论文部分内容阅读
近些年来,复杂网络逐渐成为受人关注的研究领域,越来越多的科研工作者投身其中。研究发现，复杂网络通常会呈现出社区结构特性，如何在实际网络中高效地发现社区结构是近年来复杂网络的研究热点之一。本论文主要研究复杂网络中社区检测问题，基于改进非支配邻域免疫算法(ImprovedNon-dominatedNeighborImmuneAlgorithm，INNIA)，分别提出针对静态网络和动态网络的社区检测算法。下面是本文的主要工作： 1.提出了一种基于改进NNIA的网络社区检测方法INNIA-Net，该方法通过对两个目标函数进行优化，将社区检测问题模型转化成了一个多目标优化问题，每次运行可产生一组解，这组解对应着对网络不同层次的划分，每个解可以自动确定网络中社区数目。 2.提出一种动态网络社区检测方法DYN-INNIA，该方法以模块度和规范化的互信息熵作为优化的目标函数，用社区划分得分(CS)作为每个时刻最优解的选择标准。该方法对于随时间逐步变化的动态网络，可得到较好的检测结果。 本文的工作得到了国家自然科学基金(批准号：60703107)，国家863项目(批准号：2009AA12Z210)，教育部新世纪优秀人才支持计划(No.NCET-08-0811)，陕西省科技新星支持计划(批准号：2010KJXX-03)和中央高校基本科研业务费重点项目(批准号：K50510020001)资助。