基于免疫离散差分进化算法的复杂网络社区发现

摘要：

针对复杂网络社区发现问题,在标准差分进化算法的框架下,提出一种新型免疫离散差分进化算法(Immune discrete differential evolution, IDDE)。该算法通过标签传播策略生成初始种群,采用离散差分进化策略来保证种群在问题空间的全局搜索能力,同时对种群中的优秀个体执行针对性的高频克隆变异操作,以提高算法的局部开发能力,改善算法的收敛性能。在计算机生成网络与真实世界网络中的仿真实验结果表明： IDDE 算法具有较强的寻优性能与鲁棒性,能够有效探测复杂网络中存在的社区结构。

关键词：差分进化、克隆选择、社区发现、模块度

分类号：TP3;O4

资助基金：国家自然科学基金61440026;教育部博士点基金20110161110035;湖南省自然科学基金重点项目13JJA002资助Supported by National Natural Science Foundation of China61440026;Doctoral Fund of Ministry of Education of China20110161110035;Hunan Provincial Natural Science Foun-dation of China13JJA002

在线出版日期：2015-05-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：749-757