社区结构作为复杂网络的重要特性,对理解网络的功能和结构具有重要意义。为了解决复杂网络的社区发现问题,提出了一种多目标五行环优化算法( Multi-objective Five-elements Cycle Optimization, MOFECO)。首先,将社区发现问题建模为多目标优化问题,选取反比率关联( Inverse ratio Association,RA)和比例缩减( Ratio cut,RC)这两个互相对立的目标作为目标函数;然后,基于五行环模型( Five-elements Cycle Model,FECM),通过局部最优解和全局最优解实现元素的更新,并引入交叉和变异算子对更新策略进行改进;最后,使用快速非支配排序的方法获得 Pareto最优社区划分集合,有助于揭示复杂网络的层次结构。在人工合成网络和真实社会网络上进行实验,与单目标算法( Ga-net, Meme-net)以及多目标算法(MOGA-Net,MOCD,MOEA/DNet, DMOPSO,DM-MOEA/D, MOCD-ACO)进行对比得出, MOFECO算法弥补了传统单目标优化社区结构划分单一的缺陷,在社区发现的准确度上有所提高。
声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉
全部0条评论
快来发表一下你的评论吧 !