版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
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
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于粒子群優(yōu)化算法的復(fù)雜網(wǎng)絡(luò)社區(qū)發(fā)現(xiàn).pdf
- 基于復(fù)雜網(wǎng)絡(luò)粒子群算法與AdaBoost算法的人臉檢測(cè)研究.pdf
- 基于改進(jìn)遺傳算法的復(fù)雜網(wǎng)絡(luò)社區(qū)檢測(cè)研究.pdf
- 基于改進(jìn)粒子群算法的模糊神經(jīng)網(wǎng)絡(luò)研究.pdf
- 基于改進(jìn)粒子群算法的配電網(wǎng)絡(luò)重構(gòu)研究.pdf
- 基于改進(jìn)粒子群算法的交通控制算法研究.pdf
- 基于改進(jìn)粒子群社區(qū)劃分與好友推薦算法研究.pdf
- 基于改進(jìn)粒子群算法的Ad Hoc網(wǎng)絡(luò)移動(dòng)模型研究.pdf
- 基于改進(jìn)粒子群算法的Ad Hoc網(wǎng)絡(luò)功率控制.pdf
- 粒子群算法改進(jìn)方法研究.pdf
- 粒子群及量子行為粒子群優(yōu)化算法的改進(jìn)研究.pdf
- 基于改進(jìn)粒子群優(yōu)化算法的聚類(lèi)算法研究.pdf
- 改進(jìn)粒子群優(yōu)化算法的研究.pdf
- 關(guān)于粒子群算法改進(jìn)的研究.pdf
- 粒子群算法的研究及改進(jìn).pdf
- 基于改進(jìn)粒子群算法的逆變器SHEPWM研究.pdf
- 基于智能優(yōu)化算法的復(fù)雜網(wǎng)絡(luò)社區(qū)檢測(cè)研究.pdf
- 基于雙種群的改進(jìn)粒子群優(yōu)化算法研究.pdf
- 基于控制思想的粒子群優(yōu)化算法改進(jìn)研究.pdf
- 基于混沌映射的粒子群優(yōu)化算法改進(jìn)研究.pdf
評(píng)論
0/150
提交評(píng)論