塊模型和復雜網(wǎng)絡社區(qū)檢測.pdf

1、本文以進化算法為基礎，先后研究了基于圖分割的塊模型問題和基于分解的多目標進化在社區(qū)檢測上的問題。論文主要進行了以下三個工作：
　　1.研究進化算法求解塊模型問題。算法過程包括利用提取完全子圖的思想進行種群初始化，采用沖突交叉算子產(chǎn)生子代，再采用修復操作優(yōu)化子代。最后，經(jīng)過反復迭代，算法逐漸收斂，目標函數(shù)值達到最大。通過在四組不同來源的網(wǎng)絡上分別用進化算法EA和分組遺傳算法G GA做塊模型分割，證明了本章提出了基于進化算法EA的塊模

2、型方法在處理大規(guī)模網(wǎng)絡上具有明顯的優(yōu)勢,尤其在節(jié)點數(shù)較多和邊密度較大的網(wǎng)絡上。
　　2.提出了一種基于模塊度的符號網(wǎng)絡多目標社區(qū)檢測方法。文中針對符號網(wǎng)絡的特性，首先定義了兩個目標函數(shù)，然后采用分解的方法使得種群不斷進化，其中遺傳操作過程包括采用提取完全子圖的方法對種群進行初始化，單路交叉算子產(chǎn)生子代和基于正鄰居的變異操作，從而使個體不斷向最優(yōu)解收斂。實驗中通過分析符號網(wǎng)絡呈現(xiàn)的 Pareto前端驗證了本章提出的兩個多目標函數(shù)在符

3、號網(wǎng)絡社區(qū)檢測上是可行的，通過與對比算法的實驗結(jié)果比較、分析，證明了本章提出的基于模塊的MOEA/D在呈現(xiàn)網(wǎng)絡不同層次結(jié)構(gòu)和提取小社區(qū)方向上具有明顯的優(yōu)勢。
　　3.提出了一種基于密度型的多目標社區(qū)檢測算法。此算法在是第二個工作的基礎上，重新定義了兩個目標函數(shù)，使得此算法不僅可以檢測符號網(wǎng)絡的社區(qū)結(jié)構(gòu)還可以檢測無符號網(wǎng)絡的社區(qū)結(jié)構(gòu)。文中詳細描述了目標函數(shù)的具體定義和其動機來源，遺傳操作同樣包括提取完全子圖的方法、單路交叉算子和基于