基于群体智能优化算法的复杂网络结构优化与分析
摘要 | 第5-7页 |
ABSTRACT | 第7-8页 |
符号对照表 | 第12-14页 |
缩略语对照表 | 第14-18页 |
第一章 绪论 | 第18-30页 |
1.1 研究背景 | 第18-19页 |
1.2 主要研究方向及相关工作 | 第19-22页 |
1.2.1 网络传播控制及相关工作 | 第19-20页 |
1.2.2 影响最大化及相关工作 | 第20-21页 |
1.2.3 符号网络的结构平衡及相关工作 | 第21-22页 |
1.3 复杂网络表示和概念 | 第22-25页 |
1.3.1 复杂网络表示方法 | 第22-23页 |
1.3.2 复杂网络特性 | 第23-25页 |
1.4 演化优化与群体智能优化算法 | 第25-27页 |
1.4.1 单目标优化问题 | 第25页 |
1.4.2 多目标优化问题 | 第25-26页 |
1.4.3 单目标群体智能优化算法 | 第26页 |
1.4.4 多目标群体智能优化算法 | 第26-27页 |
1.5 本文的主要工作及结构 | 第27-30页 |
第二章 基于演化计算的网络结构优化与传播控制 | 第30-48页 |
2.1 引言 | 第30页 |
2.2 复杂网络传播控制 | 第30-33页 |
2.2.1 流行病传播模型 | 第30-31页 |
2.2.2 网络结构的传播阈值 | 第31-32页 |
2.2.3 基于结构优化的传播控制 | 第32-33页 |
2.3 基于演化计算的复杂网络结构优化 | 第33-39页 |
2.3.1 解的表示方法 | 第33页 |
2.3.2 算法框架 | 第33-34页 |
2.3.3 初始化方法 | 第34-35页 |
2.3.4 遗传操作 | 第35-37页 |
2.3.5 局部搜索策略 | 第37-39页 |
2.4 实验结果与分析 | 第39-46页 |
2.4.1 实验设置 | 第39页 |
2.4.2 SF网络的结果分析 | 第39-41页 |
2.4.3 真实网络的结果分析 | 第41-43页 |
2.4.4 MSOS与GA的对比分析 | 第43-46页 |
2.5 本章小结 | 第46-48页 |
第三章 基于群体智能算法的网络选点与影响最大化 | 第48-64页 |
3.1 引言 | 第48页 |
3.2 影响最大化概念 | 第48-50页 |
3.2.1 影响传播模型 | 第48-49页 |
3.2.2 影响最大化模型 | 第49页 |
3.2.3 影响最大化经典算法 | 第49-50页 |
3.3 基于群体智能算法的影响最大化算法 | 第50-55页 |
3.3.1 目标函数的设计 | 第50-52页 |
3.3.2 表示方法 | 第52页 |
3.3.3 算法框架 | 第52页 |
3.3.4 初始化 | 第52-53页 |
3.3.5 更新规则 | 第53-54页 |
3.3.6 局部搜索 | 第54-55页 |
3.3.7 算法复杂度分析 | 第55页 |
3.4 实验结果分析 | 第55-62页 |
3.4.1 对比算法和网络数据 | 第56页 |
3.4.2 实验参数的选择 | 第56-58页 |
3.4.3 局部搜索策略对比分析 | 第58页 |
3.4.4 结果对比分析 | 第58-60页 |
3.4.5 统计检验分析 | 第60-62页 |
3.4.6 时间对比分析 | 第62页 |
3.5 本章小结 | 第62-64页 |
第四章 基于多目标群体智能算法的网络结构平衡研究 | 第64-76页 |
4.1 引言 | 第64页 |
4.2 符号网络结构平衡 | 第64-66页 |
4.2.1 符号网络结构平衡性 | 第64-66页 |
4.2.2 多目标优化 | 第66页 |
4.3 基于多目标群体优化算法的结构平衡分析研究 | 第66-69页 |
4.3.1 网络结构平衡分析优化模型 | 第66-68页 |
4.3.2 多目标粒子群算法步骤 | 第68页 |
4.3.3 实验评价指标 | 第68-69页 |
4.4 实验结果与分析 | 第69-74页 |
4.4.1 对比算法和实验数据 | 第69-70页 |
4.4.2 与单目标优化模型的对比分析 | 第70-72页 |
4.4.3 多目标优化模型的对比分析 | 第72-73页 |
4.4.4 不同算法的对比分析 | 第73-74页 |
4.5 本章小结 | 第74-76页 |
第五章 总结与展望 | 第76-78页 |
5.1 工作总结 | 第76-77页 |
5.2 展望 | 第77-78页 |
参考文献 | 第78-86页 |
致谢 | 第86-88页 |
作者简介 | 第88-89页 |