10.19678/j.issn.1000-3428.0049128
基于改进遗传算法的社区挖掘研究
传统遗传算法应用于社区挖掘时初始种群划分精确度不高,且容易降低算法整体搜索性能.为此,提出一种改进的遗传算法,并将其引入到社区挖掘研究中.结合结构相似度与轮盘赌选择法,使染色体的每个基因趋向于选择结构相似度较大的邻居节点,提高初始种群的社区划分质量并加速算法收敛速度.实验结果表明,在人工基准网络中,该算法的初始种群划分精确度和模块度比传统遗传算法平均提高18%和12%,整体划分精确度比FEC和FN算法平均提高24.02%和22.01%,在真实世界网络中,社区划分精确度均优于FN、FEC和LPA算法,从而验证该算法具有较好的社团挖掘性能.
复杂网络、社区挖掘、遗传算法、结构相似度、轮盘赌选择法
45
TP18(自动化基础理论)
国家自然科学基金重大研究计划91746104;山东农业大学重点培育学科计算机科学与技术建设项目
2019-07-09(万方平台首次上网日期,不代表论文的发表时间)
共6页
159-164