局部扩展的遗传优化重叠社区发现方法

摘 要：重叠社区结构是复杂网络的一种重要的特征，本文提出了一种局部扩展的遗传优化重叠社区发现（LEGAOCD）。借鉴局部扩展的重叠社区发现方法的思想，将少数的核心节点构成模体；同时，本文利用了三角形模体来判断社区的稳定性度量问题，从而量化社区结构稳定性。然后通过改进的遗传优化算法策略分配它们应归属的社区；最后通过两个评价目标函数得到高质量的重叠社区结构。该算法在数据集上与经典的CPM算法、COPRA算法作比较，实验结果表明，LEGAOCD算法在检测重叠社区结构和重叠节点方面具有较优的性能。

关键字：局部扩展；遗传算法；重叠社区发现；核心节点；多目标优化

知网：

http://kns.cnki.net/KCMS/detail/51.1196.TP.20180209.1115.060.html?uid=WEEvREcwSlJHSldRa1FhdkJkVWI3QmRoTWcycEp0SGc2NUVLVlJTTGVGYz0=$9A4hF_YAuvQ5obgVAqNKPCYcEjKensW4ggI8Fm4gTkoUKaID8j8gFw!!&v=MDk0OTZ6bVJuNmo1N1QzZmxxV00wQ0xMN1I3cWViK1pyRmkvbFdyekpJRmM9THo3U1pMRzRIOW5Nclk5TVpPdHFZdzlN

计算机应用研究：http://www.arocmag.com/article/02-2019-03-031.html