差分进化算法改进研究及其应用
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-17页 |
| 1.2.1 差分进化算法的改进研究 | 第12-15页 |
| 1.2.2 复杂网络社区发现方法的研究现状 | 第15-17页 |
| 1.3 论文研究内容 | 第17页 |
| 1.4 论文结构与章节安排 | 第17-19页 |
| 第2章 差分进化算法概述 | 第19-30页 |
| 2.1 基本差分进化算法 | 第19-22页 |
| 2.1.1 算法的原理 | 第19-21页 |
| 2.1.2 算法的流程 | 第21-22页 |
| 2.2 差分进化算法控制参数分析 | 第22-24页 |
| 2.3 差分进化算法策略分析 | 第24-27页 |
| 2.3.1 变异策略 | 第24-25页 |
| 2.3.2 交叉策略 | 第25-27页 |
| 2.3.3 选择策略 | 第27页 |
| 2.4 差分进化算法的应用 | 第27-29页 |
| 2.5 小结 | 第29-30页 |
| 第3章 基于阈值统计学习的差分进化引力搜索算法 | 第30-43页 |
| 3.1 引言 | 第30-31页 |
| 3.2 引力搜索算法 | 第31-33页 |
| 3.3 DEGSA-SL算法设计及实现 | 第33-37页 |
| 3.3.1 阈值统计学习 | 第33-34页 |
| 3.3.2 DEGSA-SL算法思想 | 第34-35页 |
| 3.3.3 DEGSA-SL算法执行过程 | 第35-36页 |
| 3.3.4 DEGSA-SL算法时间复杂度分析 | 第36-37页 |
| 3.4 仿真实验与结果分析 | 第37-42页 |
| 3.4.1 算法收敛精度比较 | 第38-40页 |
| 3.4.2 算法收敛速度比较 | 第40页 |
| 3.4.3 算法参数分析 | 第40-42页 |
| 3.5 小结 | 第42-43页 |
| 第4章 基于免疫离散差分进化算法的网络社区发现 | 第43-55页 |
| 4.1 引言 | 第43-44页 |
| 4.2 问题的定义 | 第44页 |
| 4.3 免疫离散差分进化算法 | 第44-49页 |
| 4.3.1 个体编码与初始化 | 第44-45页 |
| 4.3.2 离散差分进化算法 | 第45-47页 |
| 4.3.3 免疫克隆选择策略 | 第47页 |
| 4.3.4 IDDE算法执行过程 | 第47-49页 |
| 4.3.5 IDDE算法时间复杂度分析 | 第49页 |
| 4.4 仿真实验与结果分析 | 第49-54页 |
| 4.4.1 计算机生成的网络 | 第49-52页 |
| 4.4.2 真实世界网络 | 第52-54页 |
| 4.5 小结 | 第54-55页 |
| 结论 | 第55-57页 |
| 参考文献 | 第57-63页 |
| 致谢 | 第63-64页 |
| 附录A (攻读学位期间发表的学术论文) | 第64-65页 |
| 附录B (攻读学位期间参与的科研课题) | 第65页 |
