基于networkx实现了复杂网络重叠模块度指标，文件的主函数给出了使用方法，以karateclub数据集的分类结果作为示例

本资源收录了关于多层网络的模块度最大化问题的（multiplex modularity maximization，mmm）genlouvain贪婪算法，pmm算法与自编谱方法，并收录了一些常用的多层网络数据（包括实际数据与合成数据），并附上了算法在这些数据上的运行结果。特别地，对于合成数据，还提供了nmi与ari评价指标的代码

针对现有社区发现算法存在社区质量不满足图可视化要求和算法效率低的问题, 提出一种改进的启发式社 区发现算法. 该算法基于模块度优化, 通过结合预先选取种子节点的方法, 抑制算法中大社区的过度合并, 同时及时 合并小的社区; 然后针对力导引布局算法存在社区结构不明显和布局效率低问题, 提出一种展示大规模社区结构的 社区布局算法, 通过引入社区引力促使同一社区中的节点聚拢, 优化了社区引力建模, 简化了布局算法步骤. 实验结 果表明, 文中算法能够清晰、高效地展示大规模社交网络数据.

这是一个基于遗传算法的社区发现算法代码 论文:Community detection based on modularity and an improved genetic algorithm ###使用方法: 1.在CommityData.java文件里面,更改path变量. ###代码结构: 1.CommityData.java:定义了全部变量,以及数据的初始化工作 2.SpeciesIndividual.java:染色体个体 3.SpeciesPopulation.java:物种群,用链表的形式来存储每一个SpeciesIndividual个体 4.GeneticAlgorithm.java:遗传算法步骤,包括选择交叉变异等操作 5.MainRun.java:主函数

改进模块度函数的复杂网络聚类方法及其应用.pdf

一种最大化模块度的可重叠联合聚类算法.pdf

算法来自论文：Fast unfolding of communities in large networks 是一种快速的非重叠的社团划分算法 使用说明，直接调用BGLL函数，参数传入Graph类型的变量就可以得到结果，返回值第一个是所返回的社区结果，第二个是所有节点对应的社区号。

社区发现算法Louvain，运算速度非常快，只需要计算相邻结点社区变换Q的变换。贪婪优化

算法来自论文：Fast unfolding of communities in large networks 是一种快速的非重叠的社团划分算法 使用说明，直接调用BGLL函数，参数传入Graph类型的变量就可以得到结果，返回值第一个是所返回的社区结果，第二个是所有节点对应的社区号。