复杂网络社区检测的种群增量学习算法研究-电路与系统专业论文.docxVIP

西安电子科技大学 学位论文独创性（或创新性）声明 秉承学校严谨的学风和优良的科学道德，本人声明所呈交的论文是我个人在 导师指导下进行的研究工作及取得的研究成果。尽我所知，除了文中特别加以标 注和致谢中所罗列的内容以外，论文中不包含其他人已经发表或撰写过的研究成 果；也不包含为获得西安电子科技大学或其它教育机构的学位或证书而使用过的 材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中做了明确的说 明并表示了谢意。 申请学位论文与资料若有不实之处，本人承担一切的法律责任。 本人签名： 日期: 西安电子科技大学 关于论文使用授权的说明 本人完全了解西安电子科技大学有关保留和使用学位论文的规定，即：研究 生在校攻读学位期间论文工作的知识产权单位属西安电子科技大学。学校有权保 留送交论文的复印件，允许查阅和借阅论文；学校可以公布论文的全部或部分内 容，可以允许采用影印、缩印或其它复制手段保存论文。同时本人保证，毕业后 结合学位论文研究课题再撰写的文章一律署名单位为西安电子科技大学。 (必威体育官网网址的论文在解密后遵守此规定) 本学位论文属于必威体育官网网址，在 年解密后适用本授权书。 本人签名： 日期: 导师签名： 日期: 摘要I 摘要 I 摘要 近年来，复杂网络受到了越来越多的科学研究者的关注，研究内容不仅包含 复杂网络的小世界特性和无标度等特性，也包含近年来受到越来越多关注的社区 结构特性。所谓社区，就是网络中节点的集合，其内部节点之间的链接比较紧密， 而和网络中其它节点的链接相对稀疏。复杂网络社区结构的研究具有十分重要的 理论意义和广泛的应用前景，通过研究网络的拓扑结构，可以发现网络的功能， 挖掘出网络的隐藏规律。 基于种群的增量学习算法是一种将进化过程视为学习过程的算法，用学习所 获取的知识—学习概率来指导产生后代。这种概率是整个进化过程的信息积累, 用它指导产生的后代将会更优生，因而能获得更快的收敛速度及更优的结果。这 种算法是将机器学习和进化算法结合起来形成的新的有效的算法，将进化过程产 生的信息进行机器学习处理，并将结果反馈到进化过程中，从而实现更好的指导 进化过程，并以更快的速度取得更好的结果。本文所做的主要工作就是深刻理解 复杂网络社区检测问题，并将 PBIL 算法应用来解决复杂网络中的社区检测问题。 本文所做主要工作如下： （１）提出了竞争优化学习算法，该算法是在原有的随机竞争学习算法的基 础上加入了优化方法，并对原有的随机竞争学习算法过程中出现的粒子的混乱移 动进行指导和局部优化，从而构建出更加合理的复杂网络社区解决方案，检测的 结果更加准确。 （２）提出了 PBIL-NET 算法，该算法将基于二进制编码的 PBIL 算法作适 当的改进, 使之能直接使用任意整数编码，从而可以把网络中节点的邻居进行编 码加入到种群的个体之中，也就构成了 PBIL 应用在复杂网络社区检测上的前提 条件。该算法将函数优化解决复杂网络社区检测的原理和 PBIL 的算法原理结合 起来，并使用社区函数（community score） 作为优化函数，可以避免陷入使用模 块度作为优化函数的分辨率限制问题。 （３）提出了多目标 PBIL 算法，并将其应用在复杂网络社区检测问题上。 该算法将多目标进化算法的思想和竞争学习算法结合起来，通过加入多目标算法 的思想，增强了算法探索变量空间寻找最优解的能力，可以检测出更加准确的社 区结构。 关键字：复杂网络 社区检测 进化算法 随机竞争学习 种群增量学习 Abs Abstract PAGE III Abs Abstract IV ABSTRACT In recent years, the complex network has drew more and more attention by scientific researchers , including not only small-world and scale-free properties , but also community structure characteristics that has drew more and more attention in recent years. The so-called community is about a set of nodes in the network ,in which the links between the internal nodes are more closely, and the other links in the network are relatively sparse . Important theoretical significance and