[发明专利]基于分解的局部搜索多目标复杂动态网络社区划分方法

说明书

技术领域

本发明属于复杂网络领域，涉及动态网络社区划分方法，具体是一种基于分解的局部搜索多目标复杂动态网络社区划分方法，可用于检测复杂动态网络中的社区结构。

背景技术

从20世纪末开始，以internet为代表的信息技术的迅猛发展使人类社会大步迈入了网络时代。在现实世界中许多系统以网络的形式存在，从互联网世界中的万维网到交通系统中的路线网，从电子领域中的超大规模集成电路到电力系统中的大型电力网络，从生物系统中的细胞神经网络到蛋白质互相作用网络，从社会关系中的社交网络到科学家之间的合作关系网，复杂网络无处不在。

在这些复杂网络中，存在着一些动态网络其网络结构随时间演化发展，例如，博客网络中，由于博友们兴趣和爱好的变化，不同博友间的互动状态随时间动态的变化；在科学家之间的合作关系中，随着科学家研究领域的改变，科学家之间的合作关系也随之发生变化；论文之间的引用关系，随着论文中提出观点在一个新的领域中使用程度发生变化，论文被引用的关系也随之发生变化。所有的这些网络都可以被看作是随时间演化的复杂动态网络。在这些动态网络中，不但包含静态复杂网络的特性，而且加入了网络结构随时间发生的动态演化特性。

在复杂动态网络中，包含着一些典型的特性，小世界特性、无标度特性、社区结构特性以及动态演化特性。小世界特性是指复杂网络既拥有规则网络中的大的簇系数特性同时也拥有随机网络中的小的平均距离的特性。无标度特性是指在复杂网络中节点度服从幂率分布，也就是说，具有某个特定度的节点数目与这个特定的度之间的关系可以用一个幂函数近似地表示。由于幂函数曲线是一条下降相对缓慢的曲线，这使得度很大的节点可以在网络中存在。社区结构特性是指在复杂网络中，存在社区结构，大量实证研究表明，许多网络是异构的，一个复杂网络可以被分解为多个社区，其中社区内部节点之间存在较多的连接，而不同社区之间的节点连接则相对较少。动态演化特性是在复杂动态网络，尤其是在线网络中，一个重要的特征就是社区的时间演化特性，该特性是用于描述不同时刻网络随时间是演化发展的。

目前，复杂动态网络研究已经涉及到社会学、经济学、计算机网络学，以及生物学等多个领域，典型的复杂动态网络包括互联网、万维网、社交网、社会政治和经济网、以及科研合作关系网等。关于复杂动态网络的定量和定性特征的科学理解，已引起科学界的广泛关注和研究。特别是，近几年对于不同时间段上网络社区结构的分析以及社区结构随时间的动态演化已经引起广大学者的关注，例如：通过对科研合作关系网的研究，分析学术研究团队所研究课题在学科内部和交叉学科之间随时间发生的动态变化；通过对公司内部电话之间的通话网络研究，分析领导层的变化；通过对博客网络中博友间的互相访问网络的研究，分析博友兴趣爱好的变化。

在现有的动态网络演化社区结构分析方法中，刚开始的研究方法主要分为两阶段进行分析，首先利用静态网络分析方法去分析各个时间段上的网络社区结构，然后引入社区演化去解释社区结构在各个时间段上随时间的变化。然而，现实世界的网络由于噪声的影响使得网络结构很模糊，在这样的一个场景下，如果不依赖已有时间段上的社区结构信息而独立获得每个时间段上的社区结构，这会导致得到的社区结构随时间显著变化，从而不能很好地反映出实际网络中社区结构的特性。

近年来，学者们提出了一些利用时间平滑性框架处理动态网络中社区结构检测的方法。这些方法将社区结构提取和社区演化特性在统一框架下同步分析，具体是通过结合历史时间段上网络的社区结构这一先验知识来获得当前时间段上网络的社区结构，使得该社区结构不但能很好地反映当前时间段上网络的结构特征，同时可以结合动态网络中社区结构的时间演化特性，进而更好地符合实际网络中社区结构的特性。

目前，动态网络中同步分析社区和它们之间演化特性的方法，均属于在时间平滑性框架下处理动态网络中社区结构检测问题的方法，按照所采用的基本优化策略不同，可以归纳为单目标优化处理和多目标优化处理两类：。