[发明专利]基于多目标密母计算的网络社区检测方法

说明书

技术领域

本发明属于网络技术领域，更进一步涉及数据挖掘领域的基于多目标密母计算的网络社区检测方法，本发明可用于网络的社区结构检测及分析。

背景技术

网络是表示现实世界许多系统中客体间相互关系的有效形式。如协作网、万维网、生物网、通信网络、运输网络、社会网络等，这些系统都可以用复杂网络来表示。研究复杂网络社区结构对于分析网络的拓扑结构、理解网络的功能、发现网络中的隐藏规律以及预测网络的行为不仅具有十分重要的理论意义，而且具有广泛的应用前景，目前已被应用于新陈代谢网络分析、蛋白质交互网络分析等各种生物网络分析以及Web社区挖掘等众多领域。

复杂网络中，人们越来越多的关注社区结构的检测问题，通常对社区结构定义是：相同社区内点的连接边数远远大于社区间点的连接边数。目前，按照所采取的基本求解策略，可以归纳为两大类：启发式方法和基于优化的方法。前者将复杂网络社区检测问题转化为预定义启发式规则的设计问题，后者将复杂网络社区检测问题转化为优化问题，通过最优化预定义的目标函数来计算复杂网络的社区检测问题。

北京航空航天大学在其申请的专利“一种复杂网络中的社区划分方法”（专利申请号200810224175.5，授权公告号CN101383748B）中公开了一种复杂网络中的社区划分方法。该方法以若干个不同的局部带有影响力的节点为核心，并使节点的影响力从核心逐层向外均匀扩散，最终形成了以影响力最大的节点为核心，逐层扩展中节点的影响力不断衰减，它们之间相互并联形成一个局部区域，扩展到停止的方法。该方法的不足是算法分辨率不高，只能得到单一划分结果。

西安电子科技大学在其申请的专利“基于密母计算的网络社区结构检测方法”（专利申请号201110366154.9，公布号CN102521649A）中公开了一种基于密母计算的网络社区结构检测方法。该方法利用模块度作为适应度函数，进行选择、交叉和变异等操作，使用爬山法进行局部搜索，求模块度的最大值以探测社区结构的方法。该方法的不足是，检测精度不高，容易陷入局部最优等问题。

发明内容

本发明的目的在于克服上述已有技术的不足，提出一种基于多目标密母计算的网络社区检测方法。本发明结合了基于分解的多目标进化算法和模拟退火算法，采用了标签法作为网络初始化方法，达到了网络社区检测的目的。

为实现上述目的，本发明具体实现步骤包括如下：

（1）建立待检测网络的邻接矩阵：

将待检测网络中节点按照1到N依次编号，N表示该网络中节点的总个数；将该网络中节点i与节点j之间有连接的边所对应的邻接矩阵中的元素a_ij设定为1；将该网络中节点i与节点j之间无连接的边所对应的邻接矩阵中的元素a_ij设定为0；获得与该网络所对应的邻接矩阵；

（2）网络种群初始化：

2a）采用标签法，对邻接矩阵进行社区分类，得到每个节点赋予不同的标签值的网络社区划分结果，将社区划分结果作为初始网络种群中的个体；

2b）按照下式，计算初始网络种群中个体的目标函数值：

f1(xj)=-Σi=1mL(Vi,Vi)|Vi|]]>