首页--数理科学和化学论文--数学论文--代数、数论、组合理论论文--组合数学(组合学)论文--图论论文

分形网络的理论、算法及应用研究

摘要第10-12页
ABSTRACT第12-14页
1 绪论第15-21页
    1.1 复杂网络研究概述第15-16页
    1.2 复杂网络拓扑结构研究概述第16-18页
        1.2.1 小世界特征第16-17页
        1.2.2 无标度特征第17页
        1.2.3 社团结构第17-18页
    1.3 本文结构第18-21页
2 复杂网络中的分形研究第21-37页
    2.1 分形几何概述第21-27页
        2.1.1 分形与混沌现象第22-23页
        2.1.2 分形维度的定义第23-27页
    2.2 复杂网络中的分形第27-37页
        2.2.1 复杂网络中的分形特征发现第27-29页
        2.2.2 复杂网络分形结构的涌现研究第29-32页
        2.2.3 复杂网络中的分形维度定义及其算法第32-35页
        2.2.4 复杂网络分形的应用研究第35-37页
3 复杂网络中的分形涌现分析第37-53页
    3.1 一种具有Hub吸引行为的分形和无标度的复杂网络模型第37-47页
        3.1.1 具有Hub吸引的动态增长模型第38-39页
        3.1.2 模型的数学框架第39-40页
        3.1.3 模型生成网络的特征分析第40-44页
        3.1.4 一种Hub聚集的优化网络模型第44-45页
        3.1.5 网络的同配性分析第45-47页
        3.1.6 小结与讨论第47页
    3.2 随机网络的分形结构涌现的推论第47-50页
        3.2.1 盒子覆盖问题规约到图着色问题第48页
        3.2.2 分形涌现现象与Frechet分布第48-50页
        3.2.3 小结与讨论第50页
    3.3 本章小结第50-53页
4 分形盒子覆盖法的算法改进第53-77页
    4.1 分形的盒子算法问题定义第53-54页
    4.2 基于差分演化的复杂网络中的盒子覆盖算法第54-63页
        4.2.1 差分演化算法简介第54-56页
        4.2.2 差分演化盒子覆盖算法第56-58页
        4.2.3 实验结果分析第58-62页
        4.2.4 小结与讨论第62-63页
    4.3 基于离散粒子群优化的复杂网络中的盒子覆盖算法第63-74页
        4.3.1 离散粒子群优化盒子覆盖算法第64-68页
        4.3.2 加权网络中的盒子覆盖算法优化第68-69页
        4.3.3 实验结果分析第69-74页
        4.3.4 小结与讨论第74页
    4.4 本章小结第74-77页
5 基于分形模块度的多目标盒子覆盖法第77-93页
    5.1 优化目标分析第78-81页
        5.1.1 最大化分形模块度目标第78-79页
        5.1.2 分形模型的优化目标分析第79-80页
        5.1.3 多目标盒子算法的目标定义第80-81页
    5.2 多目标粒子群优化盒子覆盖算法第81-84页
        5.2.1 算法的框架结构第82-83页
        5.2.2 变异操作第83页
        5.2.3 算法的时间复杂度分析第83-84页
    5.3 实验结果分析第84-91页
        5.3.1 Benchmark网络第84-86页
        5.3.2 最小化盒子数量目标比较第86-87页
        5.3.3 最大化分形模块度目标比较第87-89页
        5.3.4 盒子覆盖相似性度量第89-91页
    5.4 本章小结第91-93页
6 开源社区网络分形特征及演化模型第93-113页
    6.1 基于弱连接理论的GitHub网络的分形特征分析第93-100页
        6.1.1 数据采集和网络构建第94页
        6.1.2 网络特征分析第94-99页
        6.1.3 小结与讨论第99-100页
    6.2 基于超网络演化的GitHub社会编程网络分析第100-112页
        6.2.1 相关研究背景第101-102页
        6.2.2 数据采集和超网络构建第102-103页
        6.2.3 超网络的统计分析第103-106页
        6.2.4 编程语言社区的合作分析第106-108页
        6.2.5 混合优先连接策略的超网络增长模型第108-112页
        6.2.6 小结与讨论第112页
    6.3 本章小结第112-113页
7 总结与展望第113-115页
    7.1 本文总结第113页
    7.2 工作展望第113-115页
参考文献第115-125页
攻博期间发表的科研成果目录第125-127页
致谢第127-128页

论文共128页,点击 下载论文
上一篇:带钢缺陷图像分类中的智能算法研究
下一篇:基于伊藤随机过程的粒子群优化算法及其应用研究