毕璐琪 杨连贺

摘 要：社交网络对于个人及社会的重要性日益凸显。随着社交网络数据规模的不断扩大，如何清晰美观地展现社交网络关系结构成为信息可视化领域研究的一大难点。针对此研究难点，本文应用网络理论和实验领域的专家之间的合作关系数据集，通过度中心性、介数中心性指标发现数据中的关键节点，改进差分进化算法的变异、交叉和选择过程，提出了基于差分进化的社交网络可视化布局算法，有效减少初始位置对可视化结果的影响，并且最终呈现的可视化结果可以清楚美观地展现社交网络结构。

关键词：社交网络；可视化；差分进化；关键节点

中图分类号：TP391.9 文献标识码：A

Abstract：Social networks have become increasingly prominent for both individuals and the society.As social network data continues to grow in size， how to clearly and attractively display the social network relationship structure has become a major difficulty in the field of information visualization. In view of the difficulty of this research，this paper applies the cooperation relationship data between experts in network theory and experimentation to find key nodes in the data through degree-centrality and betweenness-centrality indicators to improve the variation，crossover and selection of differential evolution algorithms.Therefore，a social network visual layout algorithm based on differential evolution is proposed，which effectively reduces the impact of the initial position on the visualization results.The visual results presented finally can clearly and beautifully reflect the social network structure.

Keywords：social network；visualization；differential evolution；key nodes

1 引言（Introduction）

當今时代，社交无处不在。随着通讯技术的不断进步，社交形式更加趋于多样化，其中包括面对面的人际交往型社交、网络平台如微博、微信、电子邮件等线上互动型社交。在大数据和人工智能的时代背景下，对海量社交网络数据的分析理解至关重要，因为它有利于理清个人及群体之间的联系，在好友推荐、个性化服务、舆情控制和信息传播等方面发挥重大作用。

随着数据规模的不断扩大，人们对实用性和美观性的要求越来越高。在实用性上，必须提高布局算法的效率，尽可能在保持结构的前提下达到全局优化；在美观性上，节点和边应均匀分布，尽量减少边的交叉，整体效果应对称，等等。

本文针对无向图，结合关键节点检测指……