计算机应用研究

作者：刘澳,张珺杰,王焕,张庆明,

单位：西南科技大学计算机科学与技术学院,四川绵阳621000；

关键词：显著变化,动态网络,高阶信息,社区检测,

基金：国家自然科学基金资助项目(61802320)；四川省科技计划重点研发项目(2020YFG0218)；；

现实中的网络总是不断变化，网络形态和连接关系也在随着时间推移而不断演变，在动态网络中发现社区的变化一直是个重要课题。当这种变化较为显著时，将导致社区检测算法难以有效利用前一个网络快照中有价值的信息，从而导致下一个时间步的负迁移。为解决算法无法较好适应网络突变问题，提出了一个基于遗传进化思想和高阶知识转移策略的动态社区检测算法。首先利用相邻快照的邻接矩阵相似度确定使用一阶或高阶信息，然后利用蛛网模型进行种群初始化，再通过非支配排序遗传算法NSGA-Ⅱ迭代出位于Pareto前沿的多目标最优解，并设计了新的基因交叉方式以提高种群多样性。最后通过在多个真实数据集及模拟数据集上的实验结果表明，与现有算法相比，该算法在发生网络剧变时能获得时间平滑性更高的社区检测结果，同时也能保持良好的社区模块化程度。

来源：2024年第10期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2024年第10期