CN112653765A - 一种基于社区重叠和内嵌分析的资源配置的方法和装置 - Google Patents

Abstract

本发明公开了一种基于社区重叠和内嵌分析的资源配置的方法和装置。该方法通过社区之间的关联关系、关联度、影响度等数据的分析，选择资源迁移目标，然后以资源迁移的房山对社区内的节点进行资源分配。相比于传统方式的资源分配方式，本发明通过以资源迁移代替资源分配，来降低网络资源分配时的计算开销，从而有效解决多社区复杂网络中资源分配问题。

Description

一种基于社区重叠和内嵌分析的资源配置的方法和装置

技术领域

本发明涉及网络资源分配技术。

背景技术

随着大规模多终端系统的发展，终端系统可以被组织成一个网络结构，各终端仅可以与 其直接相邻的终端交互并共享资源，此模型被称为多终端社交网络(MultiAgentSystem in a Social Network)，并可以被抽象成一个由节点和边所组成的社交网络。多终端社交网络模型可以用来 模拟许多实际的分布式社交系统，如网格系统和P2P系统，其中的节点模拟持有资源并做出 决断和行为的智能体，边则模拟这些智能体之间的联系。

在多终端社交网络的实际应用中，各类资源的可达性对于整个系统的性能至关重要，因 此这些资源的拷贝会被分配至网络中的某些智能体中，使得网络中的智能体对资源的访问更 容易；抽象来说，即尽量使所有节点都可以在规定距离范围之内访问到目标资源。因此资源 分配包含两个方面：对资源的拷贝和对拷贝的放置。与之对应的，资源分配的目标也包含两 个方面：在保证资源可达性的情况下减少资源拷贝的数量，在资源拷贝数量一定的情况下放 置拷贝使资源可达性最大化。已有文献证明，在多终端网络中分配资源使整个网络同时达到 拷贝数量最少和资源可达性最高是一个NP-hard问题，因此本方法以局部最优代替全局最优， 试图以启发式思路来解决本问题。

在传统的资源分配研究中，许多资源分配策略都有一个默认的假设：资源分配方案值对 特定的社区结构有效，一旦社区结构发生变化，必须针对新的社区结构重建资源分配方案， 而重新分配的代价是很高的。

发明内容

本发明所要解决的问题：终端网络资源的分配。

为解决上述问题，本发明采用的方案如下：

根据本发明的一种基于社区重叠和内嵌分析的资源配置的方法，该方法包括如下步骤：

S1：获取节点数据、社区数据以及被配置资源的资源信息；

S2：初始化未进行资源迁移分配的社区集合G_wait，即将所述社区数据中的未完成对所述 被配置资源进行资源配置的社区加入至所述社区集合G_wait；

S3：基于所述社区数据，对所述社区集合G_wait中的各个社区计算影响度，并计算所述社 区集合G_wait中的社区与社区之间的关联度；

S4：从所述社区集合G_wait中选取影响度最大的社区G_m；

S5：为所述社区G_m制定社区资源配置方案，并将所述社区G_m从所述社区集合G_wait中剔 除；

S6：以社区G_m作为关联源社区G_t，对关联源社区G_t进行社区关联资源迁移配置；

S7：重复执行步骤S4直到所述社区集合G_wait为空；

S8：合并各个社区对应的社区资源配置方案，组成网络资源配置方案；

所述步骤S6中，所述对所述关联源社区G_t进行社区关联资源迁移配置包括如下步骤：

S61：从所述社区集合G_wait中找出与所述关联源社区G_t相关联且关联度最大的社区G_r；

S62：根据所述关联源社区G_t的社区资源配置方案以及所述关联源社区G_r与所述社区G_t之间的交集的传递关系为所述社区G_r制定社区资源配置方案，并将所述社区G_r从所述社区集 合G_wait中剔除；

S63：以社区G_r作为关联源社区G_t进行社区关联资源迁移配置；

S64：重复执行步骤S61直到所述社区集合G_wait中找不到与所述关联源社区G_t相关联的 社区；

其中，

所述节点数据包括节点的集合和节点边的集合；

所述节点为计算终端；

所述节点边表示能够直接进行数据交换的两个计算终端的连接关系；

所述社区数据包括社区的集合；

所述社区是节点的集合；

所述资源信息至少包括资源访问最大节点距离；

所述节点距离是节点与节点之间的最小跳数；

所述社区的关联是指社区与社区之间的交集不为空；

所述社区资源配置方案和所述网络资源配置方案是节点资源配置方案的集合；

所述节点资源配置方案包括被配置资源的资源配置信息；

所述资源配置信息包括配置与否信息；

所述配置与否信息表示被配置资源的资源是否被配置至所对应的节点中。

进一步，根据本发明的基于社区重叠和内嵌分析的资源配置的方法，

所述影响度采用如下公式计算：D_i＝c₁·l_i+Q_i+c₂·δ_i；其中，

所述社区与社区之间的关联度采用如下公式计算：

其中，

上述公式中，

i和t为所述社区数据中社区的编号，j和k为第i社区中节点的编号；

D_i表示为第i社区的影响度；

l_i表示为第i社区和其他所有社区之间的距离；

Q_i表示为第i社区内部的紧密程度；

δ_i表示为第i社区和其所有相交社区之间的平均节点公用程度；

G_i和G_t表示为第i社区的节点集合和第t社区的节点集合；

P_i，t为第i社区和第t社区的节点公用度；

v_i，j为节点a_i，j的价值，v_i，*为节点a_i，*的价值；

O_i，j和O_i，k分别表示为节点a_i，j的出度和节点a_i，k的出度；

节点a_i，j和节点a_i，k分别表示为第i社区中的第j节点和第k节点；

a_i，*和a_t，*表示为第i社区的核心节点和第t社区的核心节点；

c₁，c₂，c₃，c₄，c₅，c₆分别为预先设定的参数；

C_i表示为与第i社区相交的社区数目；

N是所述社区数据中的社区总数；

min为最小数值函数；

d为节点距离函数，d(a_i，*，at_，*)表示为节点a_i，*和a_t，*之间的最少跳数；

W为节点计数函数，W(G_i)和W(G_t)分别表示为第i社区的节点数和第t社区的节点数，

所有社区总节点数，W(G_i∩G_t)表示为第f社区和第t社区相交的节点数；

E为节点边计数函数；E(G_i)和E(G_t)分别表示为第i社区的节点边数和第t社区的节点边数， E(G_i∩G_t)表示为第i社区和第t社区相交节点之间的节点边数；

B为相邻函数，B(a_i，*)表示为节点a_i，*的相邻节点集合，a_ij∈B(a_i，*)表示为第i社区第j节点 与节点a_i，*相邻，B(a_i，j)表示为节点a_ij的相邻节点集合，a_i，k∈B(a_i，j)表示为第i社区第k节点与 第i社区第j节点相邻。

进一步，根据本发明的基于社区重叠和内嵌分析的资源配置的方法，

所述步骤S5中，所述为所述社区G_m制定社区资源配置方案包括如下步骤：

S51：为所述社区G_m的核心节点a_m，*制定节点资源配置方案；所述核心节点a_m，*所制定的 节点资源配置方案中，被配置资源的资源配置信息的配置与否信息为真；

S52：以所述核心节点a_m，*为根节点，对所述社区G_m中的节点进行广度优先遍历，并以 节点的遍历深度初始化各个节点对被配置资源的访问距离；

S53：以所述社区G_m为目标社区，以所述核心节点a_m，*为根节点，对所述目标社区中的 未制定资源配置方案的节点进行广度优先遍历，对所遍历的每个节点制定相应的节点资源配 置方案；

所述对所遍历的每个节点制定相应的节点资源配置方案包括如下步骤：

S531：对当前节点进行资源配置的制定：

若当前节点的对被配置资源的访问距离大于被配置资源的资源访问最大节点距离，则被 配置资源被配置于该节点，否则该资源不被配置于该节点；

当前节点对应的所述节点资源配置方案中，若被配置资源被配置于该节点，则被配置资 源的资源配置信息中的配置与否信息设为真，否则设为假；

若被配置资源配置于该节点，则将该节点对被配置资源的访问距离重新设为0；

S532：若该节点的对被配置资源的访问距离存在更新，则以该节点为根节点，对所述目 标社区中的未制定资源配置方案的节点进行广度优先遍历，对所遍历的每个节点更新其对被 配置资源的访问距离：

若该节点的遍历深度加上根节点对被配置资源的访问距离小于该节点对被配置资源的 访问距离，则将该节点对被配置资源的访问距离设为根节点对被配置资源的访问距离加上该 节点的遍历深度。

进一步，根据本发明的基于社区重叠和内嵌分析的资源配置的方法，

所述步骤S62中，所述为所述社区G_r制定社区资源配置方案包括如下步骤：

S621：对所述社区G_r中未制定资源配置方案的节点初始化其对被配置资源的访问距离为 无穷大；

S622：以所述关联源社区G_t和所述社区G_r的交集节点为根节点，对所述社区G_r中的未制 定资源配置方案的节点进行广度优先遍历，对所遍历的每个节点更新其对被配置资源的访问 距离：

若该节点的遍历深度加上根节点对被配置资源的访问距离小于该节点对被配置资源的 访问距离，则将该节点对被配置资源的访问距离设为根节点对被配置资源的访问距离加上该 节点的遍历深度；

S623：以所述社区G_r为目标社区，以所述关联源社区G_t和所述社区G_r的交集节点为根节 点，对所述目标社区中的未制定资源配置方案的节点进行广度优先遍历，对所遍历的每个节 点制定相应的节点资源配置方案。

进一步，根据本发明的基于社区重叠和内嵌分析的资源配置的方法，所述步骤S1中， 多个被配置资源的资源信息组成资源集合；所述节点资源配置方案包括由所述资源集合中各 个被配置资源的资源配置信息组成的集合。

根据本发明的一种基于社区重叠和内嵌分析的资源配置的装置，该装置包括如下模块：

M1，用于：获取节点数据、社区数据以及被配置资源的资源信息；

M2，用于：初始化未进行资源迁移分配的社区集合G_wait，即将所述社区数据中的未完 成对所述被配置资源进行资源配置的社区加入至所述社区集合G_wait；

M3，用于：基于所述社区数据，对所述社区集合G_wait中的各个社区计算影响度，并计 算所述社区集合G_wait中的社区与社区之间的关联度；

M4，用于：从所述社区集合G_wait中选取影响度最大的社区G_m；

M5，用于：为所述社区G_m制定社区资源配置方案，并将所述社区G_m从所述社区集合G_wait中剔除；

M6，用于：以社区G_m作为关联源社区G_t，对关联源社区G_t进行社区关联资源迁移配置；

M7，用于：重复执行模块M4直到所述社区集合G_wait为空；

M8，用于：合并各个社区对应的社区资源配置方案，组成网络资源配置方案；

所述模块M6中，所述对所述关联源社区G_t进行社区关联资源迁移配置包括如下模块：

M61，用于：从所述社区集合G_wait中找出与所述关联源社区G_t相关联且关联度最大的社 区G_r；

M62，用于：根据所述关联源社区G_t的社区资源配置方案以及所述关联源社区G_r与所述 社区G_t之间的交集的传递关系为所述社区G_r制定社区资源配置方案，并将所述社区G_r从所述 社区集合G_wait中剔除；

M63，用于：以社区G_r作为关联源社区G_t进行社区关联资源迁移配置；

M64，用于：重复执行模块M61直到所述社区集合G_wait中找不到与所述关联源社区G_t相 关联的社区；

其中，

所述节点数据包括节点的集合和节点边的集合；

所述节点为计算终端；

所述节点边表示能够直接进行数据交换的两个计算终端的连接关系；

所述社区数据包括社区的集合；

所述社区是节点的集合；

所述资源信息至少包括资源访问最大节点距离；

所述节点距离是节点与节点之间的最小跳数；

所述社区的关联是指社区与社区之间的交集不为空；

所述社区资源配置方案和所述网络资源配置方案是节点资源配置方案的集合；

所述节点资源配置方案包括被配置资源的资源配置信息；

所述资源配置信息包括配置与否信息；

所述配置与否信息表示被配置资源的资源是否被配置至所对应的节点中。

进一步，根据本发明的基于社区重叠和内嵌分析的资源配置的装置，

所述影响度采用如下公式计算：D_i＝c₁·l_i+Q_i+c₂·δ_i；其中，

所述社区与社区之间的关联度采用如下公式计算：

其中，

上述公式中，

i和t为所述社区数据中社区的编号，j和k为第i社区中节点的编号；

D_i表示为第i社区的影响度；

l_i表示为第i社区和其他所有社区之间的距离；

Q_i表示为第i社区内部的紧密程度；

δ_i表示为第i社区和其所有相交社区之间的平均节点公用程度；

G_i和G_t表示为第i社区的节点集合和第t社区的节点集合；

P_i，t为第i社区和第t社区的节点公用度；

v_i，j为节点a_i，j的价值，v_i，*为节点a_i，*的价值；

O_i，j和O_i，k分别表示为节点a_i，j的出度和节点a_i，k的出度；

节点a_i，j和节点a_i，k分别表示为第f社区中的第j节点和第k节点；

a_i，*和a_t，*表示为第i社区的核心节点和第t社区的核心节点；

c₁，c₂，c₃，c₄，c₅，c₆分别为预先设定的参数；

C_i表示为与第i社区相交的社区数目；

N是所述社区数据中的社区总数；

min为最小数值函数；

d为节点距离函数，d(a_i，*，a_t，*)表示为节点a_i，*和a_t，*之间的最少跳数；

W为节点计数函数，W(G_i)和W(G_t)分别表示为第i社区的节点数和第t社区的节点数，

所有社区总节点数，W(G_i∩G_t)表示为第i社区和第t社区相交的节点数；

E为节点边计数函数；E(G_i)和E(G_t)分别表示为第i社区的节点边数和第t社区的节点边数， E(G_i∩G_t)表示为第i社区和第t社区相交节点之间的节点边数；

B为相邻函数，B(a_i，*)表示为节点a_i，*的相邻节点集合，a_ij∈B(a_i，*)表示为第i社区第j节点 与节点a_i，*相邻，B(a_i，j)表示为节点a_ij的相邻节点集合，a_i，k∈B(a_i，j)表示为第i社区第k节点与 第i社区第j节点相邻。

进一步，根据本发明的基于社区重叠和内嵌分析的资源配置的装置，

所述模块M5中，所述为所述社区G_m制定社区资源配置方案包括如下模块：

M51，用于：为所述社区G_m的核心节点a_m，*制定节点资源配置方案；所述核心节点a_m，*所 制定的节点资源配置方案中，被配置资源的资源配置信息的配置与否信息为真；

M52，用于：以所述核心节点a_m，*为根节点，对所述社区G_m中的节点进行广度优先遍历， 并以节点的遍历深度初始化各个节点对被配置资源的访问距离；

M53，用于：以所述社区G_m为目标社区，以所述核心节点a_m，*为根节点，对所述目标社 区中的未制定资源配置方案的节点进行广度优先遍历，对所遍历的每个节点制定相应的节点 资源配置方案；

所述对所遍历的每个节点制定相应的节点资源配置方案包括如下模块：

M531，用于：对当前节点进行资源配置的制定：

若当前节点的对被配置资源的访问距离大于被配置资源的资源访问最大节点距离，则被 配置资源被配置于该节点，否则该资源不被配置于该节点；

当前节点对应的所述节点资源配置方案中，若被配置资源被配置于该节点，则被配置资 源的资源配置信息中的配置与否信息设为真，否则设为假；

若被配置资源配置于该节点，则将该节点对被配置资源的访问距离重新设为0；

M532，用于：若该节点的对被配置资源的访问距离存在更新，则以该节点为根节点，对 所述目标社区中的未制定资源配置方案的节点进行广度优先遍历，对所遍历的每个节点更新 其对被配置资源的访问距离：

若该节点的遍历深度加上根节点对被配置资源的访问距离小于该节点对被配置资源的 访问距离，则将该节点对被配置资源的访问距离设为根节点对被配置资源的访问距离加上该 节点的遍历深度。

进一步，根据本发明的基于社区重叠和内嵌分析的资源配置的装置，

所述模块M62中，所述为所述社区G_r制定社区资源配置方案包括如下模块：

M621，用于：对所述社区G_r中未制定资源配置方案的节点初始化其对被配置资源的访问 距离为无穷大；

M622，用于：以所述关联源社区G_t和所述社区G_r的交集节点为根节点，对所述社区G_r中 的未制定资源配置方案的节点进行广度优先遍历，对所遍历的每个节点更新其对被配置资源 的访问距离：

若该节点的遍历深度加上根节点对被配置资源的访问距离小于该节点对被配置资源的 访问距离，则将该节点对被配置资源的访问距离设为根节点对被配置资源的访问距离加上该 节点的遍历深度；

M623，用于：以所述社区G_r为目标社区，以所述关联源社区G_t和所述社区G_r的交集节点 为根节点，对所述目标社区中的未制定资源配置方案的节点进行广度优先遍历，对所遍历的 每个节点制定相应的节点资源配置方案。

进一步，根据本发明的基于社区重叠和内嵌分析的资源配置的装置，所述模块M1中， 多个被配置资源的资源信息组成资源集合；所述节点资源配置方案包括由所述资源集合中各 个被配置资源的资源配置信息组成的集合。

本发明的技术效果如下：本发明通过以资源迁移代替资源分配，来降低网络资源分配时 的计算开销，从而有效解决多社区复杂网络中资源分配问题。

附图说明

图1是本发明实施例结构示意图。

图2是本发明实施例整体过程的流程示意图。

图3是社区关联资源迁移配置递归过程的流程示意图。

其中100是计算装置，101是节点，102是节点边，103是社区，109是社区网络。

具体实施方式

下面结合附图对本发明做进一步详细说明。

如图1所示，本实施例的一种基于社区重叠和内嵌分析的资源配置的方法和装置分别是 计算装置100通过执行计算机软件程序所实现的对社区网络109进行资源配置的处理方法和 装置。社区网络109是由节点101组成。节点101为计算终端。节点边102是节点101之间 的连接关系，表示为能够直接进行数据交换的两个计算终端之间的网络连接关系。

社区网络109中，节点101被划分成若干个社区103。社区103是由节点101所组成的集合。每个节点可同时处于多个社区中，由此社区和社区之间可能存在重叠关系甚至可能存 在内嵌关系。社区和社区之间的重叠关系是指作为集合的社区与社区之间存在交集。社区和 社区之间的内嵌关系是指其中一个社区是另外一个社区的子集。社区和社区之间的重叠关系， 本发明中又称为关联关系。也就是，若社区与社区之间的交集不为空，则称这两个社区之间 存在关联关系。社区与社区之间的关系与节点与节点之间的连接关系无关。也就是两个社区 之间虽然可能不存在交集，但不影响社区内节点与另外一个社区内的节点相连。

特别地，在社区网络109中不存在节点孤岛，也就是，社区网络109中，每个节点至另 外一个节点通过节点边的连接关系必然可达，只不过存在节点距离的不同而已。节点距离本 发明中是指节点和节点之间的最小跳数。节点和节点之间的跳数是指节点至节点通过节点边 的连接关系可达时所经过的节点边的数目。节点至节点通过节点边的连接关系可达时所经过 的节点和节点边所组成的集合为节点至节点的路径。节点至节点路径上的节点边的数目是路 径的长度。显而易见地，节点至节点路径的长度为该路径上节点至节点的跳数。显而易见地， 节点和节点之间存在很多条路径可达。节点距离是这些可达路径中最短路径的长度，也就是 节点和节点之间的最小跳数。

本发明资源配置的客体是被配置的资源或者被配置的资源所组成的资源集合。被配置的 资源通常是某种数据，也可以是计算算力，甚至可以是比如打印机等设备。被配置的资源具 有最大访问距离的属性。资源最大访问距离是指资源被配置在上述节点中时，距离该节点的 节点距离在该资源最大访问距离内的邻近节点可以访问该资源，而距离该节点的距离超过该 资源最大访问距离外的节点则无法访问该资源。若被配置的资源是某种数据，则资源最大访 问距离的含义是指节点距离在该资源最大访问距离内的邻近节点可以读取或修改该数据；若 被配置的资源是计算算力，则资源最大访问距离的含义是指节点距离在该资源最大访问距离 内的邻近节点可以使用该计算算力执行计算；若被配置的资源是打印机，则资源最大访问距 离的含义是指节点距离在该资源最大访问距离内的邻近节点可以使用打印机进行打印。

本发明的资源配置的方法最终输出网络资源配置方案。网络资源配置方案是节点资源配 置方案的集合。节点资源配置方案包括被配置资源的资源配置信息。资源配置信息包括配置 与否信息。配置与否信息表示被配置资源的资源是否被配置至所对应的节点中。得到网络资 源配置方案后，该网络资源配置方案的具体实施并不是本发明所讨论的范畴。特别地，若被 配置的资源是计算算力或者打印机等设备，该网络资源配置方案的具体实施需要工人进行计 算机设备或打印机等设备的安装，这种设备安装不是本发明计算装置100所能够处理的。

资源集合中的每个被配置的资源在资源配置时，处理过程相同。因此，本发明关键在于 对单个被配置的资源的处理。本领域技术人员很容易将本发明对单个被配置的资源拓展成对 资源集合中各个被配置的资源的处理。

如图2所示，本发明的资源配置的方法包括输入步骤、初始化步骤、影响和关联计算、 然后基于影响度和关联度逐个对社区进行资源配置、最后组成网络资源配置方案。

输入步骤，即为前述的步骤S1或者模块M1所实现的功能，也就是，获取节点数据、社区数据以及被配置资源的资源信息。这里的“获取”表示的是“节点数据、社区数据以及被配置资源的资源信息”是本发明的输入。具体的如何输入并不是本发明所讨论的范畴。“节 点数据、社区数据以及被配置资源的资源信息”可以由人工输入，也可以预先存储在数据库 中或者存储于某种格式的文件中。节点数据包括节点的集合和节点边的集合。社区数据包括 社区的集合。

初始化步骤，即为前述的步骤S2或模块M2所实现的功能，也就是，初始化未分配资源社区集合和节点对资源的访问距离。初始化未分配资源社区集合，也就是，初始化未进行资源迁移分配社区集合，也就是，将社区数据中的未完成对被配置资源进行资源配置的社区 加入至未分配资源社区集合。未分配资源社区集合本发明中记为社区集合G_wait。节点对资源 的访问距离是当前网络资源配置方案下，节点对被配置资源的访问距离。显而易见地，当前 还未对被配置资源制定相关的配置方案，各个节点对被配置资源的访问距离为无穷大。在实 际的计算中，考虑到节点和节点的距离不可能超过节点数据中的总节点数。因此，各个节点 对被配置资源的访问距离设置成节点数据中的总节点数加1即可。

需要指出的是“将社区数据中的未完成对被配置资源进行资源配置的社区加入至未分配 资源社区集合”中，意味着社区数据中可能存在某些社区对被配置资源已经进行了资源配置。 比如在某些应用场合中，社区网络109中新增了某些节点和社区，社区网络109中原有的社 区和节点已经完成对被配置资源已经进行了资源配置，此时，该网络资源配置方案的制定只 需要针对所新增的节点和社区。当然本领域技术人员理解，在这种新增节点和社区的应用场 合中，也可以对整个社区网络109进行资源配置的整体重置。此时，需要将社区数据中所有 的社区加入至未分配资源社区集合。

影响和关联计算，也就是计算影响度和关联度。影响度是社区的影响度，关联度是社区 与社区之间的关联度。其中，影响度采用如下公式计算：D_i＝c₁·l_i+Q_i+c₂·δ_i；社区与社 区之间的关联度采用如下公式计算：

其中，

其中，

上述公式中，i和t为社区数据中社区的编号，j和k为第i社区中节点的编号；D_i表示为第i社区的影响度；l_i表示为第i社区和其他所有社区之间的距离；Q_i表示为第i社区内部的紧密程 度；δ_i表示为第i社区和其所有相交社区之间的平均节点公用程度；G_i和G_t表示为第i社区的节 点集合和第t社区的节点集合；P_i，t为第i社区和第t社区的节点公用度；v_i，j为节点a_i，j的价 值，v_i，*为节点a_i，*的价值；O_i，j和O_i，k分别表示为节点a_i，j的出度和节点a_i，k的出度；节点a_i，j和节 点a_i，k分别表示为第i社区中的第j节点和第k节点；a_i，*和a_t，*表示为第i社区的核心节点和第t社 区的核心节点；c₁，c₂，c₃，c₄，c₅，c₆分别为预先设定的参数；C_i表示为与第i社区相交的社区数目； N是社区数据中的社区总数；min为最小数值函数；d为节点距离函数，d(a_i，*，a_t，*)表示为节点 a_i，*和a_t，*之间的最少跳数；W为节点计数函数，W(G_i)和W(G_t)分别表示为第i社区的节点数和 第t社区的节点数，

所有社区总节点数，W(G_i∩G_t)表示为第i社区和第t社区相交 的节点数；E为节点边计数函数；E(G_i)和E(G_t)分别表示为第i社区的节点边数和第t社区的节 点边数，E(G_i∩G_t)表示为第i社区和第t社区相交节点之间的节点边数；B为相邻函数，B(a_i，*) 表示为节点a_i，*的相邻节点集合，a_ij∈B(a_i，*)表示为第i社区第j节点与节点a_i，*相邻，B(a_i，j)表 示为节点a_ij的相邻节点集合，a_i，k∈B(a_i，j)表示为第i社区第k节点与第i社区第j节点相邻。节 点的出度表示与节点相邻的节点数。节点相邻表示节点与节点之间存在节点边相连。社区的 核心节点是指社区中节点距离其他节点的节点距离和最小的节点。

上述影响和关联计算步骤，也就是前述步骤S3或模块M3所实现的功能，也就是，基于社区数据，对社区集合G_wait中的各个社区计算影响度，并计算社区集合G_wait中的社区与社区之间的关联度。也就是，计算影响度和关联度被限定在社区集合G_wait中，而不是全部社区。 社区集合G_wait也就是前述的初始化的未分配资源社区集合。

基于影响度和关联度逐个对社区进行资源配置，也就是前述步骤S4至步骤S7或者模块 M4至模块M7所实现的功能。也就是，本发明中，基于影响度和关联度逐个对社区进行资源 配置，是一个步骤S4至步骤S7的循环处理过程，循环处理步骤S4、S5和S6直到未分配资 源社区集合G_wait被清空。也就是，步骤S4、S5和S6处理后，未分配资源社区集合G_wait中 的社区逐个被清理出，到最后社区集合G_wait为空而结束循环。

步骤S4，找出影响度最大的社区。具体而言，从社区集合G_wait中选取影响度最大的社 区。该影响度最大的社区记为社区G_m。

步骤S5，为影响度最大的社区制定社区资源配置方案。也就是为社区G_m制定社区资源 配置方案。为社区G_m制定了社区资源配置方案后，社区G_m不再属于未分配资源的社区，因此， 本步骤需要将社区G_m从未分配资源社区集合G_wait中剔除。

步骤S6，基于影响度最大的社区进行社区关联资源迁移配置，也就是，以社区G_m作为 关联源社区G_t，对关联源社区G_t进行社区关联资源迁移配置。具体而言，步骤S5之后，社区 G_m是已经制定了社区资源配置方案的社区，然后通过社区与社区之间相交的关联关系，将已 经制定了社区资源配置方案的社区G_m作为关联源社区以迁移的方法为相关联的社区制定社 区配置资源配方案。该过程区别于步骤S5中无关联源社区的情形下制定社区资源配置方案。

步骤S5中，无关联源社区的情形下制定社区资源配置方案，包括如下步骤：

S51：为社区G_m的核心节点a_m，*制定节点资源配置方案；核心节点a_m，*所制定的节点资源 配置方案中，被配置资源的资源配置信息的配置与否信息为真；

S52：以核心节点a_m，*为根节点，对社区G_m中的节点进行广度优先遍历，并以节点的遍 历深度初始化各个节点对被配置资源的访问距离；

S53：以社区G_m为目标社区，以核心节点a_m，*为根节点，对目标社区中的未制定资源配 置方案的节点进行广度优先遍历，对所遍历的每个节点制定相应的节点资源配置方案。

被配置资源的资源配置信息的配置与否信息为真表示被配置资源将被配置在该对应的 节点上。步骤S52中，并以节点的遍历深度初始化各个节点对被配置资源的访问距离是指在 前述步骤S2的基础上，各个节点对被配置资源的访问距离重新设定为该节点的遍历深度。该 步骤也等价于，修改社区G_m中各个节点对被配置资源的访问距离为节点至核心节点a_m，*的节 点距离。因为核心节点a_m，*为根节点进行广度优先遍历过程中，节点的遍历的深度即为该节 点至核心节点的a_m，*的节点距离。

步骤S53中，对所遍历的每个节点制定相应的节点资源配置方案包括如下步骤：

S531：对当前节点进行资源配置的制定：

若当前节点的对被配置资源的访问距离大于被配置资源的资源访问最大节点距离，则被 配置资源被配置于该节点，否则该资源不被配置于该节点；

当前节点对应的所述节点资源配置方案中，若被配置资源被配置于该节点，则被配置资 源的资源配置信息中的配置与否信息设为真，否则设为假；

若被配置资源配置于该节点，则将该节点对被配置资源的访问距离重新设为0。

S532：若该节点的对被配置资源的访问距离存在更新，则以该节点为根节点，对所述目 标社区中的未制定资源配置方案的节点进行广度优先遍历，对所遍历的每个节点更新其对被 配置资源的访问距离：

若该节点的遍历深度加上根节点对被配置资源的访问距离小于该节点对被配置资源的 访问距离，则将该节点对被配置资源的访问距离设为根节点对被配置资源的访问距离加上该 节点的遍历深度。

步骤S532可以参照前述步骤S52。具体而言每当被配置资源被配置在某个节点，即更新 其他未进行资源配置节点的对被配置资源的访问距离。更新的方法如下，若节点对该配置了 被配置资源的节点的节点距离小于该节点对被配置资源的访问距离，则将该节点对被配置资 源的访问距离修改为节点对该配置了被配置资源的节点的节点距离。因为，根据前述“若该 节点的对被配置资源的访问距离存在更新”对应于“若被配置资源配置于该节点，则将该节 点对被配置资源的访问距离重新设为0”。也就是步骤S532中，根节点对被配置资源的访问 距离为0。因此“该节点对被配置资源的访问距离设为根节点对被配置资源的访问距离加上 该节点的遍历深度”等价于“该节点对被配置资源的访问距离设为该节点的遍历深度”，也等 价于“该节点对被配置资源的访问距离设为该节点至根节点的节点距离”。

步骤S6中，社区关联资源迁移配置是一个递归过程，如图3所示，包括如下步骤：

步骤S61，从社区集合G_wait中找出与关联源社区G_t相关联且关联度最大的社区G_r；

步骤S62，根据关联源社区G_t的社区资源配置方案以及关联源社区G_r与社区G_t之间的交 集的传递关系为社区G_r制定社区资源配置方案；

步骤S63，以社区G_r作为关联源社区G_t进行社区关联资源迁移配置；

步骤S64：重复执行步骤S61直到社区集合G_wait中找不到与关联源社区G_t相关联的社区。

步骤S62中，完成对社区G_r制定社区资源配置方案后，社区G_r不再属于未分配资源社区， 因此需要从未分配资源社区集合G_wait中剔除。

步骤S63即为对社区G_r进行社区关联资源迁移配置的递归调用。

步骤S64中，“找不到与关联源社区G_t相关联的社区”等价于步骤S61中未找到关联度 最大的社区。因此可以在如图3所示的，通过判断步骤S61是否能够找到“关联度最大的社 区”实现比较，若找不到关联度最大的社区，则结束当前的递归过程。

步骤S62中，为社区G_r制定社区资源配置方案包括如下步骤：

S621：对社区G_r中未制定资源配置方案的节点初始化其对被配置资源的访问距离为无穷 大；

S622：以关联源社区G_t和社区G_r的交集节点为根节点，对社区G_r中的未制定资源配置方 案的节点进行广度优先遍历，对所遍历的每个节点更新其对被配置资源的访问距离：

若该节点的遍历深度加上根节点对被配置资源的访问距离小于该节点对被配置资源的 访问距离，则将该节点对被配置资源的访问距离设为根节点对被配置资源的访问距离加上该 节点的遍历深度；

S623：以社区G_r为目标社区，以关联源社区G_t和社区G_r的交集节点为根节点，对目标社 区中的未制定资源配置方案的节点进行广度优先遍历，对所遍历的每个节点制定相应的节点 资源配置方案。

步骤S621，本实施例中，通过步骤S2实现。

步骤S622中，“对所遍历的每个节点更新其对被配置资源的访问距离”的过程与前述步 骤S532的作用是相同的。

步骤S623中，“对所遍历的每个节点制定相应的节点资源配置方案”即为前述步骤S531 和步骤S532。需要指出的是关联源社区G_t和社区G_r的交集节点可能有多个，因此步骤S623 中需要遍历关联源社区G_t和社区G_r的交集中的各个节点，对每个交集中的每个节点执行步骤 S623。

上述过程中所输出每个社区的社区资源配置方案是节点资源配置方案的集合。步骤S8 中，合并各个社区对应的社区资源配置方案，组成网络资源配置方案，将各个每个社区的节 点资源配置方案的集合进行集合的并运算即可得到最终的网络资源配置方案。由此，网络资 源配置方案也是节点资源配置方案的集合。

需要指出的是，本发明若要对多个资源进行资源配置时，一种方式是，对每个资源分别 通过上述的方法进行处理，由此每个资源单独生成一个网络资源配置方案。第二种方式是， 步骤S1中输入时，将多个被配置资源的资源信息组成资源集合，由此在步骤S4、S5、S6中 凡是涉及资源集合时，分别对各个资源进行处理，由此得到的节点资源配置方案包括由资源 集合中各个被配置资源的资源配置信息组成的集合。因此，对单个资源的配置过程和对多个 资源的配置过程实质相同。

Claims (10)

1.一种基于社区重叠和内嵌分析的资源配置的方法，其特征在于，该方法包括如下步骤：

Sl：获取节点数据、社区数据以及被配置资源的资源信息；

S2：初始化未进行资源迁移分配的社区集合G_wait，即将所述社区数据中的未完成对所述被配置资源进行资源配置的社区加入至所述社区集合G_wait；

S3：基于所述社区数据，对所述社区集合G_wait中的各个社区计算影响度，并计算所述社区集合G_wait中的社区与社区之间的关联度；

S4：从所述社区集合G_wait中选取影响度最大的社区G_m；

S5：为所述社区G_m制定社区资源配置方案，并将所述社区G_m从所述社区集合G_wait中剔除；

S6：以社区G_m作为关联源社区G_t，对关联源社区G_t进行社区关联资源迁移配置；

S7：重复执行步骤S4直到所述社区集合G_wait为空；

S8：合并各个社区对应的社区资源配置方案，组成网络资源配置方案；

所述步骤S6中，所述对所述关联源社区G_t进行社区关联资源迁移配置包括如下步骤：

S61：从所述社区集合G_wait中找出与所述关联源社区G_t相关联且关联度最大的社区G_r；

S62：根据所述关联源社区G_t的社区资源配置方案以及所述关联源社区G_r与所述社区G_t之间的交集的传递关系为所述社区G_r制定社区资源配置方案，并将所述社区G_r从所述社区集合G_wait中剔除；

S63：以社区G_r作为关联源社区G_t进行社区关联资源迁移配置；

S64：重复执行步骤S61直到所述社区集合G_wait中找不到与所述关联源社区G_t相关联的社区；其中，

所述节点数据包括节点的集合和节点边的集合；

所述节点为计算终端；

所述节点边表示能够直接进行数据交换的两个计算终端的连接关系；

所述社区数据包括社区的集合；

所述社区是节点的集合；

所述资源信息至少包括资源访问最大节点距离；

所述节点距离是节点与节点之间的最小跳数；

所述社区的关联是指社区与社区之间的交集不为空；

所述社区资源配置方案和所述网络资源配置方案是节点资源配置方案的集合；

所述节点资源配置方案包括被配置资源的资源配置信息；

所述资源配置信息包括配置与否信息；

所述配置与否信息表示被配置资源的资源是否被配置至所对应的节点中。

2.如权利要求1所述的基于社区重叠和内嵌分析的资源配置的方法，其特征在于，所述影响度采用如下公式计算：D_i＝c₁·l_i+Q_i+c₂·δ_i；其中，

所述社区与社区之间的关联度采用如下公式计算：

其中，

上述公式中，

i和t为所述社区数据中社区的编号，j和k为第i社区中节点的编号；

D_i表示为第i社区的影响度；

l_i表示为第i社区和其他所有社区之间的距离；

Q_i表示为第i社区内部的紧密程度；

δ_i表示为第i社区和其所有相交社区之间的平均节点公用程度；

G_i和G_t表示为第i社区的节点集合和第t社区的节点集合；

P_i，t为第i社区和第t社区的节点公用度；

v_i，j为节点a_i，j的价值，v_i，*为节点a_i，*的价值；

O_i，j和O_i，k分别表示为节点a_i，j的出度和节点a_i，k的出度；

节点a_i，j和节点a_i，k分别表示为第i社区中的第j节点和第k节点；

a_i，*和a_t，*表示为第i社区的核心节点和第t社区的核心节点；

c₁，c₂，c₃，c₄，c₅，c₆分别为预先设定的参数；

C_i表示为与第i社区相交的社区数目；

N是所述社区数据中的社区总数；

min为最小数值函数；

d为节点距离函数，d(a_i，*，a_t，*)表示为节点a_i，*和a_t，*之间的最少跳数；

W为节点计数函数，W(G_i)和W(G_t)分别表示为第i社区的节点数和第t社区的节点数，

所有社区总节点数，W(G_i∩G_t)表示为第i社区和第t社区相交的节点数；

E为节点边计数函数；E(G_i)和E(G_t)分别表示为第i社区的节点边数和第t社区的节点边数，E(G_i∩G_t)表示为第i社区和第t社区相交节点之间的节点边数；

B为相邻函数，B(a_i，*)表示为节点a_i，*的相邻节点集合，a_ij∈B(a_i，*)表示为第i社区第j节点与节点a_i，*相邻，B(a_i，j)表示为节点a_ij的相邻节点集合，a_i，k∈B(a_i，j)表示为第i社区第k节点与第i社区第j节点相邻。

3.如权利要求1所述的基于社区重叠和内嵌分析的资源配置的方法，其特征在于，

所述步骤S5中，所述为所述社区G_m制定社区资源配置方案包括如下步骤：

S51：为所述社区G_m的核心节点a_m，*制定节点资源配置方案；所述核心节点a_m，*所制定的节点资源配置方案中，被配置资源的资源配置信息的配置与否信息为真；

S52：以所述核心节点a_m，*为根节点，对所述社区G_m中的节点进行广度优先遍历，并以节点的遍历深度初始化各个节点对被配置资源的访问距离；

S53：以所述社区G_m为目标社区，以所述核心节点a_m，*为根节点，对所述目标社区中的未制定资源配置方案的节点进行广度优先遍历，对所遍历的每个节点制定相应的节点资源配置方案；所述对所遍历的每个节点制定相应的节点资源配置方案包括如下步骤：

S531：对当前节点进行资源配置的制定：

若当前节点的对被配置资源的访问距离大于被配置资源的资源访问最大节点距离，则被配置资源被配置于该节点，否则该资源不被配置于该节点；

当前节点对应的所述节点资源配置方案中，若被配置资源被配置于该节点，则被配置资源的资源配置信息中的配置与否信息设为真，否则设为假；

若被配置资源配置于该节点，则将该节点对被配置资源的访问距离重新设为0；

S532：若该节点的对被配置资源的访问距离存在更新，则以该节点为根节点，对所述目标社区中的未制定资源配置方案的节点进行广度优先遍历，对所遍历的每个节点更新其对被配置资源的访问距离：

若该节点的遍历深度加上根节点对被配置资源的访问距离小于该节点对被配置资源的访问距离，则将该节点对被配置资源的访问距离设为根节点对被配置资源的访问距离加上该节点的遍历深度。

4.如权利要求3所述的基于社区重叠和内嵌分析的资源配置的方法，其特征在于，

所述步骤S62中，所述为所述社区G_r制定社区资源配置方案包括如下步骤：

S62l：对所述社区G_r中未制定资源配置方案的节点初始化其对被配置资源的访问距离为无穷大；

S622：以所述关联源社区G_t和所述社区G_r的交集节点为根节点，对所述社区G_r中的未制定资源配置方案的节点进行广度优先遍历，对所遍历的每个节点更新其对被配置资源的访问距离：若该节点的遍历深度加上根节点对被配置资源的访问距离小于该节点对被配置资源的访问距离，则将该节点对被配置资源的访问距离设为根节点对被配置资源的访问距离加上该节点的遍历深度；

S623：以所述社区G_r为目标社区，以所述关联源社区G_t和所述社区G_r的交集节点为根节点，对所述目标社区中的未制定资源配置方案的节点进行广度优先遍历，对所遍历的每个节点制定相应的节点资源配置方案。

5.如权利要求1或2或3或4所述的基于社区重叠和内嵌分析的资源配置的方法，其特征在于，所述步骤Sl中，多个被配置资源的资源信息组成资源集合；所述节点资源配置方案包括由所述资源集合中各个被配置资源的资源配置信息组成的集合。

6.一种基于社区重叠和内嵌分析的资源配置的装置，其特征在于，该装置包括如下模块：

M1，用于：获取节点数据、社区数据以及被配置资源的资源信息；

M2，用于：初始化未进行资源迁移分配的社区集合G_wait，即将所述社区数据中的未完成对所述被配置资源进行资源配置的社区加入至所述社区集合G_wait；

M3，用于：基于所述社区数据，对所述社区集合G_wait中的各个社区计算影响度，并计算所述社区集合G_wait中的社区与社区之间的关联度；

M4，用于：从所述社区集合G_wait中选取影响度最大的社区G_m；

M5，用于：为所述社区G_m制定社区资源配置方案，并将所述社区G_m从所述社区集合G_wait中剔除；

M6，用于：以社区G_m作为关联源社区G_t，对关联源社区G_t进行社区关联资源迁移配置；

M7，用于：重复执行模块M4直到所述社区集合G_wait为空；

M8，用于：合并各个社区对应的社区资源配置方案，组成网络资源配置方案；

所述模块M6中，所述对所述关联源社区G_t进行社区关联资源迁移配置包括如下模块：

M61，用于：从所述社区集合G_wait中找出与所述关联源社区G_t相关联且关联度最大的社区G_r；

M62，用于：根据所述关联源社区G_t的社区资源配置方案以及所述关联源社区G_r与所述社区G_t之间的交集的传递关系为所述社区G_r制定社区资源配置方案，并将所述社区G_r从所述社区集合G_wait中剔除；

M63，用于：以社区G_r作为关联源社区G_t进行社区关联资源迁移配置；

M64，用于：重复执行模块M61直到所述社区集合G_wait中找不到与所述关联源社区G_t相关联的社区；

其中，

所述节点数据包括节点的集合和节点边的集合；

所述节点为计算终端；

所述节点边表示能够直接进行数据交换的两个计算终端的连接关系；

所述社区数据包括社区的集合；

所述社区是节点的集合；

所述资源信息至少包括资源访问最大节点距离；

所述节点距离是节点与节点之间的最小跳数；

所述社区的关联是指社区与社区之间的交集不为空；

所述社区资源配置方案和所述网络资源配置方案是节点资源配置方案的集合；

所述节点资源配置方案包括被配置资源的资源配置信息；

所述资源配置信息包括配置与否信息；

所述配置与否信息表示被配置资源的资源是否被配置至所对应的节点中。

7.如权利要求6所述的基于社区重叠和内嵌分析的资源配置的装置，其特征在于，

所述影响度采用如下公式计算：D_i＝c₁·l_i+Q_i+c₂·δ_i；其中，

所述社区与社区之间的关联度采用如下公式计算：

其中，

上述公式中，

i和t为所述社区数据中社区的编号，j和k为第i社区中节点的编号；

D_i表示为第i社区的影响度；

l_i表示为第i社区和其他所有社区之间的距离；

Q_i表示为第i社区内部的紧密程度；

δ_i表示为第i社区和其所有相交社区之间的平均节点公用程度；

G_i和G_t表示为第i社区的节点集合和第t社区的节点集合；

P_i，t为第i社区和第t社区的节点公用度；

v_i，j为节点a_i，j的价值，v_i，*为节点a_i，*的价值；

O_i，_j和O_i，k分别表示为节点a_i，j的出度和节点a_i，k的出度；

节点a_i，j和节点a_i，k分别表示为第i社区中的第j节点和第k节点；

a_i，*和a_t，*表示为第i社区的核心节点和第t社区的核心节点；

c₁，c₂，c₃，c₄，c₅，c₆分别为预先设定的参数；

C_i表示为与第i社区相交的社区数目；

N是所述社区数据中的社区总数；

min为最小数值函数；

d为节点距离函数，d(a_i，*，a_t，*)表示为节点a_i，*和a_t，*之间的最少跳数；

W为节点计数函数，W(G_i)和W(G_t)分别表示为第i社区的节点数和第t社区的节点数，

所有社区总节点数，W(G_i∩G_t)表示为第i社区和第t社区相交的节点数；

E为节点边计数函数；E(G_i)和E(G_t)分别表示为第i社区的节点边数和第t社区的节点边数，E(G_i∩G_t)表示为第i社区和第t社区相交节点之间的节点边数；

B为相邻函数，B(a_i，*)表示为节点a_i，*的相邻节点集合，a_ij∈B(a_i，*)表示为第i社区第j节点与节点a_i，*相邻，B(a_i，j)表示为节点a_ij的相邻节点集合，a_i，k∈B(a_i，j)表示为第i社区第k节点与第i社区第j节点相邻。

8.如权利要求6所述的基于社区重叠和内嵌分析的资源配置的装置，其特征在于，

所述模块M5中，所述为所述社区G_m制定社区资源配置方案包括如下模块：

M51，用于：为所述社区G_m的核心节点a_m，*制定节点资源配置方案；所述核心节点a_m，*所制定的节点资源配置方案中，被配置资源的资源配置信息的配置与否信息为真；

M52，用于：以所述核心节点a_m，*为根节点，对所述社区G_m中的节点进行广度优先遍历，并以节点的遍历深度初始化各个节点对被配置资源的访问距离；

M53，用于：以所述社区G_m为目标社区，以所述核心节点a_m，*为根节点，对所述目标社区中的未制定资源配置方案的节点进行广度优先遍历，对所遍历的每个节点制定相应的节点资源配置方案；

所述对所遍历的每个节点制定相应的节点资源配置方案包括如下模块：

M53l，用于：对当前节点进行资源配置的制定：

若当前节点的对被配置资源的访问距离大于被配置资源的资源访问最大节点距离，则被配置资源被配置于该节点，否则该资源不被配置于该节点；

当前节点对应的所述节点资源配置方案中，若被配置资源被配置于该节点，则被配置资源的资源配置信息中的配置与否信息设为真，否则设为假；

若被配置资源配置于该节点，则将该节点对被配置资源的访问距离重新设为0；

M532，用于：若该节点的对被配置资源的访问距离存在更新，则以该节点为根节点，对所述目标社区中的未制定资源配置方案的节点进行广度优先遍历，对所遍历的每个节点更新其对被配置资源的访问距离：

若该节点的遍历深度加上根节点对被配置资源的访问距离小于该节点对被配置资源的访问距离，则将该节点对被配置资源的访问距离设为根节点对被配置资源的访问距离加上该节点的遍历深度。

9.如权利要求8所述的基于社区重叠和内嵌分析的资源配置的装置，其特征在于，

所述模块M62中，所述为所述社区G_r制定社区资源配置方案包括如下模块：

M62l，用于：对所述社区G_r中未制定资源配置方案的节点初始化其对被配置资源的访问距离为无穷大；

M622，用于：以所述关联源社区G_t和所述社区G_r的交集节点为根节点，对所述社区G_r中的未制定资源配置方案的节点进行广度优先遍历，对所遍历的每个节点更新其对被配置资源的访问距离：

若该节点的遍历深度加上根节点对被配置资源的访问距离小于该节点对被配置资源的访问距离，则将该节点对被配置资源的访问距离设为根节点对被配置资源的访问距离加上该节点的遍历深度；

M623，用于：以所述社区G_r为目标社区，以所述关联源社区G_t和所述社区G_r的交集节点为根节点，对所述目标社区中的未制定资源配置方案的节点进行广度优先遍历，对所遍历的每个节点制定相应的节点资源配置方案。

10.如权利要求6或7或8或9所述的基于社区重叠和内嵌分析的资源配置的装置，其特征在于，所述模块M1中，多个被配置资源的资源信息组成资源集合；所述节点资源配置方案包括由所述资源集合中各个被配置资源的资源配置信息组成的集合。

Images