基于代数连通性的复杂网络社区发现研究

网络的代数连通性是拉普拉斯矩阵的第二小特征值,它可以用于测量网络的连通程度。为改善复杂网络分割算法的时间复杂度,基于代数连通性提出一种谱优化模型,并将其应用于复杂网络的小社区发现中。通过最小化网络连通性函数在候选边集中选择要删除的边集。该凸优化问题可由半正定规划解决,但其时间复杂度高,所以只能处理规模适中的复杂网络。为解决这个模型优化问题,采用贪婪策略优化方法,使该算法可以应用于大规模复杂网络。另一方面,社区边界的边影响代数连通性函数的优化效果,根据费德勒向量为每条边设定权重来解决这一问题。最后应用该模型对模拟复杂网络和真实复杂网络实例进行验证,结果表明该模型有效降低了GN算法的迭代次数,从而降低其时间复杂度,并有效保持其分割效果。