基于多目标进化的复杂网络社区检测

发布时间：2024-09-17 18:25

　　 为了准确地发现复杂社区结构,提出一种改进的多目标进化的复杂网络社区检测算法。通过在某一范围内等间距产生多个p参数,再将其代入AP聚类算法通过半监督聚类方式确定聚类个数以及产生初始种群,克服传统的通过随机方式产生的初始解聚类效果不稳定的缺点,且用模拟退火(SA)算法对多目标进化算法进行改进提高种群搜索能力,防止寻优过程陷入局部最优解。分别在不同μ值下仿真40次,以Footbal足球社交网络、Karate-Club网络和Dolphins网络作为测试案例,与传统多目标进化算法以及基于近邻传播(AP)的多目标算法进行实验对比,结果表明文中提出的多目标进化算法在总体上MNI数值更大,即改进效果明显,因此可应用该算法对复杂网络社区进行更加精确的检测。

【文章页数】：6 页

【部分图文】：

图1单点交叉示意图

步骤10:交叉。对相邻的两个父代个体采取单点交叉方式,通过产生一个随机的位置点,将该点以后的个体的相应位置的编码进行交换,以此产生两个新的相邻的子代个体。对于相邻两个个体的交叉过程如图1所示。图中,Xij1和Xij2分别是第i次种群的两个个体j1和j2,首先随机选....

图2Footbal网络三种算法NMI对比曲线

表1Footbal网络三种算法NMI均值对比μAP-SA-MOEAAP-MOEAMOEA0.100.950.960.960.200.950.960.940.300.950.950.920.400.940.940.900.500.94....

图3Karate-Club网络三种算法NMI对比曲线

表2Karate-Club网络三种算法NMI均值对比μAP-SA-MOEAAP-MOEAMOEA0.100.910.920.510.200.930.920.500.300.920.910.440.400.950.920.410.500....

图4Dolphins网络三种算法NMI对比曲线

表3Dolphins网络三种算法NMI均值对比μAP-SA-MOEAAP-MOEAMOEA0.100.720.690.690.200.680.670.670.300.680.660.610.400.690.650.490.500.65....

本文编号：4005861