基于智能算法的復(fù)雜網(wǎng)絡(luò)社區(qū)挖掘研究.pdf

1、復(fù)雜網(wǎng)絡(luò)理論是復(fù)雜性科學(xué)研究的重要手段，長期以來受到各學(xué)科研究人員的廣泛青睞。社區(qū)結(jié)構(gòu)是復(fù)雜網(wǎng)絡(luò)結(jié)構(gòu)特征之一，社區(qū)結(jié)構(gòu)明顯的網(wǎng)絡(luò)具有局部聚集的特性，體現(xiàn)系統(tǒng)整體和部分的關(guān)系。社區(qū)挖掘的目的是發(fā)現(xiàn)復(fù)雜網(wǎng)絡(luò)中的社區(qū)結(jié)構(gòu)，通過社區(qū)挖掘可以分析網(wǎng)絡(luò)錯(cuò)綜復(fù)雜的拓?fù)浣Y(jié)構(gòu)，進(jìn)而分析挖掘社區(qū)結(jié)構(gòu)在節(jié)點(diǎn)預(yù)測(cè)、網(wǎng)絡(luò)傳播、同步以及控制等動(dòng)力學(xué)方面的影響和作用，因此社區(qū)挖掘研究具有十分重要的理論意義和實(shí)際價(jià)值。
　　社區(qū)挖掘的算法層出不窮，其中基于模塊度

2、函數(shù)的優(yōu)化算法是一個(gè)重要分支。目前已有遺傳算法、蟻群算法、粒子群算法等智能優(yōu)化算法應(yīng)用在社區(qū)挖掘領(lǐng)域，本文針對(duì)現(xiàn)有智能算法求解模塊度函數(shù)收斂速度慢，求解精度低等問題進(jìn)行研究，提出兩種改進(jìn)算法，主要研究工作和成果如下：
　?、偈紫忍岢龈倪M(jìn)的離散粒子群算法。該算法采用基于字符的編碼方式，選取部分粒子采用基于節(jié)點(diǎn)重要性的標(biāo)簽傳播方法初始化，其次重新定義速度和位置更新，然后對(duì)更新位置后的粒子群進(jìn)行重新排序操作，最后在迭代過程中加入克隆選擇

3、操作。良好的初始化方式既可以保證種群的多樣性，又可以加快算法收斂速度，克隆選擇算子對(duì)優(yōu)秀個(gè)體進(jìn)行克隆選擇操作，增強(qiáng)了局部搜索能力。仿真實(shí)驗(yàn)證明，改進(jìn)的離散粒子群算法具有更優(yōu)越的初始位置，保證適應(yīng)度精度的同時(shí)，收斂更迅速。
　?、隍鹚惴ㄊ且环N新型的群智能優(yōu)化算法，具有計(jì)算量小，收斂速度快的特點(diǎn)，然而標(biāo)準(zhǔn)蝙蝠算法易早熟，且只能在連續(xù)域使用。針對(duì)社區(qū)挖掘應(yīng)用場(chǎng)景，對(duì)標(biāo)準(zhǔn)蝙蝠算法進(jìn)行改進(jìn)，提出一種自適應(yīng)進(jìn)化蝙蝠算法。該算法采用基于字符的