摘要：近年来，复杂网络社区检测的研究受到了极大关注，越来越多的研究者投入到复杂网络领域的探索工作中。重叠社区结构的检测是复杂网络社区检测中的一种特殊形式，但目前现有重叠社区检测研究大多仅限于离散重叠社区检测，离散重叠社区检测过程中只考虑到节点与社区之间是否存在隶属关系，而没有衡量节点与社区之间的隶属程度，忽略了真实复杂网络中重叠节点与所属社区之间不完全且非一致的隶属关系。为了实现重叠节点与社区之间复杂而且模糊隶属关系的精确化测量，有效提升重叠社区结构检测的精确性，深度挖掘出节点和社区的重叠特性，模糊重叠社区检测为我们指引了新的方向。

本文旨在于提出一种基于进化算法的模糊模块度优化算法：以网络节点隶属度矩阵作为种群个体，使用模糊模块度函数并利用高精度进化算法，使用方向性探索方法对模糊重叠社区约束条件下的隶属度分布组合空间进行探索，通过此操作得到较为准确的模糊重叠社区划分，从而确定社区的结构。

关键词：复杂网络；模糊重叠社区；模糊模块度

目录

摘要

Abstract

1 绪论-1

1.1 研究背景-1

1.2 本论文的主要工作-1

2 复杂网络社区检测相关概念-3

2.1 复杂网络-3

2.1.1 复杂网络概念-3

2.1.2 复杂网络的图表示-3

2.2 社区检测-4

2.2.1 社区结构-4

2.2.2 模块度函数-4

2.2.3 社区检测分类-5

2.3 模糊重叠社区检测-5

3 基于模块度最优化的模糊重叠社区检测原理-6

3.1 模糊模块度优化-6

3.2 基于模块度最优化的模糊重叠社区检测原理-6

4 基于模块度最优化的模糊重叠社区检测系统设计与实现-8

4.1 初始化操作-8

4.2 进化操作-8

4.3 纠错操作-9

4.4 基于差分进化算法的社区检测算法-10

4.4.1 DECD算法框架-10

4.4.2 DECD算法结果分析-11

4.5 基于模块度最优化的模糊重叠社区检测算法-12

4.5.1 DEFCD算法框架-12

4.5.2 DEFCD算法结果分析-13

4.6 社区硬划分与模糊重叠社区划分的对比-14

结    论-16

参 考 文 献-17

致    谢-18