用于大规模网络社区检测的分布式进化算法研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第10-11页 |
| 缩略语对照表 | 第11-15页 |
| 第一章 绪论 | 第15-19页 |
| 1.1 研究的背景 | 第15页 |
| 1.2 研究的意义 | 第15-16页 |
| 1.3 国内外的研究现状 | 第16-17页 |
| 1.4 本文的主要工作 | 第17页 |
| 1.5 结构安排 | 第17-19页 |
| 第二章 社区检测算法及进化算法概述 | 第19-27页 |
| 2.1 图论的相关知识 | 第19页 |
| 2.2 社区检测的含义 | 第19-20页 |
| 2.3 社区划分的评价函数 | 第20-22页 |
| 2.3.1 模块度 | 第21页 |
| 2.3.2 归一化互信息 | 第21页 |
| 2.3.3 带权重社区聚集性 | 第21-22页 |
| 2.4 社区检测算法 | 第22-25页 |
| 2.4.1 基于目标函数的启发式算法 | 第22-24页 |
| 2.4.2 其他经典算法 | 第24-25页 |
| 2.5 多目标进化算法 | 第25-26页 |
| 2.5.1 多目标优化 | 第25页 |
| 2.5.2 多目标进化算法 | 第25-26页 |
| 2.6 本章小结 | 第26-27页 |
| 第三章 用于大规模网络社区检测的分布式进化算法 | 第27-45页 |
| 3.1 引言 | 第27页 |
| 3.2 Spark分布式平台介绍 | 第27-29页 |
| 3.2.1 弹性分布式数据集 | 第27-28页 |
| 3.2.2 两类算子 | 第28页 |
| 3.2.3 图模型Graph X | 第28-29页 |
| 3.3 基于Spark图模型的多目标进化算法实现 | 第29-31页 |
| 3.3.1 种群的设计 | 第29-30页 |
| 3.3.2 种群初始化 | 第30-31页 |
| 3.4 用于社区检测的多目标进化算法设计 | 第31-37页 |
| 3.4.1 目标函数设计 | 第31-34页 |
| 3.4.2 种群更新的方法 | 第34页 |
| 3.4.3 交叉变异的策略 | 第34-35页 |
| 3.4.4 算法流程总结 | 第35-37页 |
| 3.5 实验及分析 | 第37-43页 |
| 3.5.1 实验环境的搭建 | 第37-38页 |
| 3.5.2 实验所用网络数据集 | 第38-39页 |
| 3.5.3 交叉概率变异概率的设置 | 第39-40页 |
| 3.5.4 真实小网络数据上的实验 | 第40-42页 |
| 3.5.5 大规模真实网络上的实验 | 第42-43页 |
| 3.6 本章小结 | 第43-45页 |
| 第四章 一种基于RDD的社区检测进化算法实现方式 | 第45-55页 |
| 4.1 引言 | 第45页 |
| 4.2 背景知识 | 第45-46页 |
| 4.2.1 再论弹性分布式数据集 | 第45页 |
| 4.2.2 共享变量 | 第45-46页 |
| 4.3 基于RDD的分布式进化算法实现 | 第46-50页 |
| 4.3.2 种群实现的方式 | 第46页 |
| 4.3.3 个体编码方式与目标函数 | 第46-47页 |
| 4.3.4 交叉变异算子的实现 | 第47-48页 |
| 4.3.5 外部种群的更新方式 | 第48-49页 |
| 4.3.6 该实现方式的优缺点 | 第49-50页 |
| 4.4 实验及分析 | 第50-53页 |
| 4.4.1 实验平台及环境 | 第50页 |
| 4.4.2 在小规模网络上的实验 | 第50-51页 |
| 4.4.3 在大规模网络上的实验 | 第51-53页 |
| 4.4.4 算法的时间效率比较 | 第53页 |
| 4.5 本章小结 | 第53-55页 |
| 第五章 总结与展望 | 第55-57页 |
| 5.1 本文总结 | 第55页 |
| 5.2 本文展望 | 第55-57页 |
| 参考文献 | 第57-61页 |
| 致谢 | 第61-63页 |
| 作者简介 | 第63-64页 |
