基于双编码的重叠社团检测多目标优化方法OA北大核心CSCD
A Dual Representation-Based Multi-Objective Evolutionary Algorithm for Overlapping Community Detection
近年来,多目标进化方法已被广泛应用于重叠社团检测问题并取得了较好的社团划分性能.如何设计合适的个体编码以及进化策略是提高基于多目标进化重叠社团检测算法性能的重要因素.为此,本文设计了一种双编码表示方法对非重叠社团结构和重叠点分别进行编码,能够有效解码得到重叠社团结构.在双编码表示的基础上,本文提出了一种基于双编码的重叠社团检测多目标优化方法(DRMOEA).在DRMOEA中,为了获得好的初始个体并提高算法检测性能,本文提出了一种基于社团边界点的初始化策略.除此之外,针对双编码中的重叠点编码部分,本文提出了基于精英个体边界点的交叉策略,该策略利用社团边界信息引导种群向好的方向进化,从而有效提高了算法的检测性能.最后,在9个真实世界网络上的实验结果表明DRMOEA算法优于其他5个代表性重叠社团检测算法.
张磊;刘庆;杨尚尚;杨海鹏;程凡;马海平
安徽大学计算机科学与技术学院计算智能与信号处理教育部重点实验室,安徽合肥230601安徽大学计算机科学与技术学院计算智能与信号处理教育部重点实验室,安徽合肥230601安徽大学计算机科学与技术学院计算智能与信号处理教育部重点实验室,安徽合肥230601安徽大学计算机科学与技术学院计算智能与信号处理教育部重点实验室,安徽合肥230601安徽大学计算机科学与技术学院计算智能与信号处理教育部重点实验室,安徽合肥230601安徽大学计算机科学与技术学院计算智能与信号处理教育部重点实验室,安徽合肥230601
信息技术与安全科学
复杂网络重叠社团检测双编码多目标优化
《电子学报》 2021 (11)
融合深度学习与进化优化的多源异构用户生成内容个性化搜索
2101-2107,7
国家自然科学基金(No.61976001,No.61876184,No.62076001)安徽省自然科学基金(No.2008085QF309)安徽高校自然科学研究项目(No.KJ2020A0036)
评论