结合改进差分进化和模块密度的社区发现算法

• 作者: 冯勇 张冰茹 张永刚 徐红艳 王嵘冰
• 来源期刊: 计算机科学与探索
• 学科: 工学
• 关键词: 社区发现 社会网络 差分进化 模块密度 变异策略
• 年，卷（期）: 2020,（6）
• 所属期刊栏目: 理论与算法
• 页码范围: 1070-1080
• 页数: 11页
• 分类号: TP301.6
• 字数: 9124字
• 语种: 中文
• DOI: 10.3778/j.issn.1673-9418.1906040

摘要

社区发现是个性化推荐、群体特征归集、社会网络分析等领域研究的基础与核心,而现有社区发现算法在处理日益复杂的社会网络时,存在准确性不高、收敛速度慢、模块度分辨率受限等问题.为此,将差分进化和模块密度思想引入社区发现中,提出了一种结合改进差分进化和模块密度的社区发现算法.该算法首先调整差分进化的变异策略和参数,再将模块密度作为适应度函数以克服模块度分辨率限制;然后根据社区结构进行修正操作,以提高种群中的个体质量,加快全局收敛速度.在计算机生成网络数据集及5个具有代表性的真实世界网络数据集上,与多个应用较为广泛的社区发现算法进行对比实验.实验结果表明所提算法具有更高的准确性和更优的收敛性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张永刚	吉林大学符号计算与知识工程教育部重点实验室	35	296	9.0	16.0
2	徐红艳	辽宁大学信息学院	40	299	9.0	16.0
3	冯勇	辽宁大学信息学院	39	274	8.0	15.0
4	王嵘冰	辽宁大学信息学院	31	165	5.0	12.0
5	张冰茹	辽宁大学信息学院	1	0	0.0	0.0