自然中的很多真实系统,如社交网络,交通系统,电力系统等,都可以被抽象为复杂网络。随着信息科技的发展,获取、存储和分析复杂网络数据成为可能。真实网络的结构分析与挖掘可以帮助理解真实系统的功能与行为。社区结构是复杂网络最重要的性质之一,分析复杂网络的社区结构有助于理解网络中模块内部和模块之间个体的关系,并且为分析网络的其他性质和功能提供了基础,如疾病传播抑制、推荐系统等。研究网络结构平衡特性可以帮助理解网络中的朋友和敌对关系,预测网络的动态演化过程。推荐系统是网络预测的一个典型应用,为用户提供便利的同时也给商家带来可观的效益。本论文主要研究复杂网络结构分析和行为预测中的以下问题:复杂网络深度社区检测;疾病传播抑制;符号网络结构平衡转换和多目标个性化推荐。本论文研究思路为将上述研究问题建模为优化问题,结合网络结构知识设计高效的进化算法来解决所建模的优化问题。本论文研究工作主要包含以下几个部分:1、深度社区检测有助于发现真实系统的重要社区和重要成员。传统贪婪深度社区检测算法准确率高但是时间复杂度也非常高。本文提出了一种新的Memetic算法用于深度社区检测。结合特定网络知识,重新设计了Memetic算法的遗传算子和局部搜索策略。新提出的Memetic算法由全局遗传算法和局部搜索策略构成,全局搜索在整个空间搜索可能的社区检测结果,局部搜索在局部最优解邻域中搜索最优社区检测结果。本文提出的Memetic算法在效率和效果上达到很好的平衡。2、生物病毒和谣言等对人们的生活和健康造成不可估量的损失,因此阻止它们的传播是非常必要的。免疫策略是疾病传播抑制最常用的策略之一,免疫最少的节点得到最大的效果是免疫策略的目标。本文将疾病传播抑制问题建模为优化问题,提出了一种基于Memetic算法和社区结构的疾病传播抑制算法。首先使用传统社区检测算法将网络划分为不同的社区。枢纽节点在社区内部疾病传播中扮演着重要角色,社区间的桥节点有助于疾病从一个社区传播到其他社区。依据上述结论,选择合适的枢纽节点和桥节点得到候选种子集。提出了一个新的Memetic算法通过优化疾病传播阈值函数从候选种子集中得到最终的免疫节点。本文算法可以很好的阻止疾病传播,且时间复杂度低。3、符号网络是指具有正属性和负属性的网络,分别使用正边和负边表示友好和敌对关系。符号网络结构平衡问题主要研究网络的平衡判定、平衡性度量,以及符号网络的演化动力学。本文研究不平衡网络以最小代价从不平衡状态演化为平衡状态。针对符号网络结构平衡中的转换代价问题,提出了一个新的能量函数衡量转换代价,并将平衡转换代价问题建模为优化问题。结合网络的结构性质,提出了一个新的Memetic算法求解该优化问题。在Memetic算法中,设计了两种局部搜索策略加速算法收敛和寻优。调节目标函数中的转换代价参数,本文算法可以得到不同的转换代价。4、个性化推荐系统被成功的应用于各大社交平台。提高推荐准确率往往给用户推荐非常相似的商品,并不能给用户带来很好的体验。针对推荐系统中推荐准确率和多样性两难问题,本文将推荐系统建模为多目标优化问题。设计了两个目标函数分别评价算法推荐准确和不相似商品的能力。本文提出了一种基于分解的多目标进化算法优化该多目标优化问题。本文算法每次运行可以为决策者提供多组解,其中包含多个高质量的解。5、不同位置的用户有着不同的偏好,因此用户的位置信息可以用于提高推荐质量。本文将用户的位置信息引入推荐系统中,设计了两个目标函数分别衡量算法推荐相似商品和提高覆盖率的能力,将基于位置的个性化推荐问题建模为多目标优化问题,并提出了一种多目标进化算法求解该多目标优化问题。该算法将用户划分到不同的社区,在每个社区内使用传统协同过滤算法产生推荐。本文算法可以提高推荐质量,并且可以很好地缓解数据稀疏和冷启动问题。