[发明专利]一种符号网络弱不平衡度的评价方法及系统

摘要

本发明公开了符号网络弱不平衡度的评价方法及系统，该方法包括根据邻接矩阵采用轮盘赌算法生成个体压缩表示；根据个体压缩表示及种群规模随机生成popSize个个体，得到初始种群；对所述初始种群初始化得到父代种群；更新父代种群maxGen次，将循环第maxGen次时得到的子代种群确定为优化种群；更新父代种群具体包括对父代种群依次进行选择操作、交叉操作、变异操作、轮换操作及局部搜索；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。本发明通过根据个体压缩表示生成初始种群，有效地降低了基因型网络空间的规模，提高了使用本发明方法计算符号网络弱不平衡度时的准确性及效率。

主权项

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_X}，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‑1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X；获取种群规模popSize和迭代次数预设值max Gen；其中，popSize为大于1的正整数，locK为正整数，max Gen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max Gen；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(vi)＝{vk|(vi,vk)∈E}，N(vi)是节点vi的邻域，vk是节点vi的邻居节点；si为第i个节点的类别值，sj为第j个节点的类别值。