基于多目标自适应Memetic算法的复杂网络社区检测

针对提高复杂网络社区检测精准度的问题,提出一种基于自适应Memetic算法的多目标复杂网络社区检测算法.在基于Random-walker初始化策略的基础上,将Logistic函数与适应度函数相结合,引入动态自适应策略调整交叉和变异概率,挖掘网络拓扑结构的同时提高社区检测精度.将多目标优化转化为同时最小优化连接度(MRA)和分割度(RC)2个函数,在局部搜索中,利用加权和的方法将2个目标函数构成1个局部优化目标,并采用爬山算法寻找个体最优.在人工和真实数据集上对算法进行验证,结果表明:该算法能有效提高社区检测精准度,具有较好的寻优效果.     

基于进化计算的符号网络社区检测

符号网络是一种具有正负项关系的社会网络,对其社区结构的检测可以挖掘其中有用的信息.将符号网络划分为全正和全负的子矩阵分别进行操作,同时引入更加适合符号网络社区检测的相关策略,如基于标签传播的种群初始化、改进的双点交叉算子、带局部搜索的突变算子等.在基准网络和随机网络上的测试数据表明,本文算法具有较好的检测社区检测效果.     

基于差异演化算法的网络计划多目标优化

为了提高施工企业的经济效益，在综合考虑成本、质量和进度的基础上，提出了工期－净收益－质量多目标优化模型，并采用一种新颖的进化算法即差异演化算法对该模型进行求解，最后通过工程实例验证模型和算法的有效性。     

基于多目标协同优化算法的卫星结构优化设计

针对卫星系统中多目标、多约束、耗时的结构优化问题,建立了卫星结构的多目标协同优化模型.将协同优化方法与全局多目标优化算法相结合,并针对协同优化方法的缺陷采取一些改进措施,提出了协同优化方法与全局多目标优化算法(CO-PE)组合优化方法.以某卫星结构多目标优化问题为例,在iSIGHT优化软件中对卫星结构进行多目标协同优化设计,通过CO-PE组合优化方法获取Pareto最优解集.优化结果表明,多目标协同优化模型能够简化优化问题的复杂度,基于近似模型的CO-PE组合优化方法具有较好的准确性和高效性,对实际工程中类似的复杂结构优化问题具有一定的参考价值.     

在复杂网络中划分社区结构的一种多目标遗传算法

研究了在复杂网络中查找社区结构的一种多目标遗传算法,该算法对能够识别内部联系紧密但相互之间联系稀疏的节点群的两组函数进行了优化。算法在不同的等级中设定一套网络分区,在这些等级中,拥有较少数量社区的解包含了拥有更多社区个数的深层次解。社区的数目自动取决于目标函数更佳的权衡值。通过在模拟和真实网络进行的实验对比表明,该算法能够成功发现网络结构,并且与其他多目标优化算法相比也具有一定的竞争力。     

基于遗传算法的多目标优化算法

本文先介绍了遗传算法的实现技术,又介绍了多目标优化问题的概念,然后使用遗传算法来求解多目标优化问题。文中使用了均匀设计方法来设计适应度函数,并设计了新的变异算子,算法结果是有效的。     

基于万有引力定律的多目标优化算法

针对一类多目标优化问题,提出一种基于万有引力定律的优化算法．首先把决策变量空间的解看成带有质量的个体,然后根据万有引力定律,计算每个个体的合加速度,再根据运动规律,给出产生新解的迭代公式．仿真实验结果表明,算法是可行的、有效的．     

基于网络响应面的多目标优化方法

为提高多目标优化算法的收敛性以及Pareto解的分布均匀性,构建了基于网络响应面的多目标优化方法.将前馈（BP）网络以及自适应共振（ART）网络的优点相结合,充分利用各子目标每1次独立优化时获得的最优解,并将其作非占优判断后作为初始样本自适应地构建网络响应面,从而提高了Pareto解的收敛性以及多样性指标.对网络获得的每个新类进行各子目标值计算,同时对该子目标值做相似度计算,进一步剔除相似度高的样本,从而提高了Pareto解的分布性指标.通过常用的多目标优化测试函数验证该方法,并与改进的非支配排序遗传算法（NSGA-Ⅱ）以及随机权和算法作对比,结果表明该方法能明显改善多目标优化方法的各性能指标.     

基于蚁群算法的多目标优化问题研究

为保持所求得的多目标优化问题Pareto最优解的多样性,文章提出了一种新的蚁群算法。选择策略采用多信息素权重,信息素更新结合了局部信息素更新与全局信息素更新。其中,全局信息素更新采用了两个最好解。此外,通过在外部设置外部集来存储Pareto解,并将改进的算法应用在双目标TSP上。最后进行了仿真实验,结果表明新方法比NSGA-II和SPEA2更有效。     

多目标优化的进化优化算法

进化优化算法具有全局优化能力,可以一次性求解多个非劣解。近年来,此类方法已经成为求解多目标优化问题一个重要的研究方向。本文分析了进化优化算法的关键步骤,介绍了几种代表性的多目标进化优化算法,并指出了值得进一步研究的相关问题。     

电网规划的多目标模糊优化方法

建立了一个用于电网规划的多目标优化模型。模型中同时计及了规划方案的经济性和可靠性双重目标。通过对各目标实现程度的隶属函数进行定义,将多目标优化问题转变成模糊规划问题进行求解。最后,本文还给出了我国某城市电网规划的计算结果,证明了所提模型及算法的可行性。     

基于多目标的汽车前端框架拓扑优化

针对汽车前端框架的结构和工况特点,建立基于Hyperworks的有限元模型,运用带权重的折衷规划法定义综合目标函数来进行多目标拓扑优化,通过灰色关联法和层次分析法分别计算静态多工况下柔度的权重以及动态低阶频率的权重.结果表明:优化后的汽车前端框架最大变形、最大应力分别降低了21.67％、34.39％;第一阶模态提高了1...     

基于FLD算法的南昌市老城区公交网络的优化研究

为了研究城市道路遭受攻击而出现拥堵时所呈现的特性,把现实中的城市道路抽象成复杂网络,利用FLD算法对其体现的特征进行仿真分析,结果表明:公交路网在遭受针对性和随机性攻击时均具有一定的稳定性,但当网络中的失效节点达到一定比例时,遭受针对性攻击时的路网会在极短时间内断裂所有连边从而导致网络迅速崩溃。在此研究的基础上,分析了南昌市老城区交通路网的几个拓扑特征并相应地提出了四点可行性的优化建议,结果表明优化后的路网具有更高的通达性和抗毁性,对保持城市交通的畅通性具有一定的现实意义。     

基于热点度轨迹显影机制的网络社区聚类算法

为解决网络社区聚类算法在实际应用中存在热点捕捉困难和社区聚类生存时间较低的问题,提出了一种基于热点度轨迹显影机制的网络社区聚类算法。首先,考虑网络社区聚类存在的多径一体特性,采用抽样方式与角度估计方法来实现热点信号的精确捕捉,以提高聚类效率;随后,对热点信号矢量空间进行按列重排,并综合考虑传输矩阵具有的按列正交及全秩特性,构建热点度轨迹显影方法,以提高聚类中热点显影速度和增加聚类生存时间。仿真实验表明:与聚类流动性映射算法(Clustering Liquidity Mapping Algorithms,CLM算法)、超欧里几何热度聚类算法(Hyper-Eulerian Geometric Thermal Clustering Algorithms,H-EGTC算法)相比,所提算法具有更低的聚合时间和搜寻失误率,以及更高的热点显示时间。     

基于中心差异度迭代调整机制的 网络社区搜寻算法研究

为解决当前网络社区搜寻算法存在的节点聚类形成困难,搜寻迭代过于复杂,难以实现社区归属的二次更新等不足,提出了一种基于中心差异度迭代调整机制的网络社区搜寻算法。首先,通过领袖节点重叠度来实现初次社区搜寻裁决,有效降低了重复搜寻的概率,且根据加入节点与领袖节点差异度进行聚类匹配;随后,通过待加入节点与领袖节点之间的交互热度方式进行基于热度机制的聚类递归,实现对搜寻误差的二次校正。仿真实验表明,与当前网络社区搜寻算法中常用的差分迭代阈值裁决机制,混沌度一体化成型迭代机制相比,本文算法具有更高的首次成功率,以及更小的搜寻次数与迭代周期,具有很强的实际部署价值。     

基于AQPSO算法优化的RBF网络模型及应用研究

提出了自适应量子粒子群优化(adaptive quantum-behaved particle swarm optimization,AQPSO)算法,用于训练RBF(radial basis function)网络的基函数中心和宽度,并结合最小二乘法计算网络权值,改进了RBF网络的泛化能力.利用上证指数数据进行预测,实验结果表明,采用AQPSO算法获得的RBF网络模型不但具有很强的泛化能力,而且具有良好的稳定性,在股票数据预测中具有一定的实用价值.     

一种基于遗传算法的模糊神经网络结构和参数优化

提出一种基于遗传算法的三阶段优化策略。在给定初始参数基础上,利用基于十进制编码的遗传算法实现模糊神经网络的结构优化,用基于二进制编码的遗传算法实现模糊神经网络的参数优化。仿真结果表明上述优化策略是有效的。     

基于转移矩阵P的复杂网络聚类方法

提出了一种相对简单、有效的划分复杂网络社团结构的方法.该算法利用复杂网络的转移矩阵P和K均值聚类算法来划分社团结构,并且用F统计量判定最优的聚类结果,在探测社团结构明显的人工网时具有较高的准确度.     

高校学生信息传播网络的实证分析

高校学生间的信息传播是学生获得信息的重要途径．为提高学生间信息传播的速度,笔者利用社会网络中的社团结构对高校学生信息传播网络进行改进．首先运用聚类分析对调查的高校信息传播网络的社团结构的特点和网络的传播速率进行分析计算;然后根据实际网络的结构给出高校学生信息传播的改进建议．根据改进建议,给出改进后模拟的网络的社团结构特点及网络传播的速率．根据模拟分析结果,发现改进后能大大提高网络的传播速率,为提高高校学生的信息传播速度提供一种研究思路．     

基于混沌和遗传算法的神经网络训练算法与研究

根据神经网络(NN)的特点，利用Logistic混沌映射和特定的适应度函数，在限制近亲数量在种群库中所占比例的前提下，及时吸收新的随机个体，提出了基于混沌和遗传算法的神经网络训练算法．根据该算法写出了MATLAB程序文件main．m，给出了应用实例，还研究了混沌参数与训练误差的关系，提出了混沌参数的调整步骤及应用。