差異進化算法求解約束優(yōu)化問題與復(fù)雜網(wǎng)絡(luò)社區(qū)探測問題研究.pdf

1、在自然科學(xué)和工程應(yīng)用領(lǐng)域中存在大量約束優(yōu)化問題，這些約束優(yōu)化問題因常常含有多種不同類型的非線性約束條件、多模目標函數(shù)以及凹可行域而變得非常復(fù)雜。因此，對約束優(yōu)化問題的研究具有非常重要的理論和實際意義。此外，在現(xiàn)實世界中還存在大量的復(fù)雜系統(tǒng)，這些復(fù)雜系統(tǒng)往往被轉(zhuǎn)化為復(fù)雜網(wǎng)絡(luò)進行處理。然而，這些復(fù)雜網(wǎng)絡(luò)通常含有大量節(jié)點并具有非常復(fù)雜的拓撲結(jié)構(gòu)，往往難以對其進行有效的分析和處理。復(fù)雜網(wǎng)絡(luò)通常具有明顯的社區(qū)結(jié)構(gòu)，對復(fù)雜網(wǎng)絡(luò)社區(qū)探測問題的研究對于

2、分析復(fù)雜網(wǎng)絡(luò)的拓撲結(jié)構(gòu)和功能具有重要的理論意義和實用價值，是復(fù)雜網(wǎng)絡(luò)分析領(lǐng)域中的研究熱點。近年來，差異進化算法因其優(yōu)秀的搜索性能而受到廣泛關(guān)注并在眾多領(lǐng)域中得到大量應(yīng)用。
　　 本文旨在基于差異進化算法對約束優(yōu)化問題和復(fù)雜網(wǎng)絡(luò)社區(qū)探測問題的求解展開研究，主要工作概括如下:
　　 1.(μ+λ)-CDE算法是最近提出的一個優(yōu)秀的基于差異進化算法的約束優(yōu)化進化算法。然而該算法需要在進化過程中動態(tài)改變等式約束條件的容忍值，并且

3、容忍值的初始值和變化率都依賴于問題。為了克服上述缺陷，本文對(μ+λ)-CDE算法進行了改進，提出了一個改進的差異進化算法——ICDE算法以求解約束優(yōu)化問題。ICDE算法主要由一個改進的差異進化算法(IDE)和一個新穎的基于存檔的自適應(yīng)均衡模型(ArATM)構(gòu)成。其中，IDE使用多個變異策略和二項式交叉策略產(chǎn)生后代個體。ArATM根據(jù)種群在進化過程中可能出現(xiàn)的三種不同情形(即不可行情形、半可行情形和可行情形)設(shè)計了三種不同的約束處理機制

4、。其中，ArATM在處理不可行情形的約束處理機制中采用了一個非劣個體分層選擇機制和一個個體存檔機制，并在處理半可行情形的約束處理機制中設(shè)計了一個基于組合種群的可行解比例的適應(yīng)性的適應(yīng)度函數(shù)轉(zhuǎn)換機制?；谠?006年的IEEE進化計算會議中提出的24個標準測試函數(shù)，本文對ICDE算法的性能進行了測試。實驗結(jié)果表明，ICDE算法不僅克服了(μ+λ)-CDE算法的上述缺陷，而且具有比其它約束優(yōu)化進化算法更加優(yōu)秀的性能。
　　 2.針對

5、復(fù)雜網(wǎng)絡(luò)社區(qū)探測問題，本文提出了一個基于差異進化算法的復(fù)雜網(wǎng)絡(luò)社區(qū)探測算法——DECD算法。DECD算法使用差異進化算法作為搜索算法并采用網(wǎng)絡(luò)模塊化函數(shù)作為適應(yīng)度函數(shù)來搜索復(fù)雜網(wǎng)絡(luò)中的社區(qū)結(jié)構(gòu)。另外，DECD算法設(shè)計了一個改進的二項式交叉策略以在進化過程中有效地傳遞一些與社區(qū)結(jié)構(gòu)相關(guān)的重要信息。此外，DECD算法還采用了一個偏好操作和一個糾錯操作以改善探測到的網(wǎng)絡(luò)社區(qū)劃分的質(zhì)量。與傳統(tǒng)的復(fù)雜網(wǎng)絡(luò)社區(qū)探測算法相比，DECD算法在對復(fù)雜網(wǎng)絡(luò)