【技术实现步骤摘要】
基于memetic框架的多目标动态网络社区划分方法
本专利技术涉及动态复杂网络社区分析
,具体为一种基于memetic框架的多目标动态复杂网络社区分析算法。
技术介绍
很多复杂系统可以用复杂网络来表述,如互联网、电力系统、社交关系网、交通系统等等。用户之间通过通讯进行交流时,就形成了一张社交关系网络,这种网络是随着时间不断变动的,可建模为动态复杂网络。将一个复杂网络中的节点按照规则进行分区,每一个这样的分区被称为一个社区。同一个社区的节点具有较高的连接度,不同社区间的节点连接度则较低。社区内的节点具有许多相同的属性,因而复杂网络的社区结构检测对于研究网络特性非常重要。网络社区主要有两类检测方法。一类是启发式方法,通过某种启发规则或直观性假设来寻找社区,其中较为经典的Girvan-Newman(GN)算法,快速的标签传播算法(LPA)等。另一类是优化方法,Newman等人将标准模块度Q作为一个衡量网络划分质量的指标,从而将社区检测转化为按照目标函数进行优化,典型算法有Newman快速算法、Fastmodularity算法以及在此基础上延伸出的多目标优化算法,如MOGA算法。但是模块度Q存在分辨率限制的问题,为此,Li等人提出了基于平均模块度概念来评论社区划分的优劣,该方法中的准则函数称为模块度密度(modularitydensity)或D值。Chi提出谱聚类进化算法之后,动态社区检测转化为代价函数的优化问题,代价函数由快照代价和时间代价组成,其中快照代价是衡量当前时刻网络的聚类质量的指标,时间代价是衡量当前时刻和相邻前一时刻聚类结果相似程度的指标。此后 ...
【技术保护点】
1.一种基于memetic框架的多目标动态网络社区划分方法,其特征在于,包括以下步骤:步骤100、建立memetic算法框架;步骤200、在memetic框架下,将模块度密度函数D加权得到的优化型模块度密度函数Dλ,同归一化互信息NMI,嵌入到代价目标函数中求取最小化优化目标函数;所述最小化优化目标函数的求取方法包括:根据动态网络G的节点集V的两个不相交的节点子集V1和V2,定义,
【技术特征摘要】
1.一种基于memetic框架的多目标动态网络社区划分方法,其特征在于,包括以下步骤:步骤100、建立memetic算法框架;步骤200、在memetic框架下,将模块度密度函数D加权得到的优化型模块度密度函数Dλ,同归一化互信息NMI,嵌入到代价目标函数中求取最小化优化目标函数;所述最小化优化目标函数的求取方法包括:根据动态网络G的节点集V的两个不相交的节点子集V1和V2,定义,其中Aij表示邻接矩阵中的元素值,L(V1,V1)表示社区的内度,表示社区的外度;则模块度密度函数D为:式中:表示社区i的平均内度之和,用RA表示,表示社区i平均外度之和,用RC表示;对模块度密度函数D加入权重调节参数λ,将模块度密度函数D看做两个目标函数的组合,得到优化模块度密度Dλ:动态网络G的两种划分分别为s1和s2,H为混合矩阵,H中的元素Hij表示在s1划分情况下社区i中的节点同时也出现在s2划分情况下社区j中的数量;s1和s2之间的同归一化互信息NMI为:其中,np1和np2分别是s1和s2划分中的社区个数,Hi和Hj分别为H中第i行和第j列的元素之和,N为网络中所有节点的数量;如果s1=s2,则NMI(s1,s2)=1;如果s1和s2完全不同,则NMI(s1,s2)=0;采用优化模块度密度Dλ和归一化互信息NMI分别作为代价函数中的快照代价SC和时间代价TC:代价函数cost=α·SC+(1-α)·TC;其中,SC衡量的是在某一时刻t下社区结构的质量;TC衡量的是当前t时刻下的社区结构st和t-1时刻下社区结构st-1之间的一致性;参数α是权重参数,得到最小化优化目标函数F:F=σ-αDλ-(1-α)NMI;其中,σ是一常数;步骤300、采用直接式整数编码的方式,结合基于标识符传递的初始化机制、双路交叉遗传算法和自爬山算法的搜索方式获取最优社区结构。2.根据权利要求1所述基于memetic框架的多目标动态网络社区划分方法,其特征在于:所述memetic算法框架包括:输入:动态网络G={G1,G2,...,GT},G1,G2,...,GT表示每个时刻对应的网络,T表示动态网络的总时间步;参数:种群的规模N;交叉概率pc;变异概率pm;迭代次数t;最大迭代次数max_gen,时间步tl;第一步、使用MOGA-net检测算法对初始时刻的网络G1进行社区划分,获得第一个时刻的网络G1的社区划分结构tl=2,k表示G1网络划分的社区个数;第二步、判断终止条件:tl≥T,满足,则输出社区划分结构C={C1,C2,...,CT},否则,转向第三步;第三步、种群初始化:基于标识符传递机制的父代初始化操作,并分别计算所有个体的适应值F,此时,t=0;第四步、子代个体产生:根据个体适应度是高低,进行正比选择策略生成交配池,在交配池中进行双路交叉和基于邻位基因值的变异操作,产生子代个体,其中交叉概率pc和变异概率pm使用自适应优化;第五步、种群更新:进行爬山式局部搜索,从当前父代个体及子代个体中选出适应度值F最高的N个个体,更新之前的父代种群,生成新的父代种群;第六步、t=t+1,如果t...
【专利技术属性】
技术研发人员:王菁华,周井泉,许杰,
申请(专利权)人:南京邮电大学,
类型:发明
国别省市:江苏,32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。