| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 符号对照表 | 第11-12页 |
| 缩略语对照表 | 第12-15页 |
| 第一章 绪论 | 第15-19页 |
| 1.1 引言 | 第15-16页 |
| 1.2 研究意义 | 第16页 |
| 1.3 国内外研究现状 | 第16-17页 |
| 1.4 本文的主要工作和内容安排 | 第17-19页 |
| 第二章 复杂网络社区检测相关理论 | 第19-25页 |
| 2.1 复杂网络的图表示 | 第19页 |
| 2.2 社区结构的定义 | 第19-21页 |
| 2.3 社区检测常用目标函数 | 第21-23页 |
| 2.4 本章小结 | 第23-25页 |
| 第三章 基于改进的遗传算法的复杂网络社区检测 | 第25-37页 |
| 3.1 遗传算法简介 | 第25页 |
| 3.2 遗传算法的应用领域 | 第25-26页 |
| 3.3 基于改进的遗传算法的复杂网络社区检测 | 第26-30页 |
| 3.3.1 算法流程 | 第26-27页 |
| 3.3.2 种群的初始化 | 第27-28页 |
| 3.3.3 种群的预处理操作 | 第28页 |
| 3.3.4 精英保存策略 | 第28页 |
| 3.3.5 选择操作 | 第28页 |
| 3.3.6 交叉和变异 | 第28-30页 |
| 3.3.7 局部搜索 | 第30页 |
| 3.4 实验结果与分析 | 第30-36页 |
| 3.4.1 评价指标函数 | 第30-31页 |
| 3.4.2 人工合成网络和实验结果 | 第31-32页 |
| 3.4.3 真实世界网络和实验结果 | 第32-36页 |
| 3.5 本章小结 | 第36-37页 |
| 第四章 基于分解和多目标蚁群优化算法的复杂网络社区检测 | 第37-57页 |
| 4.1 多目标优化 | 第37-38页 |
| 4.2 蚁群算法简介 | 第38-39页 |
| 4.3 基于分解和多目标蚁群优化算法的复杂网络社区检测方法 | 第39-44页 |
| 4.3.1 解的编码方式 | 第40-41页 |
| 4.3.2 启发式信息矩阵 | 第41页 |
| 4.3.3 解的构造 | 第41-42页 |
| 4.3.4 算法框架 | 第42-44页 |
| 4.4 实验结果和结果分析 | 第44-54页 |
| 4.4.1 评价指标 | 第44-45页 |
| 4.4.2 对比算法介绍和参数设置 | 第45-46页 |
| 4.4.3 人工合成网络和实验结果 | 第46-47页 |
| 4.4.4 真实世界网络和实验结果 | 第47-54页 |
| 4.5 本章小结 | 第54-57页 |
| 第五章 总结与展望 | 第57-59页 |
| 5.1 研究结论 | 第57-58页 |
| 5.2 研究展望 | 第58-59页 |
| 参考文献 | 第59-61页 |
| 致谢 | 第61-64页 |
| 作者简介 | 第63页 |
| 1. 基本情况 | 第63页 |
| 2. 教育背景 | 第63页 |
| 3. 攻读硕士学位期间的研究成果 | 第63-64页 |