發(fā)布時(shí)間：2017-05-16 11:10

  本文關(guān)鍵詞：基于粒子群優(yōu)化算法的復(fù)雜網(wǎng)絡(luò)社區(qū)挖掘，，由筆耕文化傳播整理發(fā)布。

【摘要】：復(fù)雜網(wǎng)絡(luò)分析是大數(shù)據(jù)和社會(huì)計(jì)算的理論基石之一,對(duì)復(fù)雜網(wǎng)絡(luò)展開研究具有必要性。復(fù)雜網(wǎng)絡(luò)分析涉及很多問(wèn)題,比如網(wǎng)絡(luò)上的推薦,網(wǎng)絡(luò)的魯棒性研究,網(wǎng)絡(luò)資源分配,網(wǎng)絡(luò)結(jié)構(gòu)信息挖掘等,其中網(wǎng)絡(luò)結(jié)構(gòu)信息挖掘應(yīng)該是網(wǎng)絡(luò)分析的基礎(chǔ)性理論,很多網(wǎng)絡(luò)問(wèn)題都不可避免地需要分析和挖掘網(wǎng)絡(luò)的結(jié)構(gòu)信息以指導(dǎo)網(wǎng)絡(luò)問(wèn)題的求解。本碩士論文則主要針對(duì)復(fù)雜網(wǎng)絡(luò)的社區(qū)結(jié)構(gòu)挖掘進(jìn)行研究,從群智能優(yōu)化角度出發(fā),提出了一種可行的基于粒子群優(yōu)化的復(fù)雜網(wǎng)絡(luò)社區(qū)挖掘算法。本論文的主要工作如下:1)綜述了復(fù)雜網(wǎng)絡(luò)的社區(qū)結(jié)構(gòu)研究的進(jìn)展,理解了網(wǎng)絡(luò)社區(qū)的定義,對(duì)當(dāng)前現(xiàn)存的復(fù)雜網(wǎng)絡(luò)社區(qū)挖掘算法有了宏觀理解,了解現(xiàn)存算法的優(yōu)缺點(diǎn),并對(duì)部分算法進(jìn)行了編程仿真。2)綜述了群智能優(yōu)化算法的相關(guān)研究工作,介紹了粒子群優(yōu)化算法的基本原理以及目前學(xué)術(shù)界針對(duì)粒子群優(yōu)化算法所取得的標(biāo)志性研究進(jìn)展。3)針對(duì)復(fù)雜網(wǎng)絡(luò)社區(qū)挖掘問(wèn)題,從優(yōu)化的角度出發(fā),在深入理解粒子群優(yōu)化算法的基礎(chǔ)上,提出了一種可行的離散粒子群優(yōu)化算法用于求解復(fù)雜網(wǎng)絡(luò)的社區(qū)挖掘問(wèn)題。在算法的設(shè)計(jì)中,為了使粒子群算法和社區(qū)挖掘問(wèn)題相結(jié)合,重新定義了粒子的離散狀態(tài)表示。為了提高粒子群算法的種群多樣性,在結(jié)合網(wǎng)絡(luò)自身的先驗(yàn)知識(shí)的基礎(chǔ)上,重新設(shè)計(jì)了粒子的狀態(tài)更新方程。為了提高粒子群優(yōu)化算法的全局尋優(yōu)能力,結(jié)合網(wǎng)絡(luò)的社區(qū)特性設(shè)計(jì)了局部搜索策略。4)為了驗(yàn)證本文提出的算法的有效性,采用了大量的人工模擬數(shù)據(jù)以及大量的真實(shí)的復(fù)雜網(wǎng)絡(luò)數(shù)據(jù)對(duì)算法進(jìn)行了測(cè)試。還將本文提出的算法和研究中現(xiàn)有的算法進(jìn)行了對(duì)比。實(shí)驗(yàn)結(jié)果表明,本文提出了基于粒子群優(yōu)化算法的社區(qū)挖掘方法具有較好的社區(qū)挖掘效果,且本文設(shè)計(jì)的粒子群局部搜索策略可以有效的提高算法的全局尋優(yōu)能力。
【關(guān)鍵詞】：進(jìn)化計(jì)算 群智能 粒子群優(yōu)化 復(fù)雜網(wǎng)絡(luò) 社區(qū)挖掘
【學(xué)位授予單位】：西北農(nóng)林科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：TP18;O157.5
【目錄】：

• 摘要4-5
• ABSTRACT5-9
• 第一章 緒論9-15
• 1.1 研究背景及選題意義9-12
• 1.1.1 社會(huì)計(jì)算與大數(shù)據(jù)9-10
• 1.1.2 網(wǎng)絡(luò)社區(qū)結(jié)構(gòu)研究背景10
• 1.1.3 網(wǎng)絡(luò)社區(qū)結(jié)構(gòu)研究現(xiàn)狀10-11
• 1.1.4 粒子群優(yōu)化算法研究背景11-12
• 1.1.5 粒子群優(yōu)化算法研究現(xiàn)狀12
• 1.2 論文主要工作12-13
• 1.3 論文組織結(jié)構(gòu)13-15
• 第二章 復(fù)雜網(wǎng)絡(luò)社區(qū)結(jié)構(gòu)分析15-25
• 2.1 復(fù)雜網(wǎng)絡(luò)基本理論15-17
• 2.2 復(fù)雜網(wǎng)絡(luò)的研究?jī)?nèi)容及基本特性17-19
• 2.3 復(fù)雜網(wǎng)絡(luò)中的社區(qū)結(jié)構(gòu)19-21
• 2.4 網(wǎng)絡(luò)社區(qū)挖掘現(xiàn)狀21-24
• 2.4.1 基于劃分的網(wǎng)絡(luò)社區(qū)挖掘方法22
• 2.4.2 基于模塊度的優(yōu)化方法22-23
• 2.4.3 基于標(biāo)簽傳播的社區(qū)挖掘方法23-24
• 2.5 本章小結(jié)24-25
• 第三章 求解社區(qū)挖掘任務(wù)的粒子群算法設(shè)計(jì)25-35
• 3.1 粒子群優(yōu)化算法概述25-28
• 3.2 本文算法描述28-30
• 3.3 粒子的表示30-31
• 3.4 粒子的狀態(tài)更新31-32
• 3.5 粒子適應(yīng)度函數(shù)32-33
• 3.6 粒子局部學(xué)習(xí)策略33-34
• 3.7 本章小結(jié)34-35
• 第四章 算法實(shí)驗(yàn)測(cè)試與分析35-43
• 4.1 測(cè)試環(huán)境及對(duì)比算法35
• 4.1.1 硬件軟件環(huán)境35
• 4.1.2 對(duì)比算法35
• 4.2 算法性能評(píng)定35-36
• 4.3 實(shí)驗(yàn)測(cè)試數(shù)據(jù)36-37
• 4.3.1 模擬網(wǎng)絡(luò)數(shù)據(jù)36
• 4.3.2 真實(shí)網(wǎng)絡(luò)數(shù)據(jù)36-37
• 4.4 模擬網(wǎng)絡(luò)實(shí)驗(yàn)測(cè)試37-39
• 4.5 真實(shí)網(wǎng)絡(luò)數(shù)據(jù)測(cè)試39-42
• 4.6 本章小結(jié)42-43
• 第五章 總結(jié)和展望43-45
• 5.1 論文總結(jié)43
• 5.2 研究展望43-45
• 參考文獻(xiàn)45-49
• 致謝49-51
• 作者簡(jiǎn)介51

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前7條

1 王剛;鐘國(guó)祥;;基于信息熵的社區(qū)發(fā)現(xiàn)算法研究[J];計(jì)算機(jī)科學(xué);2011年02期

2 王丹;劉發(fā)升;;復(fù)雜網(wǎng)絡(luò)的社區(qū)發(fā)現(xiàn)算法研究[J];計(jì)算機(jī)時(shí)代;2009年03期

3 王林,戴冠中;復(fù)雜網(wǎng)絡(luò)中的社區(qū)發(fā)現(xiàn)——理論與應(yīng)用[J];科技導(dǎo)報(bào);2005年08期

4 李國(guó)杰;程學(xué)旗;;大數(shù)據(jù)研究:未來(lái)科技及經(jīng)濟(jì)社會(huì)發(fā)展的重大戰(zhàn)略領(lǐng)域——大數(shù)據(jù)的研究現(xiàn)狀與科學(xué)思考[J];中國(guó)科學(xué)院院刊;2012年06期

5 杜海峰;李樹茁;W.F.Marcus;悅中山;楊緒松;;小世界網(wǎng)絡(luò)與無(wú)標(biāo)度網(wǎng)絡(luò)的社區(qū)結(jié)構(gòu)研究[J];物理學(xué)報(bào);2007年12期

6 莫愿斌;劉賀同;王勤;;智能優(yōu)化算法的綜述教學(xué)研究[J];科技創(chuàng)新導(dǎo)報(bào);2008年13期

7 常富蓉;;基于密度分布的社區(qū)發(fā)現(xiàn)算法研究[J];微型機(jī)與應(yīng)用;2014年06期

  本文關(guān)鍵詞：基于粒子群優(yōu)化算法的復(fù)雜網(wǎng)絡(luò)社區(qū)挖掘，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：370667