{u|(u,vi)∈E}|}为顶点的度的集合，di为顶点vi的度；步骤一：对图中所有顶点按度数进行排序，使得排序之后顶点的度数满足di≥dj,i＜j；步骤二：取Vlarge＝{vi|di≥λ}，其中λ为给定的一个顶点度的阈值，设Vlarge＝{u1,u2,…,um}；步骤三：假设将图分为k个子图{P1,P2,…,Pk}，且m≥k，将Vlarge中的顶点ui放入Pj中，其中j＝i mod k；步骤四：对于每个分区Pj(j＝1,2,…,k)中的每一个顶点v，对{u|(u,v)∈E}中的每一个顶点u，如果u尚未放入任何一个分区中，则将u放入分区Pj中；步骤五：使用模拟退火算法对上述分区结果进行调优，具体包括：①：设定温度初始值T，温度最小值Tmin，每个T值迭代次数的迭代次数L；②：取l＝1；③：取j＝1；④：取i＝min{a|a∈[0,k]∧i≠j}；⑤：对于顶点v∈Pj，计算能量差ΔE＝OE(Pnew)‑OE(Pold)，其中OE(Pold)是指未调整分区前交互边的条数，OE(Pnew)是将顶点v移动到分区Pi(i≠j)后交互边的条数；交互边是指满足((u,v)∈E∧u∈Pi∧v∈Pj∧i≠j)的边；⑥：若ΔE＜0，则将v转移到P_i中，否则计算转移概率若p>Random[0,1)，则将v转移到P_i中，否则不转移；⑦：取i＝i+1，若i＝j，则继续取i＝i+1；⑧：若i≤k，则转至⑤，否则取j＝j+1，若j≤k，则转至④，否则继续进行⑨；⑨：l＝l+1，若l≤L，则转至③，否则进行⑩；⑩：取T＝αT(0＜α＜1)，若T＜Tmin，则输出当前的分区结果，否则进行②；步骤六：取j＝1；步骤七：对于每个顶点v∈Pj，对{u|(u,v)∈E}中的每一个顶点u，如果u尚未放入任何一个分区中，则将u放入分区Pj中，若u已在其他分区Pi(i≠j)中，则进行步骤八；步骤八：判断Pj和Pi中的顶点个数，如果两个分区中的顶点个数相差超过δ，则u移动到Pj中，否则u保留在Pi中；步骤九：取j＝j+1，若j≤k，则进行步骤七，否则继续步骤十；步骤十：若仍有顶点未划分，则进行步骤六，否则结束。