| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-12页 |
| ·引言 | 第9-10页 |
| ·文章内容及结构 | 第10-11页 |
| ·本文创新工作 | 第11-12页 |
| 第二章 遗传算法 | 第12-15页 |
| ·遗传算法简述 | 第12-14页 |
| ·单亲遗传算法简述 | 第14-15页 |
| 第三章 复杂网络重叠社区的基本问题概述 | 第15-22页 |
| ·网络的图表示 | 第15-17页 |
| ·复杂网络的特性 | 第17-18页 |
| ·度分布 | 第17页 |
| ·平均路径长度 | 第17页 |
| ·聚类系数 | 第17-18页 |
| ·复杂网络的拓扑模型 | 第18-19页 |
| ·随机网络 | 第18页 |
| ·小世界网络 | 第18-19页 |
| ·无标度网络 | 第19页 |
| ·复杂网络的社区结构 | 第19-22页 |
| ·网络中存在的社区现象 | 第19-21页 |
| ·社区结构性度量 | 第21-22页 |
| 第四章 复杂网络重叠社区结构发现算法 | 第22-32页 |
| ·启发式算法 | 第22-26页 |
| ·基于局部贡献度的启发性算法 | 第22-23页 |
| ·基于结点中心度与社区适应度的启发式算法 | 第23-25页 |
| ·基于连边相似度的发现算法 | 第25页 |
| ·LFM算法 | 第25-26页 |
| ·传统图论及聚类方法算法 | 第26-29页 |
| ·基于极大完全子图的重叠社区发现算法(GCE) | 第26-27页 |
| ·派系过滤算法(CPM) | 第27-28页 |
| ·CONGA算法 | 第28-29页 |
| ·基于重叠模块度的优化算法 | 第29-32页 |
| ·基于遗传算法的优化算法 | 第29-30页 |
| ·BGLL算法 | 第30-32页 |
| 第五章 基于单亲遗传算法的复杂网络重叠社区结构发现 | 第32-52页 |
| ·相关定义 | 第32-37页 |
| ·算法流程 | 第37-39页 |
| ·适应度函数 | 第39-42页 |
| ·编码方案 | 第42-44页 |
| ·初始化方法 | 第44-45页 |
| ·变异算子 | 第45-47页 |
| ·局部优化 | 第47-52页 |
| 第六章 结论 | 第52-53页 |
| 参考文献 | 第53-55页 |
| 致谢 | 第55页 |