一種基于多目標優(yōu)化的復雜網絡社區(qū)發(fā)現算法.pdf_第1頁
已閱讀1頁,還剩71頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、20世紀計算機的誕生,推動了互聯網技術的發(fā)展,開啟了人類社會的網絡信息時代,無形中被復雜繁多的數據包圍。數不勝數的“網絡”以有形和無形的方式融入到生活中,從有形的電信網絡、交通網絡、航空網絡、新聞網絡等到無形的社交網絡、經濟網絡、軍事網絡等。這些種類繁多、結構復雜、數據量巨大、具有一定的動態(tài)性,且內在結構中有一定的自組織和自形似性等特征的網絡被統(tǒng)稱為復雜網絡。社區(qū)結構是復雜網絡具有的一個重要特征,是了解一個網絡結構的重要途徑,如何有效地

2、檢測網絡的社區(qū)結構具有非常重要的現實意義。
  本文從多目標優(yōu)化的角度解決網絡社區(qū)結構檢測問題。針對當前多目標優(yōu)化社區(qū)發(fā)現算法中存在的計算復雜度高、解多樣性不足及局部搜索缺乏等問題。本文以改進后的進化算法為優(yōu)化框架,同時改善了基因編碼方式、遺傳操作、優(yōu)化指標和局部搜索等。本文算法分為兩個階段:首先,確定優(yōu)化指標MRA、RC和選擇遺傳操作,改進了MOEA/D框架中一些策略,優(yōu)化MRA和RC得到Pareto最優(yōu)解集合,對應多目標的折衷

3、和社區(qū)結構;其次,在模型選擇階段采用模塊度和NMI方法,得到最佳社區(qū)劃分。
  在第一個階段中改進了基于鄰接點的基因編碼方式,使每個基因位置都有一個包含兩個屬性的標簽,分別為節(jié)點所在的社區(qū)LNC和節(jié)點的適應度LND,伴隨解碼過程對其賦值,自動獲得網絡劃分的社區(qū)數量。本文中采用基于節(jié)點適應度的兩點交叉和基因變異遺傳操作,設置節(jié)點適應度閾值h。在遺傳操作過程中,只有節(jié)點適應度小于閾值h的基因位置才進行遺傳操作,否則不進行。這樣可以降低

4、遺傳操作的隨機性和破壞性,減少種群中的無效個體,使進化趨向有利的方向。在IMOEA/D框中引入了基于變異的局部搜索算法和遺傳操作的選擇策略,增強了局部尋優(yōu)能力及增加了個體進行有效遺傳操作的概率,從而提高了解的多樣性。
  根據在LFR benchmark與Karate Club、College Football、Bottlenose Dolphins、Kreb'sBooks網絡數據集上的實驗,驗證了本文提出的改進方法具有良好的社區(qū)

溫馨提示

  • 1. 本站所有資源如無特殊說明,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,請聯系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論