# SwarmIntelligence

**Repository Path**: jidantou/swarm-intelligence

## Basic Information

- **Project Name**: SwarmIntelligence
- **Description**: 群体智能大作业
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2025-06-22
- **Last Updated**: 2025-06-27

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 群体智能大作业代码

### 项目简介

本项目为李老师群体智能的期末大作业代码库，围绕**复杂网络能控性**的核心问题展开，实现了结构可控性与精确可控性的判别算法，并在sociopatterns数据集上验证了二者的等效性与差异性。研究重点包括：

1. **理论框架**  
   - 实现结构可控性（基于最大匹配算法）与精确可控性（基于 PBH 判据）的驱动节点计算
   - 支持有向/无向网络、带权网络及含自环网络的能控性分析

2. **数据集实验**  
   - **科学画廊无向接触网络**（69 张每日累计接触网络）  
     - 结构可控与精确可控的驱动节点数量一致率 >97%（仅 2 张图存在 1 节点差异）
     - 验证无向稀疏网络中两类方法的等效性
   - **高中社交有向网络**（联系日志/友谊报告/Facebook）  
     - 可视化网络的结构特征和驱动节点周围网络特征
     - 提出新分类：**源节点**（领导匹配stem）与 **独立节点**（无匹配连接）


### 文件说明

- INFECTIOUS_cumulative_daily.ipynb 长期博物馆展览中人与人面对面接触数据集的相关分析
- HighSchoolContact.ipynb 法国高中接触模式调查数据集的相关分析
- task2.py 驱动节点多解的回溯法求解
- task1.py Hopcroft-karp算法的实现和一些简单随机网络的生成与可视化

### 安装说明

1. python>=3.9，推荐版本3.12
2. 在本文件夹下执行`pip install -r requirements.txt`
3. jupyter notebook文件打开方式：
   1. 通过PyCharm打开（推荐）
   2. 在vscode中配置好python环境后，通过vscode打开
   3. 在本文件夹下启动终端，输入`jupyter notebook`，在网页中运行和编辑

### 数据集来源

- [http://www.sociopatterns.org](http://www.sociopatterns.org)

- 科学画廊展中观众面对面交流数据集 [http://www.sociopatterns.org/datasets/infectious-sociopatterns/](http://www.sociopatterns.org/datasets/infectious-sociopatterns/)
> L. Isella, J. Stehlé, A. Barrat, C. Cattuto, J.-F. Pinton, and W. Van den Broeck, “What’s in a crowd? analysis of face-to-face behavioral networks,” Journal of Theoretical Biology, vol. 271, no. 1, pp. 166–180, 2011.

- 高中学生社交及友谊数据集 [http://www.sociopatterns.org/datasets/high-school-contact-and-friendship-networks/](http://www.sociopatterns.org/datasets/high-school-contact-and-friendship-networks/)
> R. Mastrandrea, J. Fournet, and A. Barrat, “Contact patterns in a high school: A comparison between data collected using wearable sensors, contact diaries and friendship surveys,” PLOS ONE, vol. 10, no. 9, p. e0136497, 2015.