基于结构相似度的多尺度局部社区发现算法

社会网络规模巨大且结构动态变化给传统社区发现算法带来了巨大挑战,局部社区算法通过种子节点进行扩展得到局部社区,较好解决了这些问题。结合节点结构相似度在传统社区定义的基础上提出了一种新的社区定义,在该定义基础上引入尺度因子并定义了结构模块度,基于该模块度提出了一种多尺度局部社区发现算法,并改进该算法使之应用到局部重叠社区发现。通过实验选择效果较好的节点结构相似度,在真实网络中和其他局部社区发现算法进行对比实验,结果表明该算法具有较好的性能。

基于图注意力的烟草零售店监管路线优化研究

由于城市烟草零售店较为密集,传统路径规划算法求解最优监管路径将耗费大量的运算时间,在规定时间内无法保证运算效果。并且,现有方法较少考虑求解问题的网络特性及候选子集的可解释性。鉴于此,提出一种基于图注意力的节点选择及路径优化算法(GA-SGPO),迭代选择最优坐标节点子集,在子集上进行求解以减少计算时间。此外,通过计算节点间的结构相似性,降低子集样本稀疏性。实验数据包括东莞市4万家零售店的地理坐标。实验结果显示,所提出的GA-SGPO模型在保证求解精度的同时,求解时间平均提升48%。GA-SGPO算法可显著节省计算时间,更贴近实际应用场景。而注意力机制和节点相似度计算,可为最优节点选择提供可视化依据。