| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 研究背景 | 第9页 |
| 1.2 研究目的及意义 | 第9-10页 |
| 1.3 国内外研究现状 | 第10-13页 |
| 1.4 研究内容及章节安排 | 第13-15页 |
| 第2章 加权物流网络研究 | 第15-31页 |
| 2.1 复杂网络概述 | 第15-19页 |
| 2.1.1 复杂网络统计特征 | 第15-17页 |
| 2.1.2 加权网络概述 | 第17-18页 |
| 2.1.3 物流网络概述 | 第18-19页 |
| 2.2 网络赋权模型 | 第19-22页 |
| 2.2.1 赋权思想 | 第19-20页 |
| 2.2.2 节点流模型 | 第20-22页 |
| 2.3 加权物流网络的统计特征 | 第22-30页 |
| 2.3.1 静态统计特征 | 第23-26页 |
| 2.3.2 权——度相关性 | 第26-30页 |
| 2.4 本章小结 | 第30-31页 |
| 第3章 基于混合加权ERGMs的物流网络模型研究 | 第31-57页 |
| 3.1 指数随机图模型概述 | 第31-37页 |
| 3.1.1 指数随机图模型的起源 | 第31-32页 |
| 3.1.2 p_1模型 | 第32-34页 |
| 3.1.3 指数随机图模型 | 第34-35页 |
| 3.1.4 p_2模型 | 第35-37页 |
| 3.2 混合加权指数随机图模型 | 第37-42页 |
| 3.2.2 混合指数随机图模型 | 第37-39页 |
| 3.2.3 混合加权指数随机图模型 | 第39-42页 |
| 3.3 混合加权指数随机图模型的贝叶斯估计 | 第42-48页 |
| 3.3.1 贝叶斯估计 | 第42-44页 |
| 3.3.2 Markov Chain Monte Carlo算法 | 第44-48页 |
| 3.4 加权物流网络的模拟仿真 | 第48-54页 |
| 3.5 模型选择 | 第54-56页 |
| 3.6 本章小结 | 第56-57页 |
| 第4章 物流网络节点重要度研究 | 第57-72页 |
| 4.1 节点重要度理论概述 | 第57-58页 |
| 4.2 节点重要度模型 | 第58-61页 |
| 4.3 加权网络节点重要度模型 | 第61-67页 |
| 4.3.1 加权节点重要度模型 | 第61-66页 |
| 4.3.2 δ_(ij)的确定 | 第66-67页 |
| 4.4 加权物流网络的实证分析 | 第67-70页 |
| 4.4.1 无权与加权网络对比 | 第67-68页 |
| 4.4.2 网络的抗毁性研究 | 第68-70页 |
| 4.5 本章小结 | 第70-72页 |
| 第5章 总结和展望 | 第72-74页 |
| 5.1 总结 | 第72-73页 |
| 5.2 展望 | 第73-74页 |
| 致谢 | 第74-75页 |
| 参考文献 | 第75-79页 |
| 攻读硕士学位期间发表论文及参加科研项目情况 | 第79-80页 |
| 附录 A | 第80-81页 |
| 附录 B | 第81-82页 |
| 附录 C | 第82-83页 |