[发明专利]能够提高全局收敛性能的复杂网络社区检测方法

权利要求书

1.一种能够提高全局收敛性能的复杂网络社区检测方法，其特征在于，具体包括：提高差分进化算法的全局收敛性能的步骤，该步骤具体是：

(一)分类自适应差分类变异策略；

(二)动态自适应参数调整；

(三)基于历史信息的进行差分选择操作。

2.根据权利要求1所述一种能够提高全局收敛性能的复杂网络社区检测方法，其特征在于，分类自适应差分类变异策略，具体操作如下：

对于每一个目标个体X_i,t，如果其个体适应度值f_i大于当前整个种群个体适应度值的平均数，则将其归类为优秀个体，在搜索空间的位置较为靠近全局最优解；因此，在X_i,t中好的基因被保留来强化个体周围的局部搜索，相应的变异向量V_i,t生成方式如下：

V_i,t＝F_i,t.X_pbesti,t+W_i,t.(X_r2,t-X_r3,t) (1)

其中，X_pbesti,t代表个体X_i,t在前t代的历史最优解，用于增强个体探索能力；X_r2,t和X_r3,t是从种群中随机选择的两个不同个体，并且满足条件r2≠r3≠i；F_i,t和W_i,t是X_i的控制参数，其数值根据进化代数和X_i,t的个体适应度值动态调整；

对于每一个目标个体X_i,t，如果其个体适应度值f_i小于当前整个种群个体适应度值的平均数，则将其归类为较差个体，在搜索空间的位置与全局最优解较远；因此，加强其在种群中与优秀个体之间的交流以促进全局搜索，相应的变异向量V_i,t生成方式如下：

V_i,t＝W_i,t.X_r1,t+K_i,t.(X_gbest,t-X_i,t) (2)

其中X_r1,t是从种群中随机选择的个体，并满足条件r1≠i；X_gbest,t表示当前迭代种群中的最优解，用于增强X_i,t的探索能力；W_i,t和K_i,t是X_i的控制参数，其数值根据进化代数和X_i,t的个体适应度值进行动态调整。

3.根据权利要求1所述一种能够提高全局收敛性能的复杂网络社区检测方法，其特征在于，动态自适应参数调整：三个控制参数W,K,F，分别为变异过程中的随机成分、社会成分和认知成分；此外，交叉操作中也有一个关键的控制参数CR，用于确定每个试验个体u_i,t中从变异个体V_i,t中继承的百分比；调整过程具体如下：

4.根据权利要求1所述一种能够提高全局收敛性能的复杂网络社区检测方法，其特征在于，基于历史信息的进行差分选择操作的步骤，具体是：由种群中每个个体的历史最优解X_pbesti,t构成种群pbest_pop，并在初始化阶段生成，每个进化操作之后进行更新；对种群中每个个体X_i,t，如果其适应度值在某项进化操作过程中得到改善，那么新生成的个体将作为X_i,t的当前历史最优解，并保存到pbest_pop中；在每一代进化操作之后，pbest_pop中所有个体将替代种群pop中所有个体，并从pbest_pop中选择出当前最优解X_gbest,t。

5.根据权利要求1所述一种能够提高全局收敛性能的复杂网络社区检测方法，其特征在于，本方法还包括利用改进的基于邻域信息进行社区修正的步骤，具体是：若一节点满足社区修正条件，那么该节点将被重新置入所有其邻域节点所属社区中，且置入的概率与邻域社区的规模成正比。

6.根据权利要求1所述一种能够提高全局收敛性能的复杂网络社区检测方法，其特征在于，本方法还包括基于分类差分进化算法的模块度优化算法，具体是：

S1：种群初始化；

S1.1设置网络参数，包括节点数n，邻接矩阵adj，社区修正阈值δ；设置DE算法参数，包括个体维度D，种群大小NP，种群迭代次数t和最大迭代次数t_max；

S1.2以社区标号的个体表示方式随机初始化种群pop；

S2：识别并记录最优解

S2.1识别并记录第t代种群pop中的最优个体X_gbest,t；

S2.2识别并记录第t代种群pop中每个个体X_i,t的历史最优解X_pbesti,t；由所有种群个体的X_pbesti,t构建初始种群pbest_pop；

S3：当种群迭代次数小于种群最大迭代次数时，种群迭代次数自加一，不满足条件则结束S3.1-S3.5的循环；

S3.1通过自适应分类差分变异策略构建变异种群mutation_pop；

当i的值为1到种群大小数值范围内，进行步骤a)到e)的循环，如果i的值不在1到种群大小数值范围内，则跳出步骤a)到e)，结束循环；

a)从种群pop中随机选取3个不同的个体X_r1,t，X_r2,t，X_r3,t；

b)动态调整变异参数F_i,t、w_i,t、K_i,t；

c)根据适应度值Q对X_i,t进行分类；

d)根据自适应分类差分变异策略生成变异个体V_i,t；

e)计算V_i,t的模块度值并与X_i,t个体作比较，将较优个体保存在pbest_pop中；

如果i大于NP，则跳步骤出a)到e)的循环；

S3.2基于邻域信息进行社区修正；

S3.3根据变异种群mutation_pop和种群pop构建交叉种群crossover_pop；

当i的值为1到种群大小数值范围内，进行步骤a)到d)的循环，如果i的值不在1到种群大小数值范围内，则跳出步骤a)到d)，结束循环；

a)初始化交叉种群中第i个个体u_i,t＝x_i,t；

b)动态调整交叉参数CR_i,t；

c)通过从变异个体V_i,t继承社区信息来调整试验个体u_i,t；

d)计算u_i,t的模块度值并与pbest_pop中第i个个体进行比较，保留较优值至pbest_pop；

S3.4基于邻域信息进行社区修正；

S3.5通过替换pbest_pop中的所有个体更新pop；

S4：输出pop中的X_gbest,t作为最终的最优社区划分，否则返回第S3步。