演化算法（EA）在社区发现方面的进展

社区（Community）结构在复杂网络中普遍存在，整个网络由许多个社区组成，同一社区内的节点与节点之间连接紧密，而社区与社区之间的连接比较稀疏。
为了发现及分析复杂网络中的社区结构，许多社区发现（Community Detection）算法被提出。
一般而言，复杂网络中的社区发现是一个 NP 难问题，而多数现有社区发现算法都是基于贪婪算法，因此，当面临大规模复杂网络时，这类算法的性能有时不能达到使用者的要求与期望。
与此同时，很多社区发现算法需要关于社区结构的先验信息，而在实际社会网络中，很难获得此类信息。为此，越来越多的研究者们开始关注基于演化算法的社区发现算法。
今天我们将与大家分享 5 篇基于演化算法的社区发现相关论文，由于笔者能力有限，因此，如果分享过程中疏漏了重要工作，还请大家不吝赐教与指正。

我有几张阿里云幸运券分享给你，用券购买或者升级阿里云相应产品会有特惠惊喜哦！把想要买的产品的幸运券都领走吧！快下手，马上就要抢光了。

GECCO 2008

■ 论文 | Community Detection in Social Networks with Genetic Algorithms
■ 链接 | https://www.paperweekly.site/papers/1775
■ 作者 | Clara Pizzuti

本文发表在 GECCO 2008，作者提出了一种用以在社交网络中发现社区的遗传算法。算法基于构成社区的节点中存在的链路数量和拓扑来定义社区中网络划分的质量度量，并且通过运行遗传算法来优化这些社区。
在算法结束时，网络结构中的所有密集社区都是通过选择性地探索搜索空间获得的，而不需要事先知道社区数的确切数量。
算法在实际网络中进行实验，结果表明遗传算法能够正确的检测社区，并且结果与当时最好的社区发现算法相当。

原文链接