基于粒计算的双权网络分层算法

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (24): 77-80.

基于粒计算的双权网络分层算法

吴润秀

南昌工程学院计算机系，南昌 330099

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-08-21 发布日期:2011-08-21

Double weighted hierarchical network algorithm based on granular computing

WU Runxiu

Department of Computer Science and Technology，Nanchang Institute of Technology，Nanchang 330099，China

Received:1900-01-01 Revised:1900-01-01 Online:2011-08-21 Published:2011-08-21

摘要/Abstract

摘要： 复杂网络环境下数据分布优化问题是个NP问题，但由于大多复杂网络有层次性特征，在此情形下可降低优化问题计算复杂性。应用粒计算理论提出了一种双权分层网络数据分布优化模型和算法，将双权复杂网络映射成一个分层网络，在分层网络上计算数据优化解。算法的时间复杂度为O（C×n2）。仿真实验表明，算法能够得到数据分布优化的满意解，且可通过调整子网络的粒度达到实际应用的需求。

关键词: 粒计算, 双权分层网络, 等价粒, 数据分布, 形式数据表

Abstract: The data distribution optimization problem is a NP hard problem in a complex network.But the most complex networks can be mapped into hierarchical networks，so that the computational complexity can be reduced.This paper proposes a double weighted hierarchical network model and algorithm based on granular computing theory.This algorithm maps the general double weighted complex network into the double weighted hierarchical network，and the optimal solution of data distribution can be solved in the hierarchical network.The algorithm time complexity is O（C×n2）.And the simulation results show that the algorithm can obtain satisfactory solution by adjusting the sub-networks’s particle size.

Key words: granular computing, double weighted hierarchical network, equivalence granulation, data distributing, formal data table

吴润秀. 基于粒计算的双权网络分层算法[J]. 计算机工程与应用, 2011, 47(24): 77-80.

WU Runxiu. Double weighted hierarchical network algorithm based on granular computing[J]. Computer Engineering and Applications, 2011, 47(24): 77-80.

[1]	张念蓬，吴旭，朱强. 基于熵的过采样框架[J]. 计算机工程与应用, 2021, 57(13): 96-101.
[2]	牟恩，张贤勇，姚岳松，邓切. 邻域近似条件熵的特定类属性约简及启发算法[J]. 计算机工程与应用, 2020, 56(24): 175-180.
[3]	邬阳阳，汤建国. 大数据背景下粗糙集属性约简研究进展[J]. 计算机工程与应用, 2019, 55(6): 31-38.
[4]	彭莉莎，钱文彬，王映龙，舒文豪. 面向不完备邻域系统的三支决策粒计算方法[J]. 计算机工程与应用, 2019, 55(18): 53-60.
[5]	阎红灿，张奉，刘保相. 本体构建的粒计算学习模型[J]. 计算机工程与应用, 2017, 53(1): 87-91.
[6]	王晓初1，王士同1，包芳2. 基于数据分布一致性最小最大概率机[J]. 计算机工程与应用, 2016, 52(16): 79-84.
[7]	刘玉超. 一种自适应的多粒度概念提取方法——高斯云变换[J]. 计算机工程与应用, 2015, 51(9): 1-8.
[8]	李鸿1，2. 基于偏序关系粒范畴的构造方法[J]. 计算机工程与应用, 2015, 51(6): 11-15.
[9]	单雪红1，吴涛2，张文军3，高显彩1. 覆盖粗糙集的偏序关系研究[J]. 计算机工程与应用, 2015, 51(5): 153-155.
[10]	陈济舟，罗可. 基于粒计算与粗糙集的人工鱼群聚类算法[J]. 计算机工程与应用, 2015, 51(21): 116-120.
[11]	刘丽杰1，李盼池2，李守威3. 粒化（α，k）-匿名方法研究[J]. 计算机工程与应用, 2014, 50(2): 75-80.
[12]	黄秋兰，武杰，程耀东，陈刚. 海量存储系统的数据分布策略研究[J]. 计算机工程与应用, 2014, 50(10): 1-6.
[13]	李鸿1，2，马小平1. 粒计算的四元模型研究[J]. 计算机工程与应用, 2013, 49(4): 9-13.
[14]	李莲，罗可，周博翔. 一种改进人工蜂群的K-medoids聚类算法[J]. 计算机工程与应用, 2013, 49(16): 146-150.
[15]	闫林1，闫硕2. 粒计算下的决策系统分解与决策转换[J]. 计算机工程与应用, 2012, 48(4): 13-17.