复杂网络社团检测的多目标进化算法研究

发布时间：2018-01-05 13:42

  本文关键词：复杂网络社团检测的多目标进化算法研究　出处：《安徽大学》2017年硕士论文　论文类型：学位论文

  更多相关文章： 复杂网络 社团检测 多目标进化 复杂网络归减 混合编码

【摘要】：现实世界中存在大量的复杂系统,这些复杂系统通常被抽象的描述为复杂网络,如生物网、神经网络、因特网、万维网和社会网络等,复杂网络通常具有社团结构特性。研究复杂网络的社团结构有助于更好了解网络系统,并能挖掘出网络系统的潜藏功能,因此检测复杂网络的社团结构是个值得研究的课题,具有非常重要的理论意义和现实价值。最近几十年来,研究者们提出了大量的复杂网络的社团检测算法,进化算法由于具有良好并行性、全局搜索以及对任何函数类可用等特性,因此基于进化算法的社团检测方法成为解决复杂网络社团检测问题的重要方法之一,然而这些算法在非重叠社团检测和重叠社团检测领域值得进一步研究。因此本文提出了基于复杂网络归减的社团检测多目标进化算法和基于混合编码的重叠社团检测多目标进化算法。本文的主要研究工作如下:(1)本文提出了基于复杂网络归减的社团检测多目标进化算法(RMOEA)。当前的社团检测多目标进化算法在小型网络上有着很好的社团检测能力,然而这些算法在大型网络上无法表现出很好的社团检测能力。主要原因在于这些算法没有考虑到网络规模越大,多目标进化算法的搜索空间也会越大。因此本文提出了基于复杂网络归减的社团检测多目标进化算法,算法的主要思想是通过逐步归减复杂网络的规模,逐步减小进化算法的搜索空间,从而提高多目标进化算法的搜索能力。复杂网络归减的策略贯穿整个RMOEA:在进化前利用复杂网络中连接紧密的节点容易被划分到一个社团的特性,对复杂网络进行规模减小,称为预归减;在进化过程中利用种群个体之间存在相同局部社团的特性,对复杂网络进行规模减小,称为进化归减。最后利用了容错处理来纠正减小复杂网络规模过程中的错误点。在人工生成的基准网络数据集和真实网络数据集上与当前的社团检测进化算法进行比较,实验结果表明RMOEA算法可以很好的检测出大规模复杂网络的社团结构。(2)本文提出了基于混合编码的重叠社团检测多目标进化算法(MRMOEA)。当前的社团检测多目标进化算法在非重叠社团上有着很多的研究成果,然而在重叠社团上的研究成果屈指可数,主要原因在于能解码成重叠社团结构的编码很少。因此本文提出了基于混合编码的重叠社团检测多目标进化算法,算法的主要思想是,通过混合编码解决重叠社团检测问题。其中提出混合编码的基因由候选重叠点和非重叠点混合组成,候选重叠点采用离散编码(0或-1),非重叠点采用向量编码。基于混合编码,提出了挖掘候选重叠点的方法以及提出了粒子群的学习方式来产生子代。在真实网络数据集上与当前的重叠社团检测算法进行比较,实验结果表明,MRMOEA算法可以很好的检测复杂网络的重叠社团结构。
[Abstract]:A large number of complex systems exist in the real world , which are usually abstracted as complex networks , such as networks , neural networks , Internet , World Wide Web and social networks .

【学位授予单位】：安徽大学
【学位级别】：硕士
【学位授予年份】：2017
【分类号】：O157.5;TP18

【相似文献】

相关期刊论文 前10条

1 罗彪;郑金华;朱云飞;蔡自兴;;一种基于“探测"与“开采"的多目标进化算法[J];高技术通讯;2010年02期

2 崔逊学,方廷健;多目标进化算法的研究[J];中国科学基金;2002年01期

3 许波;彭志平;陈晓龙;柯文德;余建平;;一种基于云模型的多目标进化算法[J];信息与控制;2012年03期

4 李枚毅;;结合免疫机制的并发定位与建图多目标进化算法[J];湘潭大学自然科学学报;2007年02期

5 吴迪;李苏剑;李海涛;;基于精英重组的混合多目标进化算法[J];北京科技大学学报;2013年09期

6 逄珊;杨欣毅;苏庆堂;;提高多目标进化算法分布性的动态调整机制[J];计算机工程与应用;2012年02期

7 林丹;王宏;李敏强;;用多目标进化算法求解二层规划双目标模型[J];系统工程理论与实践;2006年05期

8 张成;李明辉;;多目标进化算法在非线性方程组中的应用[J];赤峰学院学报(自然科学版);2011年02期

9 黄林峰;罗文坚;王煦法;;高维多目标进化算法中的密度评估策略研究[J];中国科学技术大学学报;2011年04期

10 肖艳;许峰;;基于改进庄家法则的多目标进化算法[J];软件导刊;2010年07期

相关会议论文 前2条

1 孙海涛;熊鹰;韩峰;;基于多目标进化算法的舰船概念设计方法研究[A];第四届全国船舶与海洋工程学术会议论文集[C];2009年

2 崔逊学;;多目标进化算法的研究现状与群体多样性研究[A];Complexity Problems--Proceedings of CCAST (World Laboratory) Workshop[C];2001年

相关博士学位论文 前10条

1 丰志伟;多目标进化算法研究及在飞行器动力学系统中的应用[D];国防科学技术大学;2014年

2 代才;基于分解的多目标进化算法研究[D];西安电子科技大学;2014年

3 申瑞珉;高维多目标进化算法及其软件平台研究[D];湘潭大学;2015年

4 袁源;基于分解的多目标进化算法及其应用[D];清华大学;2015年

5 孟红云;多目标进化算法及其应用研究[D];西安电子科技大学;2005年

6 黄林峰;多目标进化算法研究[D];中国科学技术大学;2009年

7 郭秀萍;多目标进化算法及其在制造系统中的应用研究[D];上海交通大学;2007年

8 谭艳艳;几种改进的分解类多目标进化算法及其应用[D];西安电子科技大学;2013年

9 张明明;面向量子可逆逻辑自动综合的多目标进化算法研究[D];东华大学;2010年

10 刘立衡;多目标进化算法的研究及其在负荷分配中的应用[D];华北电力大学（北京）;2010年

相关硕士学位论文 前10条

1 吴坤安;基于分散策略的多目标进化算法研究[D];福建师范大学;2015年

2 马晨琳;基于分解的交互式偏好多目标优化算法研究[D];西安电子科技大学;2014年

3 喻果;基于分解的偏好多目标进化算法及其评价指标的研究[D];湘潭大学;2015年

4 李业兴;基于外部集指引的自适应多目标进化算法的研究[D];南京航空航天大学;2015年

5 季洪霄;动态约束多目标进化算法的研究与应用[D];安徽理工大学;2016年

6 李达统;基于MapReduce与Spark的分布式多目标进化算法的设计与实现[D];华南理工大学;2016年

7 齐吉;基于聚类的多目标进化算法及其在航迹规划中的应用[D];哈尔滨工业大学;2016年

8 李辉健;多目标进化算法中新型非支配个体排序研究及应用[D];南京信息工程大学;2016年

9 杨志翔;基于分解排序的多目标进化算法的研究[D];南京航空航天大学;2016年

10 朱铮;面向指标和边界选择的高维多目标进化算法的研究[D];湘潭大学;2016年

，

本文编号：1383389