《表1 算法1：基于社团结构的组合信息重连策略》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于社团结构的组合信息重连策略》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

接近中心性反映的是网络中某个点到任何其他节点的邻近程度，一个具有高接近中心性的节点，说明其距离其他节点都较近，也说明其在网络中心位置上。本文的核心-外围结构采用Kumari[17]提出的基于节点接近中心性的值，相似于度k-core分解的形式，从内部到外部划分网络层，网络被分为多层核。核数（NumCore）与依据节点度划分核数相同。每一层核数的间隔（Interval）如下：。节点越接近其他节点，节点越核心，最内层核的节点比网络中的其他节点具有更高的接近度。因此，数据包越容易到达这些核内节点，使得这些节点越容易发生拥塞。基于上述分析，在我们的链路重连策略中，首先利用社团探测算法，将初始网络划分社团，根据网络节点的接近中心性，划分出k-core，并依据节点间的度度相关性计算出网络节点的同配矩阵（rd），找到网络最内层核的节点i（若出现多个，随机取一个），判断其所在的社团，在该社团里找到与节点i相连的位于核中心的同配节点j，删除边（i，j）；添边时，找到网络最外层核的节点u（若出现多个，随机取一个），判断节点u所在社团是否是最大社团（度数之和最大的社团），若是，再找到次大社团，添加节点u与次大社团里节点的连边，每次添边后都计算网络模块度的差值ΔQ，找到最能减弱网络社团特性且较外层核的异配节点v，添加边（u，v）。若不是，则找到最大社团，添加节点u与最大社团里节点的连边，每次添边后都计算网络模块度的差值ΔQ，找到最能减弱网络社团特性且较外层核的异配节点v，添加边（u，v）。具体算法如表1。