基于多目標(biāo)免疫算法的動(dòng)態(tài)網(wǎng)絡(luò)社區(qū)檢測(cè).pdf

1、近年來(lái)，隨著社會(huì)網(wǎng)絡(luò)研究的興起，對(duì)社會(huì)網(wǎng)絡(luò)中的社區(qū)結(jié)構(gòu)進(jìn)行檢測(cè)，逐漸成為了研究的熱點(diǎn)。社區(qū)結(jié)構(gòu)是社會(huì)網(wǎng)絡(luò)最重要的拓?fù)浣Y(jié)構(gòu)屬性之一，它揭示了社會(huì)網(wǎng)絡(luò)的隱藏規(guī)律和行為特征。而現(xiàn)實(shí)世界中的社會(huì)網(wǎng)絡(luò)多數(shù)都是動(dòng)態(tài)網(wǎng)絡(luò)，動(dòng)態(tài)網(wǎng)絡(luò)的社區(qū)結(jié)構(gòu)會(huì)隨著時(shí)間不斷演化，因此它比靜態(tài)網(wǎng)絡(luò)社區(qū)檢測(cè)更富有挑戰(zhàn)性。目前對(duì)于動(dòng)態(tài)網(wǎng)絡(luò)社區(qū)檢測(cè)問(wèn)題，進(jìn)行的研究還只是處于起步階段，所提出的方法也不多見(jiàn)。針對(duì)于傳統(tǒng)的方法不能夠自動(dòng)識(shí)別社區(qū)個(gè)數(shù)，而且需要預(yù)先設(shè)定權(quán)重參數(shù)來(lái)控制對(duì)兩

2、個(gè)代價(jià)函數(shù)的不同側(cè)重，本文基于多目標(biāo)免疫算法，提出了三種動(dòng)態(tài)網(wǎng)絡(luò)社區(qū)檢測(cè)算法來(lái)解決動(dòng)態(tài)網(wǎng)絡(luò)社區(qū)檢測(cè)問(wèn)題。本文的主要工作如下：
　　 (1)以基于人工免疫系統(tǒng)的的多目標(biāo)優(yōu)化算法，即非支配鄰域免疫算法(NNIA)為基礎(chǔ)，提出了一種新的動(dòng)態(tài)網(wǎng)絡(luò)社區(qū)檢測(cè)算法。該算法以模塊度和規(guī)范化的互信息熵作為優(yōu)化的目標(biāo)函數(shù)，用社團(tuán)劃分得分(CS)作為每個(gè)時(shí)刻最優(yōu)解的選擇標(biāo)準(zhǔn)，這樣就可以克服傳統(tǒng)算法的缺點(diǎn)，新算法不僅可以找到相對(duì)較好的解，發(fā)現(xiàn)每個(gè)時(shí)刻比

3、較準(zhǔn)確的社區(qū)結(jié)構(gòu)，而且得到的結(jié)果也相對(duì)比較穩(wěn)定。
　　 (2)針對(duì)非支配鄰域免疫算法對(duì)稀疏區(qū)域的個(gè)體搜索不完善的缺點(diǎn)，將拉馬克學(xué)習(xí)策略引入到該算法中，提出了基于拉馬克多目標(biāo)免疫算法的動(dòng)態(tài)網(wǎng)絡(luò)社區(qū)檢測(cè)算法。通過(guò)在非支配種群的產(chǎn)生階段加入局部搜索策略，來(lái)加強(qiáng)原算法的全局尋優(yōu)能力和快速收斂能力。通過(guò)仿真試驗(yàn)，證明了加入局部搜索能進(jìn)一步提高算法的性能。
　　 (3)為了克服基于鄰接點(diǎn)編碼方式的缺陷以及局部搜索方向不可控，我們提出

4、了一種新的基于多目標(biāo)密母算法的動(dòng)態(tài)社區(qū)檢測(cè)算法。該算法采用直接編碼的方式，使用簡(jiǎn)單的啟發(fā)式搜索對(duì)初始種群進(jìn)行預(yù)處理，而且根據(jù)直接編碼方式的特點(diǎn)，采用雙路交叉與單點(diǎn)變異方式來(lái)替代原算法中的重組和超變異操作，同時(shí)為了提高算法的性能，我們加入了基于多目標(biāo)密母算法的局部搜索策略，而在選擇最優(yōu)解時(shí)，我們使用了模塊密度作為選擇標(biāo)準(zhǔn)來(lái)彌補(bǔ)模塊度函數(shù)的不足。通過(guò)一系列的實(shí)驗(yàn)，證明了新的算法不僅可以準(zhǔn)確的檢測(cè)出每個(gè)時(shí)刻的社區(qū)結(jié)構(gòu)，而且可以追蹤到詳細(xì)的社區(qū)