申请/专利权人：河北工业大学

申请日：2019-12-23

公开（公告）日：2024-03-01

公开（公告）号：CN111159523B

主分类号：G06F16/953

分类号：G06F16/953;G06N3/006

优先权：

专利状态码：有效-授权

法律状态：2024.03.01#授权;2020.06.09#实质审查的生效;2020.05.15#公开

摘要：本发明为一种基于Spark的并行蚁群优化社区发现方法，主要包含三个并行模块：确定蚂蚁转移顺序、构造最优解和解的优化。确定蚂蚁转移顺序模块负责计算网络节点的凝聚性度量值，并将其升序排列，获取对应的节点顺序列表，作为蚁群的转移顺序，降低蚂蚁转移过程中的随机性，从而提高算法的精确度；构造最优解模块负责使每只蚂蚁均完成解向量的构造，构成解空间，并获取最优解空间中模块度最高的解；解的优化模块负责对蚁群产生的最优解进行优化，以获得更好的社区划分结果。该方法提高了在大规模网络中进行社区发现的可行性和有效性。

主权项：1.一种基于Spark的并行蚁群优化社区发现方法，方法是在Spark集群上执行的，集群包括Master节点和Worker节点，所有节点均属于同一局域网；Spark集群采用的是主从模式，即Master-Slave模型；Master表示主节点，是集群的资源管理器，控制整个集群的资源分配和任务下达等工作；Slave表示从节点，即集群中含有Worker进程的节点，Worker节点负责接收Master节点下达的工作指令，并将工作指令传达给Executer进程，使其执行任务，任务结束后，Worker节点负责向Master节点做出相应的工作汇报；该发现方法的步骤是：步骤一：确定蚂蚁转移顺序：确定大规模网络中网络节点数量N，并行独立计算每个网络节点的凝聚性度量值，将每个网络节点的凝聚性度量值按照升序排列，获取对应的节点顺序列表，作为蚁群的转移顺序；步骤二：构造最优解：将蚂蚁个体分布到大规模网络的各分区中，并行的使每只蚂蚁为网络中节点确定标签，蚂蚁按照步骤一确定的蚂蚁的转移顺序在网络中移动，结合信息素和启发式信息综合确定节点标签的概率，同时按照式7计算任意两个节点的皮尔逊系数Ci,j，按公式9计算此次蚂蚁产生的社区划分的模块度Q， 其中，i和j表示任意两个节点；A是邻接矩阵，记录网络的拓扑结构，Aiq表示邻接矩阵的第i行第q列的元素值，代表节点i与节点q之间是否有边相连，有边相连则该值为1，反之则为0；γi表示观测值Aiq的均值；σi表示观测值Aiq的标准差；Ajq表示邻接矩阵的第j行第q列的元素值，代表节点j与节点q之间是否有边相连，有边相连则该值为1，反之则为0；γj表示观测值Ajq的均值；σj表示观测值Ajq的标准差； 公式9中，nc表示网络图中含有的社区个数，lc表示社区c内部包含的边数，dc表示社区c内部节点的度数总和，e则表示网络图的总边数；完成每个解向量的构造，从而构成整个解空间，最后获取解空间中模块度最高的解作为蚁群产生的最优解，实现网络社区的划分；步骤三：解的优化：并行的计算划分后的网络社区中相连社区对合并后的模块度增量是否大于零，若大于零则筛选出待合并的社区对，并按照连边率从大到小的顺序对待合并的社区对一一合并，同时用模块度增量控制合并过程，从而对步骤二中蚁群产生的最优解进行优化，直至模块度增量为零，形成最终解，获得最终的社区划分结果。

全文数据：

权利要求：

百度查询： 河北工业大学 一种基于Spark的并行蚁群优化社区发现方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD