基于动量粒子群优化的社会网络分析

针对社会网络分析中的社区发现问题,在原有的粒子群优化算法的基础上,提出了一种基于动量粒子群优化算法,并且将此算法应用于社会网络分析中的社区发现研究中,提出了一种自适应社区发现方法.利用Newman提出的模块度作为适应度函数,在优化过程中自动获取社区数目,在Karate网络上的实验结果表明,所提出的算法能够有效地进行社区...     

简约粒子群优化算法

针对全局版粒子群的早熟和局部版粒子群的最优位置信息利用率低的问题，提出简约粒子群算法．该算法使用速度松弛迭代策略，使粒子不必频繁更新速度，当粒子速度有利于适应度进一步提高时，就在下一个迭代周期内维持该速度，这有利于提高良好速度信息的利用率，减小算法的计算量，加快运算的收敛速度．同时，利用精英集团策略，使多个最优位置信息在种群内充分共享，有效地控制了种群多样性，避免了早熟现象．在典型标准测试函数上进行了全局、局部版惯性因子粒子群和全局、局部版约束因子粒子群测试比较，结果表明简约粒子群算法具有更强的寻优能力和更高的稳定性，且计算量也比较小．     

一种多维策略的移动协同群组形成模型

针对移动、协同计算中缺乏群组形成模型的问题,提出了一种多维策略的移动协同群组形成模型(FMCGM).首先定义了论域U和移动协同群组G,并构造了G的网络空间模型.依据G中成员之间的关系,将移动协同群组划分为实体型群组(WG)和兴趣型群组(IG),以此抽取影响WG、IG形成的主要因素,并以这些因素为基构造多维因素空间,进而将移动协同群组的形成问题归结为参与协作的移动用户在因素空间上的相似性判定问题,从而构造出FMCGM模型,最后给出了该模型的案例.实验表明,该模型能处理移动协作群体的复杂性、动态性问题,从而保证移动协同服务支撑平台具有较强的协作支撑能力.