基于进化计算的符号网络社区检测

谭玉玲

（罗定职业技术学院 信息工程系，广东 罗定 527200）

在现实生活，许多事物可以被抽象地表示成一些带属性节点，并且事物相互的各种关系被抽象为节点相互的连边，这样可以把想要研究的某些事物和他们之间的联系看作以网络的形式存在。相关人员称由这样的节点和边构成的图为社会网络[1]。例如：包含学者、论文、会议等多种节点和关系的学术网络也被认为是一种广义的社会网络。

社区结构为社交网络均具备的属性，即一些个体具备类似甚至一样的特点，它们相互关系颇为密切。简而言之，社区内的边密度很高，众多社区构成复杂网络[2]。任意提供网络并识别其中隐藏的社区结构的流程即为社区检测，社区结构能够更准确地知晓这个网络的特征与构造。相同社区内部的行动者之间的相似性很强，如它们有共同的兴趣、有共同的目标、参与共同的活动或者组织等。因此，社区检测是社会网络研究的重要内容之一，具有重要的理论和实际价值。

根据不同的社区定义，研究人员发掘出许多的社区检测策略[3]。经典社区检测策略包括图分割，分区聚类，层次聚类和模块化等[4]。图分割法须要事先定义社区总数，且多次二分选代的方式难以得到最优的结果[5]。分区聚类法则是把网络中所有的点对应到高维坐标域中，将距离近的点划分到一起，最后形成预定数目的社区。最常用的分区聚类法K-means法，以及模糊K中心聚类方法[5]。层次聚类法的思路则是源自社会学家。……