[发明专利]基于多目标密母计算的网络社区检测方法

摘要

本发明公开了一种基于多目标密母计算的网络社区检测方法，主要解决传统方法分辨率不高，容易陷入局部最优，只能得到单一划分结果，不能得到网络的层次结构等问题。其实现步骤为：（1）建立待检测网络的邻接矩阵；（2）网络种群初始化；（3）产生新个体；（4）更新网络种群；（5）局部搜索网络种群；（6）判断是否达到循环代数；（7）计算网络种群中每个个体的模块度值；（8）检测出网络划分后的社区。本发明采用标签法初始化网络种群，结合了基于分解的多目标进化算法和模拟退火算法，提高了网络的初始检测精度，加速了算法的收敛，提高了算法的局部寻优能力，并避免了陷入局部最优，提高了算法的分辨率，能够发现网络社区的层次结构。

主权项

1.一种基于多目标密母计算的网络社区检测方法，实现步骤如下：（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所有个体的目标函数值：f1(xj)=-Σi=1mL(Vi,Vi)|Vi|]]>f2(xj)=Σi=1mL(Vi,Vi‾)|Vi|]]>其中，f₁(x_j)表示初始网络种群中第j个个体的第一目标函数，f₂(x_j)表示初始网络种群中第j个个体的第二目标函数，V_i表示第j个个体中第i个网络社区的节点集合，L(V_i,V_i)表示同一个网络社区中的节点连接边数，表示第j个个体中第i个网络社区以外的其它网络社区的节点集合，表示第i个网络社区与其它网络社区间的节点连接边数，|V_i|表示第j个个体中第i个网络社区中的节点数；2c）按照下式，初始化网络种群理想点：z=(z₁,z₂)^T其中，z表示网络种群理想点，z₁表示从初始网络中选择的最小第一目标函数，z₂表示从初始网络中选择的最小第二目标函数，T表示转置操作；（3）产生新个体：从网络种群中随机选择两个个体，对这两个个体进行交叉操作和变异操作，产生一个新个体；（4）更新网络种群：4a）比较新个体的目标函数值和网络种群中个体的目标函数值，将其中目标函数值小的个体作为更新后的网络种群理想点；4b）按照下式，计算步骤（3）产生新个体的切比雪夫值和网络种群中个体的切比雪夫值：g=maxλi|fi1≤i≤2(x)-zi|]]>其中，g表示新个体和网络种群中个体的切比雪夫值，λ_i表示网络种群中个体的第i个权重向量，x表示网络种群中个体，f_i(x)表示网络种群中个体的第i个目标函数，z_i表示网络种群中第i个理想点，max表示数学最大符号；4c）比较新个体的切比雪夫值和网络种群中个体的切比雪夫值，将二者中切比雪夫值小的个体，作为更新后的网络种群中的个体；（5）局部搜索网络种群：采用模拟退火算法，对种群进行局部搜索，得到新的种群；（6）判断迭代是否达到200次，若未达到，则执行步骤（3），否则，执行步骤（7）：（7）按照模块度计算公式，计算网络种群中每个个体的模块度值：（8）检测出网络划分后的社区：选择网络种群中个体模块度值最大的个体，将该最大个体作为最终的网络社区划分结果，这些划分就是所要检测出的网络中的社区。