复杂网络社区发现的多目标五行环优化算法

摘要：

社区结构作为复杂网络的重要特性,对理解网络的功能和结构具有重要意义.为了解决复杂网络的社区发现问题,提出了一种多目标五行环优化算法(Multi-Objective Five-Elements Cycle Optimization,MOFECO).首先,将社区发现问题建模为多目标优化问题,选取反比率关联(Inverse Ratio Association,IRA)和比例缩减(Ratio Cut,RC)这两个互相对立的目标作为目标函数;然后,基于五行环模型(Five-Elements Cycle Model,FECM),通过局部最优解和全局最优解实现元素的更新,并引入交叉和变异算子对更新策略进行改进;最后,使用快速非支配排序的方法获得Pareto最优社区划分集合,有助于揭示复杂网络的层次结构.在人工合成网络和真实社会网络上进行实验,与单目标算法(GA-Net,Meme-Net)以及多目标算法(MOGA-Net,MOCD,MOEA/D-Net,DMOPSO,DIM-MOEA/D,MOCD-ACO)进行对比得出,MOFECO算法弥补了传统单目标优化社区结构划分单一的缺陷,在社区发现的准确度上有所提高.

关键词：复杂网络、多目标优化、社区发现、五行环优化算法、进化算法

所属期刊栏目：47

分类号：TP391(计算技术、计算机技术)

在线出版日期：2020-08-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：284-290