| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第10-11页 |
| 缩略语对照表 | 第11-15页 |
| 第一章 绪论 | 第15-25页 |
| 1.1 引言 | 第15-16页 |
| 1.2 复杂网络的基本概念 | 第16-19页 |
| 1.2.1 复杂网络的图表示 | 第16页 |
| 1.2.2 复杂网络的特性 | 第16-19页 |
| 1.3 社区检测的研究意义与研究现状 | 第19-20页 |
| 1.3.1 研究意义 | 第19-20页 |
| 1.3.2 研究现状 | 第20页 |
| 1.4 几种常见的社区检测算法 | 第20-24页 |
| 1.4.1 基于图分割的方法 | 第20-22页 |
| 1.4.2 基于层次聚类的方法 | 第22-23页 |
| 1.4.3 基于目标函数优化的方法 | 第23-24页 |
| 1.5 本论文的主要工作及内容安排 | 第24-25页 |
| 第二章 蚁群优化算法 | 第25-33页 |
| 2.1 引言 | 第25页 |
| 2.2 蚁群算法研究现状 | 第25-26页 |
| 2.3 蚁群算法的基本原理以及优缺点 | 第26-28页 |
| 2.3.1 基于TSP的蚁群优化数学模型 | 第26-28页 |
| 2.3.2 蚁群算法的优点和不足 | 第28页 |
| 2.4 几种改进的蚁群算法 | 第28-31页 |
| 2.4.1 精英蚂蚁系统 | 第28页 |
| 2.4.2 蚁群系统算法 | 第28-29页 |
| 2.4.3 最大最小蚁群算法 | 第29-30页 |
| 2.4.4 基于排列的蚂蚁系统 | 第30页 |
| 2.4.5 其它改进策略 | 第30-31页 |
| 2.5 蚁群算法参数分析 | 第31-32页 |
| 2.5.1 参数α 和 β 对算法性能的影响分析 | 第31页 |
| 2.5.2 参数 ρ 对算法性能的影响分析 | 第31页 |
| 2.5.3 参数m对算法性能的影响分析 | 第31-32页 |
| 2.5.4 参数Q对算法性能的影响分析 | 第32页 |
| 2.6 本章小结 | 第32-33页 |
| 第三章 智能蚁群优化算法在复杂网络社区检测中的应用 | 第33-45页 |
| 3.1 引言 | 第33页 |
| 3.2 解的表示 | 第33-34页 |
| 3.3 信息素和启发式信息的定义 | 第34-35页 |
| 3.4 智能蚁群优化算法流程 | 第35-39页 |
| 3.4.1 初始化 | 第35页 |
| 3.4.2 解的构造 | 第35页 |
| 3.4.3 继承学习阶段 | 第35-37页 |
| 3.4.4 自学习阶段 | 第37页 |
| 3.4.5 信息素更新 | 第37-39页 |
| 3.5 实验结果及分析 | 第39-43页 |
| 3.5.1 人工生成网络数据 | 第40-41页 |
| 3.5.2 现实世界网络数据 | 第41-43页 |
| 3.6 本章小结 | 第43-45页 |
| 第四章 基于分解的多目标蚁群优化算法在复杂网络社区检测中的应用 | 第45-63页 |
| 4.1 引言 | 第45页 |
| 4.2 算法中的基本概念 | 第45-48页 |
| 4.2.1 多目标优化算法 | 第45-46页 |
| 4.2.2 目标函数的选择 | 第46-47页 |
| 4.2.3 分解和聚合方法 | 第47-48页 |
| 4.2.4 邻域、组和外部档案 | 第48页 |
| 4.3 算法流程 | 第48-52页 |
| 4.3.1 初始化 | 第49页 |
| 4.3.2 解的构造 | 第49-50页 |
| 4.3.3 更新外部档案 | 第50页 |
| 4.3.4 更新信息素 | 第50-52页 |
| 4.3.5 更新当前解 | 第52页 |
| 4.4 实验结果及分析 | 第52-61页 |
| 4.4.1 算法中参数对算法性能的影响分析 | 第52-53页 |
| 4.4.2 参数最优取值范围 | 第53-58页 |
| 4.4.3 与其他算法的对比结果 | 第58-59页 |
| 4.4.4 多分辨率划分结果 | 第59-61页 |
| 4.5 本章小结 | 第61-63页 |
| 第五章 总结与展望 | 第63-65页 |
| 5.1 总结 | 第63-64页 |
| 5.2 展望 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 致谢 | 第69-71页 |
| 作者简介 | 第71-72页 |