基于遗传算法的复杂网络社区检测的应用研究-电子与通信工程专业论文.docxVIP

万方数据 万方数据 南京邮电大学学位论文原创性声明 本人声明所呈交的学位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的地方外，论文中不包含其他人已经发表或撰写过 的研究成果，也不包含为获得南京邮电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作了明确的说明并表示了谢意。 本人学位论文及涉及相关资料若有不实，愿意承担一切相关的法律责任。 研究生签名： 日期： 南京邮电大学学位论文使用授权声明 本人授权南京邮电大学可以保留并向国家有关部门或机构送交论文的复印件和电子文 档；允许论文被查阅和借阅；可以将学位论文的全部或部分内容编入有关数据库进行检索； 可以采用影印、缩印或扫描等复制手段保存、汇编本学位论文。本文电子文档的内容和纸质 论文的内容相一致。论文的公布（包括刊登）授权南京邮电大学研究生院办理。 涉密学位论文在解密后适用本授权书。 研究生签名： 导师签名： 日期： III 摘要 近年来，随着复杂网络理论及其相关应用研究的兴起，人们开始尝试利用这些新的理论 工具来研究现实社会中的各种大型复杂系统。因此，对复杂网络社区结构的检测，逐渐成为 了研究的热点。社区结构是复杂网络最重要的拓扑结构属性之一，它揭示了复杂网络的隐藏 规律和行为特征。社区结构的数学模型是指在一个复杂网络中内部连接紧密而外部连接稀疏 的节点集。传统的方法需要预先设定权重参数来控制对目标函数的不同侧重，并且不能够自 动识别社区个数，在寻优过程中会出现“早熟”和效率低下问题。 本文研究的多目标自适应快速遗传算法是传统遗传算法的演进算法，用于复杂网络社区 结构的检测。首先，它将社区检测问题转化为多目标优化问题，构建社区分值和社区适应度 两个目标函数。其次，引入外部精英基因库，用于存储适应度较高的非劣解，对于外部精英 基因库已经存在的重复个体，不用再进行重复解码、计算个体适应度值等一系列过程。同时， 执行自适应遗传算子，返回一组在两个目标函数之间折衷的非支配解。最后，选取一个模块 度最高的 Pareto 最优解，解码生成一组独立的子网络，并用互信息度量和模块度去评价算法 的性能。仿真表明，多目标自适应快速遗传算法大大地提高了复杂网络社区结构检测的精确 度，并且能更好地发现复杂网络的层次结构。 关键词: 复杂网络，遗传算法，自适应，多目标，精英基因库 IV Abstract In recent years, with the rise of complex network theory and related applied research, people begin to try to apply these new theoretical tools to study a variety of complex systems of real world. Therefore, the community detection of complex networks gradually becomes a hot research. Community is one of the most important social network topology property, which reveals the hidden laws of social networks. Mathematical model of community structure refers to a set of nodes whose internal connection is tight and external connection is sparse. The traditional methods require pre-set weight parameters to control the objectives. But they are not able to automatically identify the number of communities in the optimization, and it processes the problem of “premature” and inefficiency. In this thesis, the fast adaptive genetic algorithm is a evolution of genetic algorithm for detecting community structure in complex networks. First, this algorithm t