YoungITの博客

模块度（矩阵方法）实现Matlab&Python，也将其拓展到了符号网络模块度QS（矩阵方法）

云服务器上运行python程序（PyCharm本地编辑同步服务器+Anaconda）挂载跑实验教程

花了4个小时就为装这个玩样，终于解决了，真的又气又兴奋（笑死）。不知道是版本问题还是什么，我在自己电脑上使用pip install SciencePlots安装，只能安装1.0.1版本，但是这个版本根本没有效果，用不了。然后我又使用手动安装si在了一个细节上，坑太多了。我的开发环境：Anaconda python3.6官方地址（其实SciencePlots是matplotlib样式包，是给定了几个学术作图的样式）SciencePlots · PyPIFormat Matplotlib

DECD算法框架0.参数设置：NP、F、CR、Gend、Threshold_value、G=01.初始化群体：随机生成NP个个体，并对其进行偏好操作，后构成初始种群PG；2.评价操作：计算PG所有个体的模块度Q（→xi ）；3.变异操作：对PG中的每个个体 →xi 进行变异操作得到一个变异种群→ vi ；按公式（2-6）对 →vi 每个分量进行边界检测并修正，得到变异种群VG；（变异策略：rand/1）4.纠错操作：计算VG中所有变异个体→ vi 中的每个基因（节点）的社区差异值CV

之前做的笔记，转至他人，但忘了链接时间复杂度 这一类 数据规模 n 在指数位置的复杂度.P问题定义:能够在多项式时间复杂度内解决的问题, 称为 P问题(Polynomial problem).NP问题首先注意, NP问题并不是所有不是N问题的问题 (有点绕).因为现在没有多项式解法的问题, 在未来不一定没有多项式解法, 所以除了那些已经被证明了不存在多项式解法的问题, 其他问题在未来都可能变为P问题.而一个问题没有多项式解法的条件是 : 不能在多项式复杂.

NP-hard问题介绍NP困难之前要说到P问题和NP问题，P问题是在多项式时间内可以被解决的问题，而NP问题是在多项式时间内可以被验证其正确性的问题。 NP困难（NP-hardness, non-deterministic polynomial-time hardness）问题是计算复杂性理论中最重要的复杂性类之一。如果所有NP问题都可以多项式时间归约到某个问题，则称该问题为NP困难。进化算法进化算法（英语：Evolutionary Algorithm ）是人工智能中进化计算的子集。进化算法启发

单目标优化——模块度最优化算法1.基于K派系过滤的社团检测（基于物理模型）相关基础概念：K-派系（clique）：网络中包含K个节点的全耦合子图，即K个节点中的任意两个节点之间都是相互连接的。相邻：若两个K-派系中有K-1个公共节点，称这两个K-派系相邻。连通：若一个K-派系可以通过若干个相邻的K-派系到达另一个K-派系，称其彼此连通。K-派系社团：所有彼此连通的K-派系构成的集合，称为一个K-派系社团。对上述网络进行K-派系过滤划分：(1)在给定网络中找出所有规模为k=3的

前言：最近刚定下的课题，现在主要学习网络基础概念的知识，凡是学习总是得做下总结笔记才能比较清楚。也分享给大家一起学习吧，如有错误可以提出私信我或者评论。社会网络通常显示出较强的社区效应，网络中的节点趋于形成紧密联系的群组。社区定义：社区结构是网络顶点的组。 在这些组内有密集的内部联系，但在组之间有较少的边缘。社区特征：社团内部连接紧密，社团之间连接相对稀疏。社区发现/社区检测/社团检测定义：将网络节点按照其内在的拓扑结构连接紧密程度划分成若干子图的过程。社区结构划分的意义