復(fù)雜網(wǎng)絡(luò)中的重疊社區(qū)結(jié)構(gòu)檢測(cè)算法研究.pdf

1、現(xiàn)實(shí)世界中的很多系統(tǒng)都是以網(wǎng)絡(luò)的形式存在,比如在我們?nèi)穗H交往中的關(guān)系網(wǎng)絡(luò),科研系統(tǒng)中的論文合著關(guān)系網(wǎng),計(jì)算機(jī)的路由網(wǎng)絡(luò),生命科學(xué)中的蛋白質(zhì)網(wǎng)絡(luò)等等。社區(qū)結(jié)構(gòu)是復(fù)雜網(wǎng)絡(luò)一個(gè)十分重要的特性,它可以揭示社會(huì)網(wǎng)絡(luò)的隱藏規(guī)律和行為特征。網(wǎng)絡(luò)社區(qū)結(jié)構(gòu)檢測(cè)問題也成為近些年研究的熱點(diǎn)問題,有很多社區(qū)檢測(cè)算法被提了出來。
　　在實(shí)際網(wǎng)絡(luò)中,一個(gè)節(jié)點(diǎn)往往不能簡(jiǎn)單的分到某一個(gè)社區(qū)中,而是被幾個(gè)相互重疊的社區(qū)所共享,比如一個(gè)人可以屬于科學(xué)家社區(qū)并且同時(shí)也

2、是一個(gè)攝影師。檢測(cè)網(wǎng)絡(luò)中的重疊社區(qū)往往要比傳統(tǒng)社區(qū)檢測(cè)復(fù)雜很多。在本文中,我們圍繞網(wǎng)絡(luò)重疊社區(qū)檢測(cè)問題展開,主要內(nèi)容闡述如下:
　　(1)提出了一種基于多目標(biāo)免疫的重疊社區(qū)檢測(cè)算法。算法將重疊社區(qū)檢測(cè)問題抽象為一個(gè)多目標(biāo)優(yōu)化問題,并利用非支配鄰域免疫算法(NNIA)來對(duì)目標(biāo)函數(shù)進(jìn)行優(yōu)化。算法通過同時(shí)優(yōu)化兩個(gè)相互沖突的目標(biāo)函數(shù)來找到滿意的社區(qū)結(jié)構(gòu)。算法采用了一種新的編碼方式以及交叉和變異算子,并使用非負(fù)矩陣分解來提高算法的局部搜索能

3、力。算法不僅可以找出網(wǎng)絡(luò)中的重疊社區(qū),而且可以確定節(jié)點(diǎn)屬于每個(gè)社區(qū)的隸屬度。
　　(2)針對(duì)重疊社區(qū)檢測(cè)問題普遍存在的計(jì)算效率過低的問題,我們提出利用GPU來提高重疊社區(qū)檢測(cè)算法的運(yùn)行效率。通過對(duì)貝葉斯非負(fù)矩陣分解算法進(jìn)行并行化提出了P-BNMF算法。另外,針對(duì)網(wǎng)絡(luò)鄰接矩陣的存儲(chǔ)限制問題,提出了優(yōu)化版的算法Sparse-NMF算法。該算法利用CSR格式對(duì)鄰接矩陣進(jìn)行稀疏表示,只需要存儲(chǔ)鄰接矩陣中的非零值,以此來節(jié)省網(wǎng)絡(luò)的存儲(chǔ)空間。