基于改進(jìn)粒子群算法的復(fù)雜網(wǎng)絡(luò)社區(qū)檢測(cè)研究.pdf

1、現(xiàn)實(shí)生活中存在著各種各樣的復(fù)雜網(wǎng)絡(luò)，如萬(wàn)維網(wǎng)、交通網(wǎng)、社會(huì)關(guān)系網(wǎng)、電力網(wǎng)、蛋白質(zhì)交互網(wǎng)等。隨著科學(xué)技術(shù)的發(fā)展，對(duì)復(fù)雜網(wǎng)絡(luò)的研究己經(jīng)逐步成為計(jì)算機(jī)、物理、生物、社會(huì)學(xué)等眾多領(lǐng)域的熱門(mén)研究課題。作為復(fù)雜網(wǎng)絡(luò)最重要的特性--社區(qū)結(jié)構(gòu)，對(duì)理解網(wǎng)絡(luò)中的各種行為機(jī)制和功能，以及發(fā)現(xiàn)復(fù)雜網(wǎng)絡(luò)中的隱藏規(guī)律，具有重要的研究意義。目前研究復(fù)雜網(wǎng)絡(luò)的社區(qū)檢測(cè)方法主要有以下三類(lèi)：基于圖分割方法、基于層次聚類(lèi)方法和基于模塊度優(yōu)化方法。其中，基于模塊度優(yōu)化方法將模

2、塊度作為網(wǎng)絡(luò)劃分的評(píng)價(jià)指標(biāo)，并把復(fù)雜網(wǎng)絡(luò)的社區(qū)檢測(cè)問(wèn)題轉(zhuǎn)化為模塊度函數(shù)的優(yōu)化問(wèn)題。這類(lèi)方法己成功應(yīng)用于諸多實(shí)踐，并被研究學(xué)者們廣泛接受，己成為復(fù)雜網(wǎng)絡(luò)社區(qū)檢測(cè)研究的主流方法之一。
　　本論文旨在通過(guò)對(duì)粒子群優(yōu)化(Particle Swarm Optimization，PSO)算法和其它啟發(fā)式優(yōu)化算法的研究，面向復(fù)雜網(wǎng)絡(luò)社區(qū)檢測(cè)問(wèn)題對(duì)粒子群算法中的策略進(jìn)行改進(jìn)，并應(yīng)用到相應(yīng)的測(cè)試網(wǎng)絡(luò)中去對(duì)算法的有效性進(jìn)行分析驗(yàn)證。主要的研究工作可概

3、括如下：
　　(1)通過(guò)對(duì)文化基因(Memetic)算法、粒子群優(yōu)化(PSO)算法、禁忌搜索(tabusearch)算法、遺傳算法(Genetic Algorithm，GA)的深入剖析，設(shè)計(jì)了一種基于文化基因粒子群算法(Memetic Particle Swarm Optimization Algorithm，MPSOA)的復(fù)雜網(wǎng)絡(luò)社區(qū)檢測(cè)方法。該方法在Memetic算法框架下，使用改進(jìn)的混合粒子群優(yōu)化算法(Hybrid Part

4、icleSwarm Optimization，HPSO)作為全局搜索策略，tabu search算法作為局部搜索策略，以模塊密度函數(shù)作為目標(biāo)函數(shù)，進(jìn)而實(shí)現(xiàn)網(wǎng)絡(luò)的社區(qū)檢測(cè)功能。該算法一定程度上避免粒子群優(yōu)化算法易陷入局部最優(yōu)的缺點(diǎn)，同時(shí)解決了模塊度函數(shù)存在的分辨率限制問(wèn)題。最后將算法應(yīng)用到一個(gè)參數(shù)可調(diào)的人工合成網(wǎng)絡(luò)和四個(gè)已知社區(qū)結(jié)構(gòu)的現(xiàn)實(shí)世界網(wǎng)絡(luò)進(jìn)行測(cè)試，并經(jīng)典的快速算法(Fast Algorithm)和密母算法(Meme-net)進(jìn)行對(duì)

5、比。
　　(2)通過(guò)對(duì)離散粒子群優(yōu)化(Discrete particle swarm Optimization，DPSO)算法和模擬退火算法(Simulated Annealing，SA)的機(jī)制分析，設(shè)計(jì)了一種基于改進(jìn)離散粒子群優(yōu)化(DPSO-SA)算法的復(fù)雜網(wǎng)絡(luò)社區(qū)檢測(cè)方法。該方法重新定義了粒子群算法的速度和位置更新公式，使其更好的適用于復(fù)雜網(wǎng)絡(luò)的社區(qū)檢測(cè)問(wèn)題。同時(shí)為了解決粒子群算法存在的早熟收斂，在算法中嵌入了模擬退火策略，使