权利说明书模板.docVIP

说明书 PAGE PAGE 2 100002 2013.5 基于邻接矩阵的节点匹配模型及进化求解方法 技术领域 本发明涉及复杂网络领域，设计了一种基于图的邻接矩阵的节点匹配模型，并给出了其进化求解方法。该方法区别于已有方法的特色在于，在没有任何匹配信息的情况下，找到网络间的节点（身份）对应关系，首先，基于图的邻接矩阵，给出两个网络匹配优劣的评价函数，从而把网络节点匹配问题转化为一个函数优化问题；其次提出求解该问题的进化优化方法。该方法使得在没有任何节点匹配信息的情况下，可以获得令人满意的匹配精度，对提高网络间节点（身份）对应关系的有效性和可行性具有重要意义。 背景技术 对网络间节点匹配的目的是当对关联网络进行综合分析时找出多重身份个体在不同网络中的节点对应关系，从而进行网络数据的挖掘。实际上，类似的匹配问题还存在于生物网络对齐[7,8]、公路交通网络匹配[9]和模式识别中的子图匹配[10, 11]等问题。 网络节点匹配及进化求解方法的基本原理是：首先，提供了部分“已匹配节点对”，并且利用已知匹配节点来对其他节点的匹配程度进行评价；然后，建立相应的目标函数，通过对目标函数进行优化来建立正确的节点（身份）对应关系。 需要说明的是，如果“已匹配的节点”在网络中所占比例较小，算法的匹配精度将会较低。甚至，在有些时候，无法获得“已匹配节点对”。在这种情况下，已有方法将会失去其有效性。那么，如何在没有任何匹配信息的情况下，找到网络间的节点（身份）对应关系，是一个值得深入研究的课题。 鉴于此，本文发明了一种基于图的邻接矩阵的节点匹配模型，并给出了其进化求解方法。首先，基于图的邻接矩阵，发明了两个网络匹配优劣的评价函数，从而把网络节点匹配问题转化为一个函数优化问题。其次在此基础之上，发明了求解该问题的进化优化方法。 发明内容 本发明提出一种基于邻接矩阵的节点匹配模型及进化求解方法。首先，首先，基于图的邻接矩阵，给出两个网络匹配优劣的评价函数，从而把网络节点匹配问题成功的转化为一个函数优化问题。然后，采用编码方法来编码个体，用函数优化的最大值作为个体的适应值。最后定义合适的遗传算子。 本发明所要解决的技术问题：利用图的邻接矩阵，发明出两个网络匹配优劣的评价函数，从而把问题简化；采用编码方法来编码个体，从而进行遗传操作时不会产生不合法个体；定义合适的遗传算子，从而更方便解决这个工程实际问题生。 本发明的技术解决方案：基于邻接矩阵的节点匹配模型及进化求解方法，其特征包含以下步骤： 步骤1.基于邻接矩阵的节点匹配模型 首先，两个网络的邻接矩阵进行匹配，匹配M的精度越好则有越高的相似性，然后，利用邻接矩阵的相似度来对匹配的优劣进行评价，从而建立优化问题的目标函数。 传统的网络节点匹配问题的算法的优劣可由下式定义的匹配精度来进行评估 （4） 设的以为序邻接矩阵为，。设是从的一个全排列，匹配M使得 。则由定理1，的以为序的邻接矩阵： = （5） 如果匹配M的精度越高，则的以为序的邻接矩阵和的以为序的邻接矩阵的相似性就应该越高。因此，可以利用矩阵和的相似度来对匹配M的优劣进行评价。记，，则定义匹配的适应度函数为： （6） 那么，的值越接近1，则该匹配就越好；反之，的越接近0，则该匹配就越差。这样，寻找最优匹配的问题，就转化为对函数的优化问题。设所有可能的匹配组成的集合为，则最优匹配问题的数学模型为： （7） 步骤2.节点匹配问题的进化求解方法 采用步骤1的给出的数学模型方法解决节点匹配问题，首先需要给出问题的解的表示方式。我们需要对个体进行编码，如果个体采用自然编码表示，则对解序列进行遗传操作时容易产生不合法个体。因此，需要给出M的合理编码方法。本文采用编码方法。 个体的适应值：因为本文解决的是一个最大化问题，故直接采用（6）式作为个体的适应值，对个体进行评价 遗传操作：要使用遗传算法解决一个工程实际问题，需要定义合适的遗传算子，即选择算子、交叉算子和变异算子 步骤3. 用三类常用的复杂网络进行匹配实验来检验方法有效性 本发明采用步骤1，2所给出的方法对复杂网络进行匹配实验来检验方法有效性。具体方法如下： 首先，选用三种常见的复杂网络作为研究对象，分别是随机网络[]、小世界网络[8]和无标度网络[9]。对每一种网络，按照上述规则，生成具有若干节点的网络； 然后，将其节点随机排列，重新生成一个和其完全同构的网络； 最后，按照本文提出的节点匹