基于改進粒子群算法的復雜網(wǎng)絡社區(qū)檢測研究.pdf

1、現(xiàn)實生活中存在著各種各樣的復雜網(wǎng)絡，如萬維網(wǎng)、交通網(wǎng)、社會關系網(wǎng)、電力網(wǎng)、蛋白質(zhì)交互網(wǎng)等。隨著科學技術(shù)的發(fā)展，對復雜網(wǎng)絡的研究己經(jīng)逐步成為計算機、物理、生物、社會學等眾多領域的熱門研究課題。作為復雜網(wǎng)絡最重要的特性--社區(qū)結(jié)構(gòu)，對理解網(wǎng)絡中的各種行為機制和功能，以及發(fā)現(xiàn)復雜網(wǎng)絡中的隱藏規(guī)律，具有重要的研究意義。目前研究復雜網(wǎng)絡的社區(qū)檢測方法主要有以下三類：基于圖分割方法、基于層次聚類方法和基于模塊度優(yōu)化方法。其中，基于模塊度優(yōu)化方法將模

2、塊度作為網(wǎng)絡劃分的評價指標，并把復雜網(wǎng)絡的社區(qū)檢測問題轉(zhuǎn)化為模塊度函數(shù)的優(yōu)化問題。這類方法己成功應用于諸多實踐，并被研究學者們廣泛接受，己成為復雜網(wǎng)絡社區(qū)檢測研究的主流方法之一。
　　本論文旨在通過對粒子群優(yōu)化(Particle Swarm Optimization，PSO)算法和其它啟發(fā)式優(yōu)化算法的研究，面向復雜網(wǎng)絡社區(qū)檢測問題對粒子群算法中的策略進行改進，并應用到相應的測試網(wǎng)絡中去對算法的有效性進行分析驗證。主要的研究工作可概

3、括如下：
　　(1)通過對文化基因(Memetic)算法、粒子群優(yōu)化(PSO)算法、禁忌搜索(tabusearch)算法、遺傳算法(Genetic Algorithm，GA)的深入剖析，設計了一種基于文化基因粒子群算法(Memetic Particle Swarm Optimization Algorithm，MPSOA)的復雜網(wǎng)絡社區(qū)檢測方法。該方法在Memetic算法框架下，使用改進的混合粒子群優(yōu)化算法(Hybrid Part

4、icleSwarm Optimization，HPSO)作為全局搜索策略，tabu search算法作為局部搜索策略，以模塊密度函數(shù)作為目標函數(shù)，進而實現(xiàn)網(wǎng)絡的社區(qū)檢測功能。該算法一定程度上避免粒子群優(yōu)化算法易陷入局部最優(yōu)的缺點，同時解決了模塊度函數(shù)存在的分辨率限制問題。最后將算法應用到一個參數(shù)可調(diào)的人工合成網(wǎng)絡和四個已知社區(qū)結(jié)構(gòu)的現(xiàn)實世界網(wǎng)絡進行測試，并經(jīng)典的快速算法(Fast Algorithm)和密母算法(Meme-net)進行對

5、比。
　　(2)通過對離散粒子群優(yōu)化(Discrete particle swarm Optimization，DPSO)算法和模擬退火算法(Simulated Annealing，SA)的機制分析，設計了一種基于改進離散粒子群優(yōu)化(DPSO-SA)算法的復雜網(wǎng)絡社區(qū)檢測方法。該方法重新定義了粒子群算法的速度和位置更新公式，使其更好的適用于復雜網(wǎng)絡的社區(qū)檢測問題。同時為了解決粒子群算法存在的早熟收斂，在算法中嵌入了模擬退火策略，使