基于遗传算法的复杂网络社区检测的应用研究

发布时间：2017-07-31 12:27

  本文关键词：基于遗传算法的复杂网络社区检测的应用研究

  更多相关文章： 复杂网络 遗传算法 自适应 多目标 精英基因库

【摘要】：近年来,随着复杂网络理论及其相关应用研究的兴起,人们开始尝试利用这些新的理论工具来研究现实社会中的各种大型复杂系统。因此,对复杂网络社区结构的检测,逐渐成为了研究的热点。社区结构是复杂网络最重要的拓扑结构属性之一,它揭示了复杂网络的隐藏规律和行为特征。社区结构的数学模型是指在一个复杂网络中内部连接紧密而外部连接稀疏的节点集。传统的方法需要预先设定权重参数来控制对目标函数的不同侧重,并且不能够自动识别社区个数,在寻优过程中会出现“早熟”和效率低下问题。本文研究的多目标自适应快速遗传算法是传统遗传算法的演进算法,用于复杂网络社区结构的检测。首先,它将社区检测问题转化为多目标优化问题,构建社区分值和社区适应度两个目标函数。其次,引入外部精英基因库,用于存储适应度较高的非劣解,对于外部精英基因库已经存在的重复个体,不用再进行重复解码、计算个体适应度值等一系列过程。同时,执行自适应遗传算子,返回一组在两个目标函数之间折衷的非支配解。最后,选取一个模块度最高的Pareto最优解,解码生成一组独立的子网络,并用互信息度量和模块度去评价算法的性能。仿真表明,多目标自适应快速遗传算法大大地提高了复杂网络社区结构检测的精确度,并且能更好地发现复杂网络的层次结构。
【关键词】：复杂网络 遗传算法 自适应 多目标 精英基因库
【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】：TP18;O157.5
【目录】：

• 摘要4-5
• ABSTRACT5-8
• 第一章 绪论8-12
• 1.1 课题的研究目的和意义8-9
• 1.2 课题的研究历史和研究现状9-10
• 1.3 本文结构安排10-12
• 第二章 复杂网络的相关理论12-23
• 2.1 复杂网络的基本概念12-15
• 2.1.1 度与度分布13-14
• 2.1.2 中心性14-15
• 2.2 复杂网络的特性15-17
• 2.2.1 复杂性15-16
• 2.2.2 小世界特性16
• 2.2.3 无标度特性16-17
• 2.2.4 超家族特性17
• 2.3 复杂网络的搜索策略17-19
• 2.3.1 广度优先搜索17-18
• 2.3.2 最大度搜索18
• 2.3.3 随机游走搜索策略18-19
• 2.4 复杂网络社区检测的经典方法19-22
• 2.4.1 GN算法20-21
• 2.4.2 Newman快速算法21-22
• 2.5 本章小结22-23
• 第三章 人工智能优化算法23-31
• 3.1 多目标优化问题23-25
• 3.2 人工智能算法25-30
• 3.2.1 模拟退火算法25-27
• 3.2.2 粒子群算法27-28
• 3.2.3 基本遗传算法28-30
• 3.3 本章小结30-31
• 第四章 社区检测的多目标自适应快速遗传算法31-44
• 4.1 自适应快速遗传算法原理31-36
• 4.1.1 自适应遗传算法31-35
• 4.1.2 精英基因库35-36
• 4.2 多目标自适应快速遗传算法描述36-41
• 4.2.1 编码方式36-37
• 4.2.2 种群初始化37-38
• 4.2.3 选择38
• 4.2.4 交叉和变异38-40
• 4.2.5 目标函数40-41
• 4.2.6 Pareto解选择41
• 4.3 多目标自适应快速遗传算法流程41-43
• 4.4 本章小结43-44
• 第五章 多目标自适应快速遗传算法的仿真44-57
• 5.1 评价标准44-45
• 5.2 模拟网络的仿真45-47
• 5.3 真实网络的仿真47-53
• 5.4 快速性仿真验证53-54
• 5.5 Pareto解的网络层次结构54-56
• 5.6 本章小结56-57
• 第六章 总结与展望57-59
• 6.1 工作总结57
• 6.2 展望未来57-59
• 参考文献59-61
• 附录1 攻读硕士学位期间申请的专利61-62
• 附录2 攻读硕士学位期间参加的科研项目62-63
• 致谢63

【相似文献】

中国期刊全文数据库 前10条

1 陈琨;张志明;;一种改进遗传算法的设计与实现[J];贵州大学学报(自然科学版);2006年01期

2 胡兰萍;黄海斌;;遗传算法及其在化学领域中的应用[J];海南师范学院学报(自然科学版);2006年03期

3 王珊珊;;遗传算法的理论基础及应用[J];科协论坛(下半月);2008年09期

4 高翔;海洋;;遗传算法应用[J];赤峰学院学报(自然科学版);2009年03期

5 刘定理;;遗传算法综述[J];中国西部科技;2009年25期

6 欧阳柏平;;基于遗传算法优化独立分量分析[J];科技信息;2010年07期

7 储育青;齐义飞;肖立顺;陈晖敏;石玉文;;遗传算法研究概述[J];科技风;2010年09期

8 曾瑛;;遗传算法在优化求解中的应用[J];科技创业月刊;2012年10期

9 丁承民,张传生,刘辉;遗传算法纵横谈[J];信息与控制;1997年01期

10 施光林,史维祥;遗传算法及其研究与应用新进展[J];科技导报;1997年04期

中国重要会议论文全文数据库 前10条

1 陈家照;廖海涛;张中位;罗寅生;;一种改进的遗传算法及其在路径规划中的应用[A];2009系统仿真技术及其应用学术会议论文集[C];2009年

2 李国云;刘颖;薛梅;邬志敏;;遗传算法在高温空冷冷凝器优化设计中的应用[A];第五届全国制冷空调新技术研讨会论文集[C];2008年

3 王志军;李守春;张爽;;改进的遗传算法在反演问题中的应用[A];新世纪 新机遇 新挑战——知识创新和高新技术产业发展（上册）[C];2001年

4 任燕翔;姜立;刘连民;从滋庆;;改进遗传算法在三维日照方案优化中的应用[A];工程三维模型与虚拟现实表现——第二届工程建设计算机应用创新论坛论文集[C];2009年

5 韩娟;;遗传算法概述[A];第三届河南省汽车工程科技学术研讨会论文集[C];2006年

6 庞国仲;王元西;;基于遗传算法控制步长的定性仿真方法[A];'2000系统仿真技术及其应用学术交流会论文集[C];2000年

7 张忠华;杨淑莹;;基于遗传算法的聚类设计[A];全国第二届信号处理与应用学术会议专刊[C];2008年

8 何翠红;区益善;;遗传算法及其在计算机编程中的应用[A];1995年中国智能自动化学术会议暨智能自动化专业委员会成立大会论文集（下册）[C];1995年

9 靳开岩;张乃尧;;几种实用遗传算法及其比较[A];1996年中国智能自动化学术会议论文集（下册）[C];1996年

10 王宏刚;曾建潮;李志宏;;摄动遗传算法[A];1996年中国智能自动化学术会议论文集（下册）[C];1996年

中国重要报纸全文数据库 前1条

1 林京;《神经网络和遗传算法在水科学领域的应用》将面市[N];中国水利报;2002年

中国博士学位论文全文数据库 前10条

1 蔡美菊;交互式遗传算法及其在隐性目标决策问题中的应用研究[D];合肥工业大学;2015年

2 张士伟;三维声学快速多极基本解法在机械噪声预测中的应用研究[D];沈阳工业大学;2016年

3 高军;无铅焊料本构模型及其参数识别方法研究[D];南京航空航天大学;2015年

4 Amjad Mahmood;半监督进化集成及其在网络视频分类中的应用[D];西南交通大学;2015年

5 周辉仁;递阶遗传算法理论及其应用研究[D];天津大学;2008年

6 郝国生;交互式遗传算法中用户的认知规律及其应用[D];中国矿业大学;2009年

7 侯格贤;遗传算法及其在跟踪系统中的应用研究[D];西安电子科技大学;1998年

8 马国田;遗传算法及其在电磁工程中的应用[D];西安电子科技大学;1998年

9 唐文艳;结构优化中的遗传算法研究和应用[D];大连理工大学;2002年

10 周激流;遗传算法理论及其在水问题中应用的研究[D];四川大学;2000年

中国硕士学位论文全文数据库 前10条

1 张英俐;基于遗传算法的作曲系统研究[D];山东师范大学;2006年

2 钟海萍;原对偶遗传算法与蚁群算法的一种融合算法[D];暨南大学;2013年

3 李志添;模糊遗传算法与资源优化配置的预测控制[D];华南理工大学;2015年

4 王琳琳;新型双层液压轿运车车厢的设计研究[D];上海工程技术大学;2015年

5 李海全;基于遗传算法的建筑体形系数及迎风面积比优化方法研究[D];华南理工大学;2015年

6 彭骞;基于遗传算法的山区高等级公路纵断面智能优化方法研究[D];昆明理工大学;2015年

7 周玉林;基于小波分析和遗传算法的配电网故障检测[D];昆明理工大学;2015年

8 郭颂;基于粗糙集和遗传算法的数字管道生产管理系统研究[D];昆明理工大学;2015年

9 吴南;数值逼近遗传算法的研究应用[D];华南理工大学;2015年

10 于光帅;一类优化算法的改进研究与应用[D];渤海大学;2015年

，

本文编号：599168