更改

===经典贪婪算法===

===经典贪婪算法===

模块度最大化问题是一个经典的最优化问题，'''马克·纽曼 Mark NewMan '''基于贪婪思想提出了模块度最大化的贪心算法FN 。贪婪思想的目标是找出目标函数的整体最优值或者近似最优值，它将整体最优化问题分解为局部最优化问题。找出每个局部最优值，最终将局部最优值整合成整体的近似最优值。初始时，FN算法将网络中的每个节点都看成独立的小社团。然后考虑所有相连社区两两合并的情况，计算每种合并带来的模块度的增量。基于贪婪原则，选取使模块度增长最大或者减小最少的两个社团，将它们合并成一个社团。如此循环迭代，直到所有结点合并成一个社区。随着迭代的进行，网络总的模块度是不断变化的，在模块度的整个变化过程中，其最大值对应网络的社团划分就视为最优社团划分。

模块度最大化问题是一个经典的最优化问题，'''马克·纽曼 Mark NewMan '''基于贪婪思想提出了模块度最大化的'''贪婪算法 Fast NewMan(FN)''' 。贪婪思想的目标是找出目标函数的整体最优值或者近似最优值，它将整体最优化问题分解为局部最优化问题。找出每个局部最优值，最终将局部最优值整合成整体的近似最优值。初始时，FN算法将网络中的每个节点都看成独立的小社团。然后考虑所有相连社区两两合并的情况，计算每种合并带来的模块度的增量。基于贪婪原则，选取使模块度增长最大或者减小最少的两个社团，将它们合并成一个社团。如此循环迭代，直到所有结点合并成一个社区。随着迭代的进行，网络总的模块度是不断变化的，在模块度的整个变化过程中，其最大值对应网络的社团划分就视为最优社团划分。

贪婪算法FN具体步骤：

贪婪算法FN具体步骤：

# 去掉网络中所有的边，网络的每个节点都单独作为一个社团；

# 去掉网络中所有的边，网络的每个节点都单独作为一个社团；