复杂网络社区挖掘-基于聚类融合的遗传算法

• 作者: 何东晓 周春光 周栩 王佐 王喆 金弟
• 来源期刊: 自动化学报
• 关键词: 复杂网络 社区结构 遗传算法 聚类融合 局部搜索
• 年，卷（期）: 2010,（8）
• 页码范围: 1160-1170
• 页数: 11页
• 语种: 中文
• DOI: 10.3724/SP.J.1004.2010.01160

摘要

针对当前研究复杂网络社区挖掘的热点问题,提出了一种基于聚类融合的遗传算法用于复杂网络社区挖掘.该算法将聚类融合引入到交叉算子中,利用父个体的聚类信息辅以网络拓扑结构的局部信息产生新个体,避免了传统交叉算子单.纯交换字符块而忽略了聚类内容所带来的问题.为使聚类融合的作用得以充分发挥,本文提出了基于马尔科夫随机游走的初始群体生成算法,使初始群体中的个体具有一定聚类精度并有较强的多样性.初始群体生成算法与基于聚类融合的交叉算子互相配合,有效地增强了算法的寻优能力.此外,算法将局部搜索机制用于变异算子,通过迫使变异节点与其多数邻居在同一社区内,有针对性地缩小了搜索空间,从而加快了算法收敛速度.在计算机生成网络和真实世界网络上进行了测试,并与当前具有代表性的社区挖掘算法进行比较,实验结果表明了该算法的可行性和有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	金弟		13	531	7.0	13.0
2	周春光		161	2128	25.0	39.0
3	周栩		7	80	5.0	7.0
4	王佐		4	15	2.0	3.0
5	王喆		48	344	11.0	17.0
6	何东晓		4	0	0.0	0.0