네트워크 커뮤니티 탐지를 위한 이중목표 유전 알고리즘

본 논문은 네트워크에서 커뮤니티 구조를 탐지하기 위해 두 개의 상충 목표—모듈러티와 커뮤니티 스코어—를 동시에 최적화하는 이중목표 유전 알고리즘(BOCD)을 제안한다. 서론에서는 커뮤니티 탐지의 중요성을 사회·과학·공학 전반에 걸쳐 강조하고, 기존 방법들이 주로 단일 목표(예: 모듈러티 최대화) 혹은 다목적 최적화를 충분히 활용하지 못했다는 점을 지적한다. 문제 정의 섹션에서는 네트워크를 무방향 그래프 G=(V,E)로 모델링하고, 커뮤니티 스코어를 내부 연결 수와 외부 연결 비율을 결합한 형태로 수식화한다. 구체적으로, 각 노드 i에 대해 내부 차수 k_i^in과 외부 차수 k_i^out을 구하고, 이를 이용해 노드별 기여도 f_i를 정의한 뒤, 커뮤니티 전체 스코어 S(C)=∑_i f_i·(k_i^in)^{α} 형태(α는 경험적 파라미터)로 계산한다. 모듈러티 Q는 Newman‑Girvan 정의에 따라 Q=∑_c