写综述想到的

复杂网络的社团划分相关学习进行了好一阵子，周遭乱七八糟的事情搞得一直没有专心做总结，最近写综述才发现很多看过的东西不总结下来真心是记不住，于是，好的，整理整理吧，这次先从国防科大骆志刚教授的论文《复杂网络社团发现算法研究新进展》说起。

印象中复杂网络聚类算法的划分有很多很多，但是真心是五花八门，按照算法的思路区分也就算了，竟然有人仅仅按重叠非重叠去分，真的让人无语。这篇文章的划分方式其实我也评判不出优劣，不过权且一看，给个思路吧，至少人家教授比我还是强悍的多了不知多少倍。非重叠社团发现，这部分社区发现算法的研究相对来说已经比较成熟了，从GN算法开启这一领域的研究之门，后续的创新和改进大量涌现。按照本文的划分：

一、基于模块度优化的社团发现算法，也就是优化模块度Q值的一部分算法。Q值是由Newman在2004年的论文"Fast Algorithm for Dectecting Community Structure in Networks"中提出的(也就是FN算法)。通过优化Q值来提高模块度是这类算法的主要思路，在此基础上，本文又划分了三个类别：①采用聚合思想，也就是分层聚类中的自底向上的作法。典型算法有Newman快速算法(FN算法)、CNM算法(Finding Local Community Structure in Networks)和MSG-MV算法(Multistep Greedy Algorithm Identifies Community Structure i