本文關(guān)鍵詞：基于遺傳算法的復(fù)雜網(wǎng)絡(luò)社區(qū)檢測的應(yīng)用研究

  更多相關(guān)文章： 復(fù)雜網(wǎng)絡(luò) 遺傳算法 自適應(yīng) 多目標(biāo) 精英基因庫

【摘要】：近年來,隨著復(fù)雜網(wǎng)絡(luò)理論及其相關(guān)應(yīng)用研究的興起,人們開始嘗試?yán)眠@些新的理論工具來研究現(xiàn)實(shí)社會中的各種大型復(fù)雜系統(tǒng)。因此,對復(fù)雜網(wǎng)絡(luò)社區(qū)結(jié)構(gòu)的檢測,逐漸成為了研究的熱點(diǎn)。社區(qū)結(jié)構(gòu)是復(fù)雜網(wǎng)絡(luò)最重要的拓?fù)浣Y(jié)構(gòu)屬性之一,它揭示了復(fù)雜網(wǎng)絡(luò)的隱藏規(guī)律和行為特征。社區(qū)結(jié)構(gòu)的數(shù)學(xué)模型是指在一個復(fù)雜網(wǎng)絡(luò)中內(nèi)部連接緊密而外部連接稀疏的節(jié)點(diǎn)集。傳統(tǒng)的方法需要預(yù)先設(shè)定權(quán)重參數(shù)來控制對目標(biāo)函數(shù)的不同側(cè)重,并且不能夠自動識別社區(qū)個數(shù),在尋優(yōu)過程中會出現(xiàn)“早熟”和效率低下問題。本文研究的多目標(biāo)自適應(yīng)快速遺傳算法是傳統(tǒng)遺傳算法的演進(jìn)算法,用于復(fù)雜網(wǎng)絡(luò)社區(qū)結(jié)構(gòu)的檢測。首先,它將社區(qū)檢測問題轉(zhuǎn)化為多目標(biāo)優(yōu)化問題,構(gòu)建社區(qū)分值和社區(qū)適應(yīng)度兩個目標(biāo)函數(shù)。其次,引入外部精英基因庫,用于存儲適應(yīng)度較高的非劣解,對于外部精英基因庫已經(jīng)存在的重復(fù)個體,不用再進(jìn)行重復(fù)解碼、計算個體適應(yīng)度值等一系列過程。同時,執(zhí)行自適應(yīng)遺傳算子,返回一組在兩個目標(biāo)函數(shù)之間折衷的非支配解。最后,選取一個模塊度最高的Pareto最優(yōu)解,解碼生成一組獨(dú)立的子網(wǎng)絡(luò),并用互信息度量和模塊度去評價算法的性能。仿真表明,多目標(biāo)自適應(yīng)快速遺傳算法大大地提高了復(fù)雜網(wǎng)絡(luò)社區(qū)結(jié)構(gòu)檢測的精確度,并且能更好地發(fā)現(xiàn)復(fù)雜網(wǎng)絡(luò)的層次結(jié)構(gòu)。
【關(guān)鍵詞】：復(fù)雜網(wǎng)絡(luò) 遺傳算法 自適應(yīng) 多目標(biāo) 精英基因庫
【學(xué)位授予單位】：南京郵電大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TP18;O157.5
【目錄】：

• 摘要4-5
• ABSTRACT5-8
• 第一章 緒論8-12
• 1.1 課題的研究目的和意義8-9
• 1.2 課題的研究歷史和研究現(xiàn)狀9-10
• 1.3 本文結(jié)構(gòu)安排10-12
• 第二章 復(fù)雜網(wǎng)絡(luò)的相關(guān)理論12-23
• 2.1 復(fù)雜網(wǎng)絡(luò)的基本概念12-15
• 2.1.1 度與度分布13-14
• 2.1.2 中心性14-15
• 2.2 復(fù)雜網(wǎng)絡(luò)的特性15-17
• 2.2.1 復(fù)雜性15-16
• 2.2.2 小世界特性16
• 2.2.3 無標(biāo)度特性16-17
• 2.2.4 超家族特性17
• 2.3 復(fù)雜網(wǎng)絡(luò)的搜索策略17-19
• 2.3.1 廣度優(yōu)先搜索17-18
• 2.3.2 最大度搜索18
• 2.3.3 隨機(jī)游走搜索策略18-19
• 2.4 復(fù)雜網(wǎng)絡(luò)社區(qū)檢測的經(jīng)典方法19-22
• 2.4.1 GN算法20-21
• 2.4.2 Newman快速算法21-22
• 2.5 本章小結(jié)22-23
• 第三章 人工智能優(yōu)化算法23-31
• 3.1 多目標(biāo)優(yōu)化問題23-25
• 3.2 人工智能算法25-30
• 3.2.1 模擬退火算法25-27
• 3.2.2 粒子群算法27-28
• 3.2.3 基本遺傳算法28-30
• 3.3 本章小結(jié)30-31
• 第四章 社區(qū)檢測的多目標(biāo)自適應(yīng)快速遺傳算法31-44
• 4.1 自適應(yīng)快速遺傳算法原理31-36
• 4.1.1 自適應(yīng)遺傳算法31-35
• 4.1.2 精英基因庫35-36
• 4.2 多目標(biāo)自適應(yīng)快速遺傳算法描述36-41
• 4.2.1 編碼方式36-37
• 4.2.2 種群初始化37-38
• 4.2.3 選擇38
• 4.2.4 交叉和變異38-40
• 4.2.5 目標(biāo)函數(shù)40-41
• 4.2.6 Pareto解選擇41
• 4.3 多目標(biāo)自適應(yīng)快速遺傳算法流程41-43
• 4.4 本章小結(jié)43-44
• 第五章 多目標(biāo)自適應(yīng)快速遺傳算法的仿真44-57
• 5.1 評價標(biāo)準(zhǔn)44-45
• 5.2 模擬網(wǎng)絡(luò)的仿真45-47
• 5.3 真實(shí)網(wǎng)絡(luò)的仿真47-53
• 5.4 快速性仿真驗證53-54
• 5.5 Pareto解的網(wǎng)絡(luò)層次結(jié)構(gòu)54-56
• 5.6 本章小結(jié)56-57
• 第六章 總結(jié)與展望57-59
• 6.1 工作總結(jié)57
• 6.2 展望未來57-59
• 參考文獻(xiàn)59-61
• 附錄1 攻讀碩士學(xué)位期間申請的專利61-62
• 附錄2 攻讀碩士學(xué)位期間參加的科研項目62-63
• 致謝63

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 陳琨;張志明;;一種改進(jìn)遺傳算法的設(shè)計與實(shí)現(xiàn)[J];貴州大學(xué)學(xué)報(自然科學(xué)版);2006年01期

2 胡蘭萍;黃海斌;;遺傳算法及其在化學(xué)領(lǐng)域中的應(yīng)用[J];海南師范學(xué)院學(xué)報(自然科學(xué)版);2006年03期

3 王珊珊;;遺傳算法的理論基礎(chǔ)及應(yīng)用[J];科協(xié)論壇(下半月);2008年09期

4 高翔;海洋;;遺傳算法應(yīng)用[J];赤峰學(xué)院學(xué)報(自然科學(xué)版);2009年03期

5 劉定理;;遺傳算法綜述[J];中國西部科技;2009年25期

6 歐陽柏平;;基于遺傳算法優(yōu)化獨(dú)立分量分析[J];科技信息;2010年07期

7 儲育青;齊義飛;肖立順;陳暉敏;石玉文;;遺傳算法研究概述[J];科技風(fēng);2010年09期

8 曾瑛;;遺傳算法在優(yōu)化求解中的應(yīng)用[J];科技創(chuàng)業(yè)月刊;2012年10期

9 丁承民,張傳生,劉輝;遺傳算法縱橫談[J];信息與控制;1997年01期

10 施光林,史維祥;遺傳算法及其研究與應(yīng)用新進(jìn)展[J];科技導(dǎo)報;1997年04期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 陳家照;廖海濤;張中位;羅寅生;;一種改進(jìn)的遺傳算法及其在路徑規(guī)劃中的應(yīng)用[A];2009系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)會議論文集[C];2009年

2 李國云;劉穎;薛梅;鄔志敏;;遺傳算法在高溫空冷冷凝器優(yōu)化設(shè)計中的應(yīng)用[A];第五屆全國制冷空調(diào)新技術(shù)研討會論文集[C];2008年

3 王志軍;李守春;張爽;;改進(jìn)的遺傳算法在反演問題中的應(yīng)用[A];新世紀(jì) 新機(jī)遇 新挑戰(zhàn)——知識創(chuàng)新和高新技術(shù)產(chǎn)業(yè)發(fā)展（上冊）[C];2001年

4 任燕翔;姜立;劉連民;從滋慶;;改進(jìn)遺傳算法在三維日照方案優(yōu)化中的應(yīng)用[A];工程三維模型與虛擬現(xiàn)實(shí)表現(xiàn)——第二屆工程建設(shè)計算機(jī)應(yīng)用創(chuàng)新論壇論文集[C];2009年

5 韓娟;;遺傳算法概述[A];第三屆河南省汽車工程科技學(xué)術(shù)研討會論文集[C];2006年

6 龐國仲;王元西;;基于遺傳算法控制步長的定性仿真方法[A];'2000系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)交流會論文集[C];2000年

7 張忠華;楊淑瑩;;基于遺傳算法的聚類設(shè)計[A];全國第二屆信號處理與應(yīng)用學(xué)術(shù)會議專刊[C];2008年

8 何翠紅;區(qū)益善;;遺傳算法及其在計算機(jī)編程中的應(yīng)用[A];1995年中國智能自動化學(xué)術(shù)會議暨智能自動化專業(yè)委員會成立大會論文集（下冊）[C];1995年

9 靳開巖;張乃堯;;幾種實(shí)用遺傳算法及其比較[A];1996年中國智能自動化學(xué)術(shù)會議論文集（下冊）[C];1996年

10 王宏剛;曾建潮;李志宏;;攝動遺傳算法[A];1996年中國智能自動化學(xué)術(shù)會議論文集（下冊）[C];1996年

中國重要報紙全文數(shù)據(jù)庫 前1條

1 林京;《神經(jīng)網(wǎng)絡(luò)和遺傳算法在水科學(xué)領(lǐng)域的應(yīng)用》將面市[N];中國水利報;2002年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 蔡美菊;交互式遺傳算法及其在隱性目標(biāo)決策問題中的應(yīng)用研究[D];合肥工業(yè)大學(xué);2015年

2 張士偉;三維聲學(xué)快速多極基本解法在機(jī)械噪聲預(yù)測中的應(yīng)用研究[D];沈陽工業(yè)大學(xué);2016年

3 高軍;無鉛焊料本構(gòu)模型及其參數(shù)識別方法研究[D];南京航空航天大學(xué);2015年

4 Amjad Mahmood;半監(jiān)督進(jìn)化集成及其在網(wǎng)絡(luò)視頻分類中的應(yīng)用[D];西南交通大學(xué);2015年

5 周輝仁;遞階遺傳算法理論及其應(yīng)用研究[D];天津大學(xué);2008年

6 郝國生;交互式遺傳算法中用戶的認(rèn)知規(guī)律及其應(yīng)用[D];中國礦業(yè)大學(xué);2009年

7 侯格賢;遺傳算法及其在跟蹤系統(tǒng)中的應(yīng)用研究[D];西安電子科技大學(xué);1998年

8 馬國田;遺傳算法及其在電磁工程中的應(yīng)用[D];西安電子科技大學(xué);1998年

9 唐文艷;結(jié)構(gòu)優(yōu)化中的遺傳算法研究和應(yīng)用[D];大連理工大學(xué);2002年

10 周激流;遺傳算法理論及其在水問題中應(yīng)用的研究[D];四川大學(xué);2000年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 張英俐;基于遺傳算法的作曲系統(tǒng)研究[D];山東師范大學(xué);2006年

2 鐘海萍;原對偶遺傳算法與蟻群算法的一種融合算法[D];暨南大學(xué);2013年

3 李志添;模糊遺傳算法與資源優(yōu)化配置的預(yù)測控制[D];華南理工大學(xué);2015年

4 王琳琳;新型雙層液壓轎運(yùn)車車廂的設(shè)計研究[D];上海工程技術(shù)大學(xué);2015年

5 李海全;基于遺傳算法的建筑體形系數(shù)及迎風(fēng)面積比優(yōu)化方法研究[D];華南理工大學(xué);2015年

6 彭騫;基于遺傳算法的山區(qū)高等級公路縱斷面智能優(yōu)化方法研究[D];昆明理工大學(xué);2015年

7 周玉林;基于小波分析和遺傳算法的配電網(wǎng)故障檢測[D];昆明理工大學(xué);2015年

8 郭頌;基于粗糙集和遺傳算法的數(shù)字管道生產(chǎn)管理系統(tǒng)研究[D];昆明理工大學(xué);2015年

9 吳南;數(shù)值逼近遺傳算法的研究應(yīng)用[D];華南理工大學(xué);2015年

10 于光帥;一類優(yōu)化算法的改進(jìn)研究與應(yīng)用[D];渤海大學(xué);2015年

，

本文編號：599168