复杂网络中模块结构探测的理论与算法研究

许多类型的复杂网络包括生物网络和社会网络都具有模块结构或社团结构。识别复杂网络的模块结构有助于更清楚地理解网络的整体性质，因此，探测网络的模块结构正引起许多数学界、物理学界、生物学界学者的关注。尽管对这一问题已有不少研究，但由于网络的复杂性、大规模性等特点使得现有算法还存在很多问题。本项目将围绕探测复杂网络的模块结构或社团结构进行研究。拟解决的主要问题是：1. 设计能够探测更符合实际的模块结构的算法，特别是探测允许重叠（overlapping）的模块结构，这与传统的硬划分算法有根本区别；2. 针对现有模式测度函数Q的局限性，研究一种更合理的模式测度来评价网络的模块结构；3. 设计能够自动确定类数的、适合大规模网络的模块结构探测算法；4. 根据复杂网络的模块结构特点，在复杂网络中引入属性预测问题,并建立模型与算法。这是更一般化的功能预测问题。