分组遗传算法在社区检测及链路预测上的应用-电路与系统专业论文.docx

西安电子科技大学 学位论文独创性（或创新性）声明 本人声明所呈交的论文是我个人在导师指导下进行的研究工作及取得的研究 成果。尽我所知，除了文中特别加以标注和致谢中所罗列的内容以外，论文中不 包含其他人已经发表或撰写过的研究成果；也不包含为获得西安电子科技大学或 其它教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做 的任何贡献均已在论文中做了明确的说明并表示了谢意。 申请学位论文与资料若有不实之处，本人承担一切相关责任。 本人签名： 日期 西安电子科技大学 关于论文使用授权的说明 本人完全了解西安电子科技大学有关保留和使用学位论文的规定，即：研究 生在校攻读学位期间论文工作的知识产权单位属西安电子科技大学。本人保证毕 业离校后，发表的论文与本论文工作成果有关时署名单位仍然为西安电子科技大 学。学校有权保留送交论文的复印件，允许查阅和借阅论文；学校可以公布论文 的全部或部分内容，可以允许采用影印、缩印或其它复制手段保存论文。(保密的 论文在解密后遵守此规定) 本人授权西安电子科技大学图书馆保存学位论文，并同意将论文在互联网上 发布。 本人签名： 日期 导师签名： 日期 摘要 I 摘要 近年来随着各学科研究之间的交叉，复杂网络受到了越来越多的科研工作者 的关注。现实生活中的大多数复杂系统都可以简单地抽象成一个复杂网络，进而 转换成一个图的形式来进行研究。然而复杂网络的一个重要特征就是具有社区结 构。网络的社区结构是指网络中节点的分类集合，其主要的特征之一是同一集合 内的节点之间连接比较紧密，不同集合之间的连接比较稀疏。了解网络的社区结 构可以帮助我们进一步分析网络的拓扑结构，理解并更好地解释网络的功能，从 而能够更容易发现网络中一些隐而未现的规律以及预测网络的行为。正因为网络 的社区结构具有如此重要的价值，而现实社会中的大多数网络的社区结构并不是 可以直接获取的，所以说如何在现有的网络数据的基础上快速高效的发现网络的 社区结构是一项十分重要的工作。发现网络的社区结构通俗的讲就是对网络中的 节点进行分组，而分组遗传算法是专门针对分组类问题提出的一种进化算法。基 于复杂网络社区内部连接比较紧密，社区之间连接比较稀疏的特征，本文提出了 一种基于社区密度下限的分组遗传算法，进而这种方法应用到复杂网络的社区检 测上，并将这种方法获得的社区结构信息用于链路预测上，达到预测网络行为的 实际应用价值。本文通过大量的仿真实验，验证了这种方法在处理这两类问题上 的有效性。本文的主要工作如下： 1. 在分组遗传算法的基础上，结合复杂网络的社区结构特点，提出一种基于 社区密度下限的分组遗传算法的社区检测方法。由于真实网络中的所含节点个数 很少的微小社区十分少见，考虑微小社区的存在会降低整体划分结果，所以在分 组的过程中对存在于微小社区内的节点进行重新分配，在一定程度上减少了微小 社区的存在。文章中用不同的目标函数(HHI,Q, Dλ)作为遗传过程中的目标函数， 分别试验了这种方法的社区划分效果，并将这种方法与 DenShrink 方法，BGLL 方 法相比较，证明了本文中所提出的方法有效性。 2. 将社区结构的信息应用到复杂网络的链路预测中，并提出了基于社区结构 信息的链路预测方法，引入了一种新的计算两个节点之间相似性的函数。用 Dλ作 为度量函数，在不同的分辨率参数下，运用基于社区密度下限的分组遗传算法的 社区检测方法对复杂网络进行社区划分，综合不同分辨率下的社区划分结果，计 算本文中所提出的新的相似性函数的值，并根据这个值来预测可能存在的连边。 通过在现实网络和 benchmark 网络上的实验，证明了该方法的有效性。 3. 分析基于社区结构信息的链路预测方法的缺陷，将共同邻居的方法和基于 社区结构信息的方法相结合，提出了一种混合信息的链路预测方法，并通过在现 实社会网络上的实验验证了这种方法的有效性。 本文工作得到了国家自然科学基金：基于图优化算法的动态频谱分配价格博 PAGE II分 PAGE II 分组遗传算法在社区检测及链路预测上的应用 弈动力学（J54510020162）的资助。 关键字：复杂网络 分组遗传算法 社区检测 链路预测 Abstract III Abstract Along with the interdisciplinary nature between different disciplines, more and more researchers pay attention to the complex networks. Most real-life complex systems can be abstracted into complex networks, and then