本文關(guān)鍵詞：復(fù)雜網(wǎng)絡(luò)社團檢測的多目標(biāo)進化算法研究　出處：《安徽大學(xué)》2017年碩士論文　論文類型：學(xué)位論文

  更多相關(guān)文章： 復(fù)雜網(wǎng)絡(luò) 社團檢測 多目標(biāo)進化 復(fù)雜網(wǎng)絡(luò)歸減 混合編碼

【摘要】：現(xiàn)實世界中存在大量的復(fù)雜系統(tǒng),這些復(fù)雜系統(tǒng)通常被抽象的描述為復(fù)雜網(wǎng)絡(luò),如生物網(wǎng)、神經(jīng)網(wǎng)絡(luò)、因特網(wǎng)、萬維網(wǎng)和社會網(wǎng)絡(luò)等,復(fù)雜網(wǎng)絡(luò)通常具有社團結(jié)構(gòu)特性。研究復(fù)雜網(wǎng)絡(luò)的社團結(jié)構(gòu)有助于更好了解網(wǎng)絡(luò)系統(tǒng),并能挖掘出網(wǎng)絡(luò)系統(tǒng)的潛藏功能,因此檢測復(fù)雜網(wǎng)絡(luò)的社團結(jié)構(gòu)是個值得研究的課題,具有非常重要的理論意義和現(xiàn)實價值。最近幾十年來,研究者們提出了大量的復(fù)雜網(wǎng)絡(luò)的社團檢測算法,進化算法由于具有良好并行性、全局搜索以及對任何函數(shù)類可用等特性,因此基于進化算法的社團檢測方法成為解決復(fù)雜網(wǎng)絡(luò)社團檢測問題的重要方法之一,然而這些算法在非重疊社團檢測和重疊社團檢測領(lǐng)域值得進一步研究。因此本文提出了基于復(fù)雜網(wǎng)絡(luò)歸減的社團檢測多目標(biāo)進化算法和基于混合編碼的重疊社團檢測多目標(biāo)進化算法。本文的主要研究工作如下:(1)本文提出了基于復(fù)雜網(wǎng)絡(luò)歸減的社團檢測多目標(biāo)進化算法(RMOEA)。當(dāng)前的社團檢測多目標(biāo)進化算法在小型網(wǎng)絡(luò)上有著很好的社團檢測能力,然而這些算法在大型網(wǎng)絡(luò)上無法表現(xiàn)出很好的社團檢測能力。主要原因在于這些算法沒有考慮到網(wǎng)絡(luò)規(guī)模越大,多目標(biāo)進化算法的搜索空間也會越大。因此本文提出了基于復(fù)雜網(wǎng)絡(luò)歸減的社團檢測多目標(biāo)進化算法,算法的主要思想是通過逐步歸減復(fù)雜網(wǎng)絡(luò)的規(guī)模,逐步減小進化算法的搜索空間,從而提高多目標(biāo)進化算法的搜索能力。復(fù)雜網(wǎng)絡(luò)歸減的策略貫穿整個RMOEA:在進化前利用復(fù)雜網(wǎng)絡(luò)中連接緊密的節(jié)點容易被劃分到一個社團的特性,對復(fù)雜網(wǎng)絡(luò)進行規(guī)模減小,稱為預(yù)歸減;在進化過程中利用種群個體之間存在相同局部社團的特性,對復(fù)雜網(wǎng)絡(luò)進行規(guī)模減小,稱為進化歸減。最后利用了容錯處理來糾正減小復(fù)雜網(wǎng)絡(luò)規(guī)模過程中的錯誤點。在人工生成的基準(zhǔn)網(wǎng)絡(luò)數(shù)據(jù)集和真實網(wǎng)絡(luò)數(shù)據(jù)集上與當(dāng)前的社團檢測進化算法進行比較,實驗結(jié)果表明RMOEA算法可以很好的檢測出大規(guī)模復(fù)雜網(wǎng)絡(luò)的社團結(jié)構(gòu)。(2)本文提出了基于混合編碼的重疊社團檢測多目標(biāo)進化算法(MRMOEA)。當(dāng)前的社團檢測多目標(biāo)進化算法在非重疊社團上有著很多的研究成果,然而在重疊社團上的研究成果屈指可數(shù),主要原因在于能解碼成重疊社團結(jié)構(gòu)的編碼很少。因此本文提出了基于混合編碼的重疊社團檢測多目標(biāo)進化算法,算法的主要思想是,通過混合編碼解決重疊社團檢測問題。其中提出混合編碼的基因由候選重疊點和非重疊點混合組成,候選重疊點采用離散編碼(0或-1),非重疊點采用向量編碼�；诨旌暇幋a,提出了挖掘候選重疊點的方法以及提出了粒子群的學(xué)習(xí)方式來產(chǎn)生子代。在真實網(wǎng)絡(luò)數(shù)據(jù)集上與當(dāng)前的重疊社團檢測算法進行比較,實驗結(jié)果表明,MRMOEA算法可以很好的檢測復(fù)雜網(wǎng)絡(luò)的重疊社團結(jié)構(gòu)。
[Abstract]:A large number of complex systems exist in the real world , which are usually abstracted as complex networks , such as networks , neural networks , Internet , World Wide Web and social networks .

【學(xué)位授予單位】：安徽大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：O157.5;TP18

【相似文獻】

相關(guān)期刊論文 前10條

1 羅彪;鄭金華;朱云飛;蔡自興;;一種基于“探測"與“開采"的多目標(biāo)進化算法[J];高技術(shù)通訊;2010年02期

2 崔遜學(xué),方廷健;多目標(biāo)進化算法的研究[J];中國科學(xué)基金;2002年01期

3 許波;彭志平;陳曉龍;柯文德;余建平;;一種基于云模型的多目標(biāo)進化算法[J];信息與控制;2012年03期

4 李枚毅;;結(jié)合免疫機制的并發(fā)定位與建圖多目標(biāo)進化算法[J];湘潭大學(xué)自然科學(xué)學(xué)報;2007年02期

5 吳迪;李蘇劍;李海濤;;基于精英重組的混合多目標(biāo)進化算法[J];北京科技大學(xué)學(xué)報;2013年09期

6 逄珊;楊欣毅;蘇慶堂;;提高多目標(biāo)進化算法分布性的動態(tài)調(diào)整機制[J];計算機工程與應(yīng)用;2012年02期

7 林丹;王宏;李敏強;;用多目標(biāo)進化算法求解二層規(guī)劃雙目標(biāo)模型[J];系統(tǒng)工程理論與實踐;2006年05期

8 張成;李明輝;;多目標(biāo)進化算法在非線性方程組中的應(yīng)用[J];赤峰學(xué)院學(xué)報(自然科學(xué)版);2011年02期

9 黃林峰;羅文堅;王煦法;;高維多目標(biāo)進化算法中的密度評估策略研究[J];中國科學(xué)技術(shù)大學(xué)學(xué)報;2011年04期

10 肖艷;許峰;;基于改進莊家法則的多目標(biāo)進化算法[J];軟件導(dǎo)刊;2010年07期

相關(guān)會議論文 前2條

1 孫海濤;熊鷹;韓峰;;基于多目標(biāo)進化算法的艦船概念設(shè)計方法研究[A];第四屆全國船舶與海洋工程學(xué)術(shù)會議論文集[C];2009年

2 崔遜學(xué);;多目標(biāo)進化算法的研究現(xiàn)狀與群體多樣性研究[A];Complexity Problems--Proceedings of CCAST (World Laboratory) Workshop[C];2001年

相關(guān)博士學(xué)位論文 前10條

1 豐志偉;多目標(biāo)進化算法研究及在飛行器動力學(xué)系統(tǒng)中的應(yīng)用[D];國防科學(xué)技術(shù)大學(xué);2014年

2 代才;基于分解的多目標(biāo)進化算法研究[D];西安電子科技大學(xué);2014年

3 申瑞珉;高維多目標(biāo)進化算法及其軟件平臺研究[D];湘潭大學(xué);2015年

4 袁源;基于分解的多目標(biāo)進化算法及其應(yīng)用[D];清華大學(xué);2015年

5 孟紅云;多目標(biāo)進化算法及其應(yīng)用研究[D];西安電子科技大學(xué);2005年

6 黃林峰;多目標(biāo)進化算法研究[D];中國科學(xué)技術(shù)大學(xué);2009年

7 郭秀萍;多目標(biāo)進化算法及其在制造系統(tǒng)中的應(yīng)用研究[D];上海交通大學(xué);2007年

8 譚艷艷;幾種改進的分解類多目標(biāo)進化算法及其應(yīng)用[D];西安電子科技大學(xué);2013年

9 張明明;面向量子可逆邏輯自動綜合的多目標(biāo)進化算法研究[D];東華大學(xué);2010年

10 劉立衡;多目標(biāo)進化算法的研究及其在負(fù)荷分配中的應(yīng)用[D];華北電力大學(xué)（北京）;2010年

相關(guān)碩士學(xué)位論文 前10條

1 吳坤安;基于分散策略的多目標(biāo)進化算法研究[D];福建師范大學(xué);2015年

2 馬晨琳;基于分解的交互式偏好多目標(biāo)優(yōu)化算法研究[D];西安電子科技大學(xué);2014年

3 喻果;基于分解的偏好多目標(biāo)進化算法及其評價指標(biāo)的研究[D];湘潭大學(xué);2015年

4 李業(yè)興;基于外部集指引的自適應(yīng)多目標(biāo)進化算法的研究[D];南京航空航天大學(xué);2015年

5 季洪霄;動態(tài)約束多目標(biāo)進化算法的研究與應(yīng)用[D];安徽理工大學(xué);2016年

6 李達統(tǒng);基于MapReduce與Spark的分布式多目標(biāo)進化算法的設(shè)計與實現(xiàn)[D];華南理工大學(xué);2016年

7 齊吉;基于聚類的多目標(biāo)進化算法及其在航跡規(guī)劃中的應(yīng)用[D];哈爾濱工業(yè)大學(xué);2016年

8 李輝健;多目標(biāo)進化算法中新型非支配個體排序研究及應(yīng)用[D];南京信息工程大學(xué);2016年

9 楊志翔;基于分解排序的多目標(biāo)進化算法的研究[D];南京航空航天大學(xué);2016年

10 朱錚;面向指標(biāo)和邊界選擇的高維多目標(biāo)進化算法的研究[D];湘潭大學(xué);2016年

，

本文編號：1383389