復雜網(wǎng)絡中的重疊社區(qū)結構檢測算法研究.pdf

1、現(xiàn)實世界中的很多系統(tǒng)都是以網(wǎng)絡的形式存在,比如在我們?nèi)穗H交往中的關系網(wǎng)絡,科研系統(tǒng)中的論文合著關系網(wǎng),計算機的路由網(wǎng)絡,生命科學中的蛋白質網(wǎng)絡等等。社區(qū)結構是復雜網(wǎng)絡一個十分重要的特性,它可以揭示社會網(wǎng)絡的隱藏規(guī)律和行為特征。網(wǎng)絡社區(qū)結構檢測問題也成為近些年研究的熱點問題,有很多社區(qū)檢測算法被提了出來。
　　在實際網(wǎng)絡中,一個節(jié)點往往不能簡單的分到某一個社區(qū)中,而是被幾個相互重疊的社區(qū)所共享,比如一個人可以屬于科學家社區(qū)并且同時也

2、是一個攝影師。檢測網(wǎng)絡中的重疊社區(qū)往往要比傳統(tǒng)社區(qū)檢測復雜很多。在本文中,我們圍繞網(wǎng)絡重疊社區(qū)檢測問題展開,主要內(nèi)容闡述如下:
　　(1)提出了一種基于多目標免疫的重疊社區(qū)檢測算法。算法將重疊社區(qū)檢測問題抽象為一個多目標優(yōu)化問題,并利用非支配鄰域免疫算法(NNIA)來對目標函數(shù)進行優(yōu)化。算法通過同時優(yōu)化兩個相互沖突的目標函數(shù)來找到滿意的社區(qū)結構。算法采用了一種新的編碼方式以及交叉和變異算子,并使用非負矩陣分解來提高算法的局部搜索能

3、力。算法不僅可以找出網(wǎng)絡中的重疊社區(qū),而且可以確定節(jié)點屬于每個社區(qū)的隸屬度。
　　(2)針對重疊社區(qū)檢測問題普遍存在的計算效率過低的問題,我們提出利用GPU來提高重疊社區(qū)檢測算法的運行效率。通過對貝葉斯非負矩陣分解算法進行并行化提出了P-BNMF算法。另外,針對網(wǎng)絡鄰接矩陣的存儲限制問題,提出了優(yōu)化版的算法Sparse-NMF算法。該算法利用CSR格式對鄰接矩陣進行稀疏表示,只需要存儲鄰接矩陣中的非零值,以此來節(jié)省網(wǎng)絡的存儲空間。