[发明专利]一种复杂网络社区检测的方法

权利要求书

1.一种复杂网络社区检测的方法，其特征在于，具体包括：提高DE算法的全局收敛性能的步骤；利用改进的基于邻域信息进行社区修正的步骤；基于分类差分进化算法的模块度优化方法。

2.根据权利要求1所述一种复杂网络社区检测的方法，其特征在于，提高DE算法的全局收敛性能的步骤，具体包括：

(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。

3.根据权利要求2所述一种复杂网络社区检测的方法，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，在搜索空间的位置远离全局最优解；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。

4.根据权利要求2所述一种复杂网络社区检测的方法，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：

5.根据权利要求2所述一种复杂网络社区检测的方法，其特征在于，基于历史信息的进行差分选择操作具体是：

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。