结合改进差分进化和模块密度的社区发现算法

摘要：

社区发现是个性化推荐、群体特征归集、社会网络分析等领域研究的基础与核心,而现有社区发现算法在处理日益复杂的社会网络时,存在准确性不高、收敛速度慢、模块度分辨率受限等问题.为此,将差分进化和模块密度思想引入社区发现中,提出了一种结合改进差分进化和模块密度的社区发现算法.该算法首先调整差分进化的变异策略和参数,再将模块密度作为适应度函数以克服模块度分辨率限制;然后根据社区结构进行修正操作,以提高种群中的个体质量,加快全局收敛速度.在计算机生成网络数据集及5个具有代表性的真实世界网络数据集上,与多个应用较为广泛的社区发现算法进行对比实验.实验结果表明所提算法具有更高的准确性和更优的收敛性能.

关键词：社区发现、社会网络、差分进化、模块密度、变异策略

所属期刊栏目：14

分类号：TP301.6(计算技术、计算机技术)

资助基金：The National Natural Science Foundation of China under Grant No. 71771110 国家自然科学基金;the Social Science Planning Fund of Liaoning Province under Grant No. L18AGL007 辽宁省社会科学规划基金;the Project of Key Laboratory of Symbolic Computation and Knowledge Engineering of Ministry of Education, Jilin University under Grant No. 93K172018K01 吉林大学符号计算与知识工程教育部重点实验室项目;the Foundation of China Scholarship Council 国家留学基金资助项目

在线出版日期：2020-06-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：1070-1080