復(fù)雜網(wǎng)絡(luò)社區(qū)檢測(cè)的種群增量學(xué)習(xí)算法研究.pdf

1、近年來(lái),復(fù)雜網(wǎng)絡(luò)受到了越來(lái)越多的科學(xué)研究者的關(guān)注,研究?jī)?nèi)容不僅包含復(fù)雜網(wǎng)絡(luò)的小世界特性和無(wú)標(biāo)度等特性,也包含近年來(lái)受到越來(lái)越多關(guān)注的社區(qū)結(jié)構(gòu)特性。所謂社區(qū),就是網(wǎng)絡(luò)中節(jié)點(diǎn)的集合,其內(nèi)部節(jié)點(diǎn)之間的鏈接比較緊密,而和網(wǎng)絡(luò)中其它節(jié)點(diǎn)的鏈接相對(duì)稀疏。復(fù)雜網(wǎng)絡(luò)社區(qū)結(jié)構(gòu)的研究具有十分重要的理論意義和廣泛的應(yīng)用前景,通過研究網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu),可以發(fā)現(xiàn)網(wǎng)絡(luò)的功能,挖掘出網(wǎng)絡(luò)的隱藏規(guī)律。
　　基于種群的增量學(xué)習(xí)算法是一種將進(jìn)化過程視為學(xué)習(xí)過程的算法,

2、用學(xué)習(xí)所獲取的知識(shí)—學(xué)習(xí)概率來(lái)指導(dǎo)產(chǎn)生后代。這種概率是整個(gè)進(jìn)化過程的信息積累,用它指導(dǎo)產(chǎn)生的后代將會(huì)更優(yōu)生,因而能獲得更快的收斂速度及更優(yōu)的結(jié)果。這種算法是將機(jī)器學(xué)習(xí)和進(jìn)化算法結(jié)合起來(lái)形成的新的有效的算法,將進(jìn)化過程產(chǎn)生的信息進(jìn)行機(jī)器學(xué)習(xí)處理,并將結(jié)果反饋到進(jìn)化過程中,從而實(shí)現(xiàn)更好的指導(dǎo)進(jìn)化過程,并以更快的速度取得更好的結(jié)果。本文所做的主要工作就是深刻理解復(fù)雜網(wǎng)絡(luò)社區(qū)檢測(cè)問題,并將PBIL算法應(yīng)用來(lái)解決復(fù)雜網(wǎng)絡(luò)中的社區(qū)檢測(cè)問題。本文所做

3、主要工作如下:
　　(1)提出了競(jìng)爭(zhēng)優(yōu)化學(xué)習(xí)算法,該算法是在原有的隨機(jī)競(jìng)爭(zhēng)學(xué)習(xí)算法的基礎(chǔ)上加入了優(yōu)化方法,并對(duì)原有的隨機(jī)競(jìng)爭(zhēng)學(xué)習(xí)算法過程中出現(xiàn)的粒子的混亂移動(dòng)進(jìn)行指導(dǎo)和局部?jī)?yōu)化,從而構(gòu)建出更加合理的復(fù)雜網(wǎng)絡(luò)社區(qū)解決方案,檢測(cè)的結(jié)果更加準(zhǔn)確。
　　(2)提出了PBIL-NET算法,該算法將基于二進(jìn)制編碼的PBIL算法作適當(dāng)?shù)母倪M(jìn),使之能直接使用任意整數(shù)編碼,從而可以把網(wǎng)絡(luò)中節(jié)點(diǎn)的鄰居進(jìn)行編碼加入到種群的個(gè)體之中,也就構(gòu)成了PB

4、IL應(yīng)用在復(fù)雜網(wǎng)絡(luò)社區(qū)檢測(cè)上的前提條件。該算法將函數(shù)優(yōu)化解決復(fù)雜網(wǎng)絡(luò)社區(qū)檢測(cè)的原理和PBIL的算法原理結(jié)合起來(lái),并使用社區(qū)函數(shù)(community score)作為優(yōu)化函數(shù),可以避免陷入使用模塊度作為優(yōu)化函數(shù)的分辨率限制問題。
　　(3)提出了多目標(biāo)PBIL算法,并將其應(yīng)用在復(fù)雜網(wǎng)絡(luò)社區(qū)檢測(cè)問題上。該算法將多目標(biāo)進(jìn)化算法的思想和競(jìng)爭(zhēng)學(xué)習(xí)算法結(jié)合起來(lái),通過加入多目標(biāo)算法的思想,增強(qiáng)了算法探索變量空間尋找最優(yōu)解的能力,可以檢測(cè)出更加準(zhǔn)