CAJ | 학술논문

网络簇结构是复杂网络最普遍和最重要的拓扑属性之一,网络聚类问题就是要找出给定网络中的所有类簇.有很多实际应用问题可被建模成网络聚类问题.尽管目前已有许多网络聚类方法被提出,但如何进一步提高聚类精度,特别是在没有先验知识(如网络簇个数)的情况下如何发现合理的网络簇结构,仍是一个未能很好解决的难题.针对该问题,在马尔可夫随机游走思想的启发下,从仿生角度出发提出一种全新的网络聚类算法——基于随机游走的蚁群算法RWACO.该算法将蚁群算法的框架作为RWACO的基本框架,对于每一代,以马尔可夫随机游走模型作为启发式规则；基于集成学习思想,将蚂蚁的局部解融合为全局解,并用其更新信息素矩阵.通过“强化簇内连接,弱化簇间连接”这一进化策略,使网络簇结构逐渐地呈现出来.实验结果表明,对一些典型的计算机生成网络和真实网络,该算法能够较准确地探测出网络的真实类簇数与一些有代表性的算法相比,具有较高的聚类精度.
망락족결구시복잡망락최보편화최중요적탁복속성지일,망락취류문제취시요조출급정망락중적소유류족.유흔다실제응용문제가피건모성망락취류문제.진관목전이유허다망락취류방법피제출,단여하진일보제고취류정도,특별시재몰유선험지식(여망락족개수)적정황하여하발현합리적망락족결구,잉시일개미능흔호해결적난제.침대해문제,재마이가부수궤유주사상적계발하,종방생각도출발제출일충전신적망락취류산법——기우수궤유주적의군산법RWACO.해산법장의군산법적광가작위RWACO적기본광가,대우매일대,이마이가부수궤유주모형작위계발식규칙；기우집성학습사상,장마의적국부해융합위전국해,병용기경신신식소구진.통과“강화족내련접,약화족간련접”저일진화책략,사망락족결구축점지정현출래.실험결과표명,대일사전형적계산궤생성망락화진실망락,해산법능구교준학지탐측출망락적진실류족수여일사유대표성적산법상비,구유교고적취류정도.