基于智能优化算法的复杂网络社区检测研究

发布时间：2017-06-08 09:06

  本文关键词：基于智能优化算法的复杂网络社区检测研究，由笔耕文化传播整理发布。

【摘要】：现实世界中交通系统、电力系统、人际关系、物联网等诸多系统都具备复杂网络特性,所以通过研究复杂网络进而揭示复杂系统的基本原理已成为当前的研究热点。社区结构作为复杂网络中能够发现网络隐藏规律和功能的一个重要属性,受到研究者广泛关注。社区检测就是要找到复杂网络中存在的社区结构,进而提取各社区中所蕴含的重要信息,具有重要的理论意义和广泛的应用前景。本文将社区检测建模成目标优化问题,通过设计单目标和多目标进化算法进行求解。在基于单目标优化的进化算法中,针对遗传算法进化过程中遗传操作的单一性和容易陷入局部最优的缺点,提出一种基于自适应选择策略的社区结构检测算法,以模块度为单目标优化函数,设计了交叉策略池和变异策略池,每个个体在算法求解的不同阶段以轮盘赌的方式依概率自适应的从策略池选择进化策略,同时在全局搜索后引入既能克服局部最优又能提高搜索效率的爬山搜索,实验表明该算法提高了单目标优化检测社区结构的精度;在基于多目标优化的进化算法中,为了克服传统单目标优化中只能得到一种社区划分的缺陷,提出一种基于非支配排序的多目标社区检测算法,设定两个优化目标函数,每个个体针对这两个目标函数进行排序,并依据排序值设计进化中的遗传操作和种群留存机制,同时定义与目标函数相关的局部优化函数进行局部搜索,实验表明该算法在网络上运行结束时能够得到多个不同的社区划分,并且可以进一步分析出网络社区的层次结构。
【关键词】：复杂网络 社区检测 遗传算法 单目标优化 多目标优化 局部搜索
【学位授予单位】：南京邮电大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：O157.5
【目录】：

• 摘要4-5
• Abstract5-8
• 第一章 绪论8-14
• 1.1 研究背景及意义8-10
• 1.2 国内外研究现状10-12
• 1.3 论文组织结构12-14
• 第二章 复杂网络社区检测的背景知识介绍14-24
• 2.1 复杂网络14
• 2.2 社区结构14-15
• 2.3 社区检测方法15-22
• 2.3.1 层次聚类法15-18
• 2.3.2 单目标优化法18-20
• 2.3.3 多目标优化法20-22
• 2.4 评价指标22-23
• 2.5 本章小结23-24
• 第三章 基于自适应选择策略的复杂网络社区检测算法24-47
• 3.1 算法思想24-25
• 3.2 基于自适应选择策略的复杂网络社区检测算法25-34
• 3.2.1 编码方式26
• 3.2.2 种群初始化26-27
• 3.2.3 目标函数27
• 3.2.4 进化策略池27-31
• 3.2.5 策略的统计概率更新31-32
• 3.2.6 局部搜索32-34
• 3.2.7 算法框架34
• 3.3 实验结果分析34-46
• 3.3.1 人工合成网络35-36
• 3.3.2 真实世界网络36-42
• 3.3.3 自适应选择中进化策略池的作用分析42-46
• 3.4 本章小结46-47
• 第四章 基于非支配排序的多目标复杂网络社区检测算法47-60
• 4.1 算法思想47-48
• 4.2 基于非支配排序的多目标复杂网络社区检测算法48-53
• 4.2.1 目标函数49-50
• 4.2.2 交叉和变异操作50-51
• 4.2.3 局部搜索51-52
• 4.2.4 比例留存52
• 4.2.5 算法框架52-53
• 4.3 实验分析53-59
• 4.3.1 人工合成网络53-55
• 4.3.2 真实世界的网络55-56
• 4.3.3 层次结构分析56-59
• 4.4 本章小结59-60
• 第五章 总结与展望60-62
• 5.1 总结60-61
• 5.2 展望61-62
• 参考文献62-65
• 附录1 攻读硕士学位期间撰写的论文65-66
• 附录2 攻读硕士学位期间申请的专利66-67
• 附录3 攻读硕士学位期间参加的科研项目67-68
• 致谢68

【相似文献】

中国期刊全文数据库 前1条

1 陈京荣;俞建宁;李引珍;;一种多属性条件下的交通网络路径选择模型[J];运筹与管理;2009年02期

中国硕士学位论文全文数据库 前1条

1 周春霞;基于智能优化算法的复杂网络社区检测研究[D];南京邮电大学;2016年

  本文关键词：基于智能优化算法的复杂网络社区检测研究，由笔耕文化传播整理发布。

，

本文编号：432008