计算机科学与探索

作者：冯勇，张冰茹，徐红艳，王嵘冰，张永刚

单位：1. 辽宁大学 信息学院，沈阳 1100362. 吉林大学 符号计算与知识工程教育部重点实验室，长春 130012

关键词：社区发现,社会网络,差分进化,模块密度,变异策略

社区发现是个性化推荐、群体特征归集、社会网络分析等领域研究的基础与核心，而现有社区发现算法在处理日益复杂的社会网络时，存在准确性不高、收敛速度慢、模块度分辨率受限等问题。为此，将差分进化和模块密度思想引入社区发现中，提出了一种结合改进差分进化和模块密度的社区发现算法。该算法首先调整差分进化的变异策略和参数，再将模块密度作为适应度函数以克服模块度分辨率限制；然后根据社区结构进行修正操作，以提高种群中的个体质量，加快全局收敛速度。在计算机生成网络数据集及5个具有代表性的真实世界网络数据集上，与多个应用较为广泛的社区发现算法进行对比实验。实验结果表明所提算法具有更高的准确性和更优的收敛性能。

来源：2020年第6期

《计算机科学与探索》期刊编辑部

查看计算机科学与探索杂志2020年第6期