小世界效应加速生物地理学优化的社团识别算法

发布时间：2021-09-29 21:21

　　为提高基于优化方法的网络社团结构识别算法的有效性,设计一种利用小世界效应加速生物地理学优化过程的网络社团结构识别算法.首先基于矩阵随机编码建立网络社团识别生物地理学优化框架,在栖息地中全局进化地搜索对应于最大化模块度的网络社团划分.然后,给出基于小世界效应的生物地理学迁移策略,可以加速进化算法的信息交换过程.最后,运用该算法在现实网络和人工合成网络上进行实验.结果表明:引入小世界效应能够降低网络社团结构识别算法的收敛时间;在典型现实网络与人工合成网络上运行该算法能够获得较高的模块度值与标准化互信息值;信息交换的拓扑结构能够优化进化算法效率.应用小世界效应加速生物地理学优化的网络社团识别算法具有较好的可行性与有效性. 

【文章来源】：哈尔滨工业大学学报. 2020,52(03)北大核心EICSCD

【文章页数】：8 页

【部分图文】：

栖息地向量初始化

BBO方法利用迁移规则来更新潜在解,保持解的多样性,栖息地物种线性迁移模型见图2.从图2中可以看到物种迁移行为分为迁入和迁出,Imax和Emax分别为最大迁入概率和最大迁出概率,在一个栖息地内,随着物种数的增加,迁出率逐渐升高,随着栖息地物种数目达到最高Smax,迁出率也达到最高迁出率Emax. 迁入率变化与之相反,迁入率λ和迁出率μ的计算公式分别为

迁移操作


本文编号：3414498