基于文化算法的符号网络全局不平衡度计算

发布时间：2018-01-13 02:35

  本文关键词：基于文化算法的符号网络全局不平衡度计算　出处：《计算机应用》2016年12期 　论文类型：期刊论文

  更多相关文章： 符号网络 结构平衡 文化算法 遗传算法

【摘要】：针对已有符号网络不平衡度计算方法大都只关注局部网络单元的平衡信息,没有考虑网络更大范围乃至全局角度的平衡,无法揭示网络中的不平衡区域这一问题,提出基于文化算法的符号网络全局不平衡度计算方法。该方法利用伊辛自旋玻璃模型描述符号网络的全局状态,将不平衡度的计算转换为一个优化问题,并设计一种具有双层进化结构的文化算法——CA-SNB进行求解。首先,该算法采用遗传算法进行种群空间进化;其次,在信度空间中记录较优个体,并采用贪婪算法提取状况知识;最后,利用状况知识引导种群空间的进化,在保证种群多样性的基础上提高了收敛速度。实验表明,与遗传算法和矩阵变换算法相比,CA-SNB能较快地收敛到最优解,具有较高鲁棒性,在计算全局不平衡度的同时识别不平衡区域。
[Abstract]:Most of the existing methods only focus on the balance information of the local network elements, and do not consider the balance of the larger range of the network and even the global angle. It is impossible to reveal the problem of unbalanced region in the network. A cultural algorithm is proposed to calculate the global unbalance of the symbol network. The method uses the Ising spin glass model to describe the global state of the symbol network. The calculation of unbalance degree is transformed into an optimization problem, and a cultural algorithm with two-layer evolutionary structure is designed to solve the problem. Firstly, the genetic algorithm is used for population spatial evolution. Secondly, the better individuals are recorded in the reliability space, and the greedy algorithm is used to extract the status knowledge. Finally, the evolution of population space is guided by situational knowledge, and the convergence rate is improved on the basis of ensuring the diversity of population. The experiment shows that compared with genetic algorithm and matrix transformation algorithm. CA-SNB can converge to the optimal solution quickly and has higher robustness. The global unbalance degree can be calculated and the unbalanced region can be identified at the same time.
【作者单位】： 山东师范大学信息科学与工程学院;山东省分布式计算机软件新技术重点实验室;山东师范大学数学科学学院;
【基金】：国家自然科学基金资助项目(61572301,90612003) 山东省自然科学基金资助项目(ZR2013AQ008) 山东省高等学校科技计划项目(J15LN24)~~
【分类号】：TP18
【正文快照】： 0引言许多实际的复杂系统都可以抽象为网络,如人际关系网[1]、论文引用网[2]、万维网[3]等。网络中的节点代表现实世界中的实体,网络中的连边代表实体之间的某种联系。边具有正负两种符号属性的网络称作符号网络(SignedNetwork,SN),其中正边表示积极关系,负边表示消极关系。如

【相似文献】

中国期刊全文数据库 前10条

1 杜琼;周一届;;新的进化算法——文化算法[J];计算机科学;2005年09期

2 刘纯青;杨莘元;张颖;;基于文化算法的聚类分析[J];计算机应用;2006年12期

3 刘漫丹;齐仲纪;;基于文化算法的生产过程建模法[J];计算机与应用化学;2007年09期

4 齐仲纪;刘漫丹;;文化算法研究[J];计算机技术与发展;2008年05期

5 郭一楠;王辉;;文化算法研究综述[J];计算机工程与应用;2009年09期

6 李燕;邢光龙;葛红艳;吴永刚;;一种改进的文化算法[J];电子技术;2009年04期

7 王峰;张雪英;;基于模糊文化算法的自适应优化[J];太原理工大学学报;2009年04期

8 赵良辉;;作业车间调度问题的文化算法[J];计算机工程;2009年13期

9 孟凡荣;郭晶;周勇;;基于文化算法的模糊聚类分析[J];微电子学与计算机;2009年10期

10 张健沛;马骏;杨静;程丽丽;;文化算法求解移动Agent路由规划问题[J];哈尔滨工程大学学报;2009年08期

中国重要会议论文全文数据库 前2条

1 朱清超;王炳和;;文化算法在次声聚焦中的应用[A];第二届西安-上海两地声学学术会议论文集[C];2011年

2 郭一楠;叶莉;程健;;基于协同交互式多agent文化算法的多用户智能配色优化设计[A];2013年中国智能自动化学术会议论文集（第五分册）[C];2013年

中国博士学位论文全文数据库 前2条

1 刘纯青;文化算法及其应用研究[D];哈尔滨工程大学;2007年

2 谭枫;介入式文化算法及其应用研究[D];哈尔滨工程大学;2010年

中国硕士学位论文全文数据库 前10条

1 郑高远;一种拓展的文化算法[D];兰州大学;2010年

2 郭成;文化算法的改进设计及其应用研究[D];哈尔滨工业大学;2012年

3 江乐旗;具有对偶知识的文化算法研究及应用[D];南昌航空大学;2016年

4 黄福令;文化算法及其在优化调度中的应用研究[D];太原科技大学;2009年

5 高丽丽;文化算法及其在建筑创新设计中的应用[D];山东师范大学;2008年

6 尹笑园;元胞空间结构下的文化算法研究[D];南昌航空大学;2014年

7 陈阳;基于人工鱼的全局优化文化算法及其应用[D];郑州大学;2010年

8 宋辰;免疫文化算法研究及其在化工工业故障诊断中的应用[D];华东理工大学;2013年

9 苗卫强;改进的文化算法研究及应用[D];南昌航空大学;2014年

10 张颖;文化算法及其在投资组合中的应用研究[D];哈尔滨理工大学;2008年

，

本文编号：1417107