基于改進遺傳算法的復雜網(wǎng)絡社區(qū)檢測研究.pdf

1、隨著互聯(lián)網(wǎng)的發(fā)展，復雜網(wǎng)絡受到了各學科研究者的關注，社區(qū)結(jié)構(gòu)是復雜網(wǎng)絡的網(wǎng)絡屬性。對復雜網(wǎng)絡進行社區(qū)檢測，不僅對解決復雜性問題具有重要的理論意義，而且在眾多領域都有著可觀的應用前景。近幾年，很多社區(qū)檢測算法被提出，其中基于函數(shù)優(yōu)化的方法備受關注。本論文主要研究進化算法在社區(qū)檢測中的應用，主要工作如下：
　　(1)傳統(tǒng)的遺傳算法處理社區(qū)檢測問題時易陷入局部最優(yōu)且收斂速度較慢。針對遺傳算法存在這些缺點，本文研究了密母算法、遺傳算法、禁

2、忌搜索算法的基本理論，在密母算法基礎上，提出了一種結(jié)合禁忌搜索算法的密母算法(Memetic algorithm with tabusearch strategy，MATS)。采用遺傳算法作為其全局搜索策略，同時引入禁忌搜索算法作為其局部搜索策略，這不僅提高了算法的收斂速度，還增強了跳出局部最優(yōu)的能力。常用的模塊度函數(shù)存在分辨率限制問題，我們采用擴展的模塊密度函數(shù)為新的適應度函數(shù)，通過調(diào)節(jié)該函數(shù)的參數(shù)，以不同的分辨率對網(wǎng)絡的社區(qū)進行分析

3、，解決了模塊度優(yōu)化算法中普遍存在的分辨率限制問題。MATS不僅克服了遺傳算法易陷入局部最優(yōu)值和收斂速度慢等缺點，同時還解決了模塊度本身具有的分辨率限制問題。在基準網(wǎng)絡上和真實網(wǎng)絡上進行測試，實驗結(jié)果表明本文算法能夠準確地發(fā)現(xiàn)社區(qū)結(jié)構(gòu)。
　　(2)遺傳算法在社區(qū)檢測中易陷入局部最優(yōu)解且隨機性較強，針對遺傳算法存在這些缺點，本文采用一種高效、快速的變異策略，該變異算子結(jié)合節(jié)點隸屬度函數(shù)，能有效提高檢測的穩(wěn)定性及社區(qū)劃分的準確率。同時采