基于社会网络的社团内部个体成员信息的获取和积累算法研究-论文.pdf

《基于社会网络的社团内部个体成员信息的获取和积累算法研究-论文.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、N釜s基于社会网络的社团内部个体成员信息的获取和积累算法研究口耿姝刘荣军哈尔滨石油学院信息工程与计算机技术系刘鑫哈尔滨理工大学【摘要】优化算法有多种多样，且都有一定得应用背景。本文提出基于社会网络的智能优化算法。社会网络映射出了全局感知、交叉和变异、种群划分等相融合的优化思想。该算法的提出解决了以往优化算法只满足单一背景与实际情况复杂多样的矛盾。更好的解决了关于优化的相关问题。【关键词】社会网络优化算法一、引言算法中，学者们仅仅表明了个体具有全局感知的能力，但优化是～个古老的问题，追求最优目标一直是人类对个体以什么样的方式进行全局感知

2、却没有进行深入的的理想，在人们长期的探讨和研究中，发展了许多确定有研究。(2)利用交叉、变异来提高种群的多样性：将万有引效的优化方法，如牛顿法、共轭梯度法等。当今的许多科力与交叉、变异结合起来提出了最大引力优化算法，算法学研究和工程实践领域，例如机械设计、航空航天、网络中的万有引力只是一个测度，算法中的交叉和变异是基通信、作业调度、图像处理、生命科学等都存在如何从多于万有引力现象进行的，从而该算法与遗传算法有着本个方案中科学合理地提取最佳方案的问题。随着社会的质性的区别。对粒子群优化算法获得的最优解进行了交不断进步，优化问题变得越来越

3、复杂，传统的优化算法在叉和变异，与遗传算法盲目的交叉和变异相比，能够以更计算速度、精确度等方面都远不能满足要求。为了满足社大的概率逼近全局最优解。(3)将种群划分为相对独立的会进步对优化算法的需求，国内外研究者受自然规律和种群子系统以提高算法的并行性、预防种群多样性的过快生物群体智能行为的启发，开发了各种各样的优化算法。损失：作者主要将生物学中的小生境概念应用于遗传算例如，模拟人脑神经元连接机制的神经网络，模拟自然进法、粒子群算法和克隆算法中。另外，天体系统粒子群算化机制的进化计算(如遗传算法、进化规划、进化策略法，该算法参照天体系统

4、模型，将种群划分为多个相对独等)，模拟生物群体智能行为的群智能优化算法(如蚁群立的天体系统，每个系统按照自己的运行规则在不同的算法、微粒群算法等)，模拟物理原理的优化算法(如模拟空间中运行。这些算法既提高了算法的并行性，又易于保退火算法)。由于这些算法是受不同自然规律和生物群体持种群的多样性，避免早熟收敛现象的发生。智能行为的启发而提出的，因此在对各种优化问题的求由以上对智能优化算法当前研究现状的分析发现，这解过程中，这些算法均表现出了各不相同的智能行为和些算法或者利用智能个体的全局感知来增强全局的收敛优化优势。性能，或者利用交叉、变

5、异来提高种群的多样性，或者将二、国内外研究现状种群划分为相对独立的种群子系统来提高算法的并行近年来，为了提高优化算法的全局寻优能力，国内外性、预防种群多样性的过快损失。随着科技领域中优化问研究者的一般做法是将不同优化算法的各自优点结合起题的复杂化及其对优化算法要求的不断增加，研究从某些来，形成了多学科相互交叉、渗透的优化算法。优化算法自然规律和生物群智能现象中得到启发以融合目前各类的交叉研究大体上可分为以下三类：(1)利用智能个体的优化算法的优点，无疑具有十分重要的现实意义。全局感知来增强全局的收敛性能：研究者主要是将万有三、“社会网

6、络”简介引力、库仑力与粒子群优化算法进行了结合，算法中个体“社会网络”是由AugusteComte提出的一个学科词的行为要受到其它个体万有引力、库仑力等合力的影响，汇，是指社会个体成员之间因为互动而形成的相对稳定即个体能够全局感知。算法的模型仍然沿用了粒子群数的关系体系。社会网络具有较强的生命力，能够有效地改学模型的“位置+位移量”框架，这些算法包括中心力算善算法的性能。法、类电磁机制算法、万有引力搜索算法、拟态物理算法社会网络的研究对象是人类自身行为和人类群体所II。这类算法模拟的是一个动态的物理运动过程。在这类表现出的团体行为。美

7、国社会学家MarkGranove~er提出基金项目：主持黑龙江省科研项目《基于C-SVM和KPCA的文本分类算法研究》项目编号：12533036。主持黑龙江省教改项目《普通高校“c语言程序设计”立体化教材的开发研究》项目编号：JG2012010380。14Ns了关系强度的概念回，指出(1)强关系维系着团体内部的关空间内进行的，另外，个体之间的吸引与排斥的程度与个系，而弱关系在团体之间建立了纽带联系；(2)与强关系相体的适应值相关。比，弱关系更能跨越其社会界限去获得信息和其他资源。具体规则可描述为：若个体i的适应值优于个体i的美国社会学

8、家RonaldButt则提出了结构洞理论，认为结适应值，则个体i将采纳个体J的信息，表现为吸引规则，构洞的中间人具有更多的机会获取“信息利益”和“控制利而个体j将排斥个体i的信息，表现为排斥规则。个体i采益”，从而比网络