买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：中国矿业大学

摘要：本发明公布了基于分解多目标遗传算法的软件生态系统社区检测方法。目前提出的多目标社区检测算法中，分解多目标遗传算法为该问题提出了一个高效的新思路。但是，算法局部搜索能力较差，应用于社区划分问题也需要多角度考虑具体的软件生态系统的社区结构特征。基于此，本章针对具体特征提出节点归属度函数作为社区检测问题模型的目标函数，并利用基于节点归属度函数的标签传播算法进行编码初始化，为算法提供一个高效的初始解。在此基础上，具体分析改进个体混合交叉策略，并融合模拟退火算子以提高算法的局部进化能力。

主权项：1.基于分解多目标遗传算法的软件生态系统社区检测方法，其特征在于：步骤1：软件生态系统社区检测问题的多目标优化模型；具体包括：结合模块化密度函数与节点归属度函数M建立双目标函数，给出软件生态系统社区检测问题的数学模型；将模块化密度函数作为社区检测问题的第一个目标函数，将节点归属度函数作为第二个目标函数；模块化密度函数如下： 其中，设社区C1,C2的节点集为V1,V2，则社区C1,C2之间的连接数为LC1,C2，qi代表社区i的实际覆盖度与期望覆盖度的差；Q的取值范围为-1,1，m表示软件生态系统中的社区划分个数；节点归属度函数如下：设节点vi的所有邻居节点的集合表示为Nvi＝{vj|vj∈G,eij∈E}，节点vi的所有间接邻居节点的集合表示为Ninvi＝{Nvj|vj∈G,eij∈E}，则社区C中节点vi的邻居节点集合可以表示为NCvi＝{vj|vj∈C,eij∈E}，则社区C中节点vi的间接邻居节点集合可以表示为节点vi的邻居节点的所有连边集合表示为Ev＝{eij|vi,vj∈Nv}，节点vi的间接邻居节点的所有连边集合表示为Einv＝{eij|vi,vj∈Ninv}；首先考虑直接邻居点对于节点vi在社区C的归属度的直接影响Di： 间接邻居点对于节点vi在社区C的归属度的间接影响为： 直接邻居连边率对于节点vi在社区C的归属度的直接影响DEi为： 间接邻居连边率对于节点vi在社区C的归属度的间接影响为： 综合上述节点vi的归属度影响公式，给出节点vi在当前社区C的总归属度公式如下，总归属度取值范围为0～1； 其中，参数α≥1，用来表示对于总的归属度，节点vi的归属度直接影响要强于节点vi的归属度间接影响；由此，为了求解各个节点归属度最优的划分结果，给出研究的社区检测问题的第二个目标函数，即节点归属度函数如下： 软件生态系统的社区检测问题，可以建模为如下数学优化问题：minFx＝min{f1x,f2x}s.t.x∈Ω其中，决策变量x＝x1,...,xn∈S，S为决策空间，Fx＝{f1,f2}:S→R2为二维目标函数；步骤2：基于分解多目标遗传算法的社区检测进化求解；包括如下步骤：步骤2.1,参数设置及个体编码，设置算法的控制参数，包括种群规模、算法终止代数、交叉概率、变异概率；确定个体的编码方法，在准则1的基础上，结合已有的模块化密度函数和所提出的节点归属度函数表达式，构建社区检测问题模型的目标函数；步骤2.2,算法种群初始化,结合LPA与节点归属度函数，利用基于优化节点归属度标签传播算法的种群初始化策略，基于图的拓扑结构对算法种群进行初始化处理；步骤2.3,遗传算法的遗传操作,首先进行选择操作，计算算法求解个体的适应度函数，个体以一定概率的被选为当前代的优秀个体；然后进行交叉操作，随机选择上一代中的一对父代个体的随机位置，交叉产生新的下一代的两个个体，得到新的软件生态系统社区划分解；再进行变异操作，就是对某一节点所属的社团划分以变异概率进行邻居节点对应标签的最大化替换，最后选取优秀解进行更新，若最优解个数少于当前种群个数的一半，则进行局部搜索，反之，算法继续；步骤2.4,判断算法终止条件是否满足,判断进化代数是否达到终止代数，若没有转步骤3，否则转步骤5；步骤2.5,算法终止,终止算法并退出循环，输出最优结果；

全文数据：

权利要求：

百度查询： 中国矿业大学 基于分解多目标遗传算法的软件生态系统社区检测方法