基于物理场论的探测复杂网络社团结构的分布估计算法*
2017-02-25刘晋霞孙丽萍刘晋钢
数据采集与处理 2017年1期
关键词:结构
刘晋霞 孙丽萍 杜 静 刘晋钢 张 丽
(1.太原科技大学经济与管理学院,太原,030024; 2.山西省眼科医院,太原,030002; 3.太原工业学院计算机工程系,太原,030008)
基于物理场论的探测复杂网络社团结构的分布估计算法*
刘晋霞1孙丽萍2杜 静1刘晋钢3张 丽1
(1.太原科技大学经济与管理学院,太原,030024; 2.山西省眼科医院,太原,030002; 3.太原工业学院计算机工程系,太原,030008)
探测社团结构是复杂网络分析中一个基本和重要的问题。为提高探测社团结构的效率,本文提出了基于复杂网络场论的社团结构分布估计算法。通过设置不同种群规模,本文算法运用经典物理场论理论构建节点间场论模型,并在此基础上建立了社团结构概率模型,按照社团结构概率模型建立了分布估计算法。将该算法与GN(Girvan Newman)算法、遗传算法及启发式算法比较其产生的最优解,并分析它们的均值及方差的差异。结果表明:基于复杂网络场论的社团结构分布估计算法收敛速度较快,划分效果较好。
社团结构;复杂网络;分布估计算法;场论
引 言
社团结构是反映复杂网络整体结构性质的重要特征[1],深入分析社团结构,可系统地把握实际复杂网络的结构关系及特性[2]。在社团结构探测方法研究中,GN算法为早期较经典的算法,其突出贡献在于引入了最大边介数和模块度Q指标,尤其是模块度指标已成为衡量社团划分优劣的指标[3]。之后Newman又提出了一种贪婪算法[4],改分裂方法为聚合方法。Clauset等采用堆结构的方法改进了贪婪算法,即CMM算法[5]。……
登录APP查看全文
