基于标签传播的蚁群优化算法求解社区发现问题

论文摘要

社区发现问题对于研究复杂网络的特性具有重要作用。蚁群算法由于其采用分布式正反馈并行机制,具有较强的鲁棒性和稳定性,被越来越频繁地应用于社区发现领域。针对蚁群算法求解社区发现存在求解精度低、收敛速度慢的问题,提出一种基于标签传播的蚁群优化算法(BLP_ACO)。采用一种新的解向量表达方式,其中每个节点位置存放该节点所属社区的标签。在解的构造阶段提出基于节点凝聚性的蚂蚁转移策略,降低蚂蚁转移过程中的随机性,从而提高算法的精确度;将标签传播思想引入到蚁群搜索过程,使算法快速收敛。在解的优化阶段采用基于模块度优化的合并策略,进一步提高算法的求解精度;更新信息素时对所有处于社区内部的边滞留信息素。在真实网络和LFR基准网络上验证,结果表明该算法能够准确高效地挖掘出社区结构。

论文目录

• 0 引 言
• 1 传统蚁群算法
• 2 基于标签传播的蚁群优化算法
•   2.1 解向量的表示
•   2.2 解向量的构造
•     2.2.1 基于节点凝聚性的蚂蚁转移策略
•     2.2.2 基于局部社区规模和社区相似性偏向的蚂蚁定标策略
•   2.3 解向量的优化
•   2.4 信息素更新策略
• 3 算法流程与复杂度分析
•   3.1 算法流程
•   3.2 时间复杂度
• 4 实验结果与分析
•   4.1 评估方法
•     4.1.1 模块度
•     4.1.2 归一化互信息
•   4.2 数据集
•     4.2.1 真实网络
•     4.2.2 LFR人工基准网络
•   4.3 实验结果对比
•     4.3.1 真实网络的模块度对比
•     4.3.2 LFR人工基准网络的NMI对比
•     4.3.3 收敛速度对比
• 5 结 语

文章来源

类型: 期刊论文

作者: 顾军华,江帆,武君艳,许馨匀,张素琪

关键词: 社区发现,蚁群算法,节点凝聚性度量,蚂蚁定标策略,皮尔逊相关性

来源: 计算机应用与软件 2019年06期

年度: 2019

分类: 信息科技,基础科学

专业: 数学,自动化技术

单位: 河北工业大学人工智能与数据科学学院,河北省大数据计算重点实验室,天津商业大学信息工程学院

基金: 国家自然科学基金项目(61802282),河北省科技计划项目(17210305D),天津市科技计划项目(16ZXHLSF0023,15ZXHLGX00130)

分类号: TP18;O157.5

页码: 233-242

总页数: 10

文件大小: 1851K

下载量: 286