1、隨著復(fù)雜網(wǎng)絡(luò)理論不斷完善與應(yīng)用研究的深入開展，網(wǎng)絡(luò)科學(xué)已經(jīng)逐步發(fā)展成為當(dāng)前備受關(guān)注的熱點(diǎn)課題。作為各類復(fù)雜系統(tǒng)一個(gè)共有的重要性質(zhì)，社團(tuán)結(jié)構(gòu)對于理解網(wǎng)絡(luò)系統(tǒng)的結(jié)構(gòu)與功能具有重要的理論意義與應(yīng)用價(jià)值，是網(wǎng)絡(luò)科學(xué)研究的一個(gè)重要內(nèi)容。理論上，社團(tuán)探測是一個(gè)NP難題，其有效算法無法回避時(shí)間復(fù)雜度與計(jì)算精確度之間的矛盾。這一矛盾隨著大數(shù)據(jù)時(shí)代的到來而變得更加尖銳。發(fā)展快速而準(zhǔn)確的社團(tuán)探測算法是目前社團(tuán)結(jié)構(gòu)研究的一個(gè)重點(diǎn)。
　　本論文首先回顧了

2、復(fù)雜網(wǎng)絡(luò)的拓?fù)湫再|(zhì)與社團(tuán)結(jié)構(gòu)特征，總結(jié)和分析了傳統(tǒng)的社團(tuán)探測算法。其次，基于經(jīng)典的GN算法，我們提出了一種改進(jìn)的GN算法來探測無本征邊權(quán)的網(wǎng)絡(luò)，然后拓展到加權(quán)網(wǎng)絡(luò)中。將改進(jìn)的算法應(yīng)用于人工和真實(shí)網(wǎng)絡(luò)，測試結(jié)果表明：在無權(quán)和加權(quán)網(wǎng)絡(luò)中，該算法均能夠更有效地探測到社團(tuán)結(jié)構(gòu)。此外，改進(jìn)算法中的邊介數(shù)加權(quán)迭代方案可以直接應(yīng)用于其它的社團(tuán)探測算法中。
　　基于模塊度優(yōu)化的社團(tuán)探測方法是一類廣泛應(yīng)用且有效的社團(tuán)結(jié)構(gòu)探測策略?？紤]到網(wǎng)絡(luò)理論中的

3、節(jié)點(diǎn)相似度與社團(tuán)結(jié)構(gòu)探測的關(guān)聯(lián)，我們針對模塊度優(yōu)化算法提出了基于局部拓?fù)湎嗨贫鹊纳鐖F(tuán)探測算法。其算法的關(guān)鍵技術(shù)是：利用局部節(jié)點(diǎn)相似度將無權(quán)網(wǎng)絡(luò)加權(quán)或者將加權(quán)網(wǎng)絡(luò)重新權(quán)重化，然后再基于模塊度優(yōu)化方法實(shí)現(xiàn)網(wǎng)絡(luò)的社團(tuán)結(jié)構(gòu)探測。我們將上述方案與三種傳統(tǒng)的社團(tuán)結(jié)構(gòu)探測算法相結(jié)合，在均勻網(wǎng)絡(luò)和異構(gòu)網(wǎng)絡(luò)中進(jìn)行測試，比較分析了局部相似性指標(biāo)對基于模塊化的探測算法的影響。結(jié)果表明：各種局部相似性指標(biāo)對改進(jìn)的基于模塊化的算法是起了至關(guān)重要的作用，在保證比較