%0 Journal Article %A 郭旭超 %A 王鲁 %A 郝霞 %A 孙晓勇 %A 孙博 %T 基于改进遗传算法的社区挖掘研究 %D 2019 %R 10.19678/j.issn.1000-3428.0049128 %J 计算机工程 %P 159-164 %V 45 %N 1 %X

传统遗传算法应用于社区挖掘时初始种群划分精确度不高,且容易降低算法整体搜索性能。为此,提出一种改进的遗传算法,并将其引入到社区挖掘研究中。结合结构相似度与轮盘赌选择法,使染色体的每个基因趋向于选择结构相似度较大的邻居节点,提高初始种群的社区划分质量并加速算法收敛速度。实验结果表明,在人工基准网络中,该算法的初始种群划分精确度和模块度比传统遗传算法平均提高18%和12%,整体划分精确度比FEC和FN算法平均提高24.02%和22.01%,在真实世界网络中,社区划分精确度均优于FN、FEC和LPA算法,从而验证该算法具有较好的社团挖掘性能。

%U http://www.ecice06.com/CN/10.19678/j.issn.1000-3428.0049128