基于多目標優(yōu)化算法的網絡社區(qū)檢測方法研究.pdf

1、近年來，對于復雜網絡的研究受到了廣泛關注。現實世界中的許多系統(tǒng)，如社會關系網、互聯(lián)網、生物網絡、交通網絡等等都可以建模成為復雜網絡，用網絡中的節(jié)點表示現實世界中的各個事物，而事物間的聯(lián)系用網絡中節(jié)點間的連接表示。社區(qū)結構是網絡的重要特征之一，它表征著該網絡中節(jié)點的不同劃分。歸于同一個網絡社區(qū)的節(jié)點間聯(lián)系較緊密，而不同社區(qū)中的節(jié)點之間聯(lián)系較為稀疏。檢測出網絡中的社區(qū)，有助于我們分析該網絡中各個事物間的關系，把握網絡的整體結構。因此，對于網

2、絡社區(qū)檢測方法的研究是一個非常有意義的課題。
　　 現有的很多網絡社區(qū)檢測算法需要預先設定社區(qū)數目，如基于譜方法的社區(qū)檢測算法，而實際問題中，我們往往未知網絡的社區(qū)數目，這就要求我們提出可以自動檢測出所給網絡中社區(qū)數目的方法?；谀繕藘?yōu)化的社區(qū)檢測算法通?？梢越鉀Q這一問題。但是基于單目標優(yōu)化算法的網絡社區(qū)檢測方法一次運行只能得到一個對網絡的劃分，而現實網絡大多具有層次性，因此，可以輸出對網絡不同層次劃分的社區(qū)檢測方法更具有實用價

3、值。
　　 本文提出一種基于多目標優(yōu)化的社區(qū)檢測方法，該算法利用了非支配鄰域免疫算法(Non-dominated Neighbor Immune Algorithm，NNIA)對兩個目標函數進行優(yōu)化，從而檢測出網絡中的社區(qū)結構。同時，在演化聚類理論框架下提出動態(tài)網絡社區(qū)檢測方法，同樣利用NNIA作為優(yōu)化算法，對動態(tài)網絡中的社區(qū)檢測問題進行嘗試性研究。本文的創(chuàng)新點如下：
　　 1.提出一種新的基于locus-based基因

4、表示方式的種群初始化方法，實驗證明該種群初始化方法較現有方法效率顯著提高。
　　 2.提出了一種基于NNIA的網絡社區(qū)檢測方法NNIA-Net，該方法對兩個目標函數進行優(yōu)化，每次運行可產生一組解，這組解對應著對網絡不同層次的劃分，每個解可以自動確定網絡中社區(qū)數目。
　　 3.在演化聚類框架下，提出一種動態(tài)網絡社區(qū)檢測方法DNNIA-Net，該方法對于逐步變化的動態(tài)網絡，根據當前網絡結構并結合其歷史信息進行社區(qū)檢測，得到較