基于模块性指标的动态网络社群结构探测方法

针对节点增加的动态网络,提出一种对应的动态网络社群结构探测算法CD(Community Structure Detection Algorithm for Dynamic Networks).CDD算法依据节点加入引起模块性指标变化的情况,对网络节点进行社群划分, 从而可以发现网络社群结构随时间的动态变化过程.利用计算机生成数据、Ucinet和Pajek提供的有关网络数据,通过社群结构探测试验表明, CDD算法不但可以对动态网络的社群结构变化进行探测,同样也可以实现静态网络的社群结构探测; 与N-G算法和A-N算法等社群结构探测算法相比, 算法的速度快, 所获得的模块性指标也基本相当.     

用于社群结构探测的小世界特征遗传算法

针对网络社群结构探测问题,探讨一种小世界特征遗传算法.受小世界现象搜索机理和网络结构特征启发,构造一种社群结构局部搜索算子;进而将该算子引入遗传算法基本框架,提出一种小世界特征遗传算法.典型网络的社群结构探测的结果表明,与Girvan-Newman算法和模拟退火算法相比,小世界特征遗传算法探测到的社群结构具有更大的模块性值,从而证明该算法是可用且有效的.     

“自底向上”合并社群结构探测策略中的顺序效应

基于模块性"自底向上"合并社群结构探测策略是目前复杂网络研究的热点问题之一,但是在依据模块性值变化对相应社群对进行合并时,往往出现顺序效应,即同一模块性值变化对应的社群合并可能不惟一,从而导致合并顺序不同而影响社群结构的最终探测结果。首先总结"自底向上"合并社群结构探测策略的一般算法框架,然后基于标准Ucinet和Pajek网络的社群结构探测结果,揭示Newman等提出的社群结构探测算法存在顺序效应,接着依据网络社群结构和社群密度的定义,提出用于克服顺序效应的基于社群密度的改进社群结构探测策略;最后,通过标准Ucinet和Pajek网络的社群结构探测结果,验证算法的有效性。