| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 1 绪论 | 第8-18页 |
| 1.1 课题研究的科学意义及其应用前景 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-14页 |
| 1.2.1 智能算法研究现状 | 第9-11页 |
| 1.2.2 复杂网络研究现状 | 第11页 |
| 1.2.3 社区发现研究历程及现状 | 第11-14页 |
| 1.3 社区发现研究面临的问题和困难 | 第14-15页 |
| 1.4 本文研究重点及内容安排 | 第15-18页 |
| 2 复杂网络基础理论 | 第18-34页 |
| 2.1 复杂网络 | 第18-21页 |
| 2.1.1 网络的研究简史 | 第18-19页 |
| 2.1.2 复杂网络基本概念 | 第19-21页 |
| 2.2 社区结构 | 第21-24页 |
| 2.2.1 社区结构定义及研究方向 | 第22-23页 |
| 2.2.2 社区结构分类 | 第23-24页 |
| 2.3 社区结构的度量描述 | 第24-28页 |
| 2.3.1 F-score度量 | 第24页 |
| 2.3.2 中心性度量 | 第24-26页 |
| 2.3.3 标准化互信息 | 第26-27页 |
| 2.3.4 模块度函数 | 第27-28页 |
| 2.4 社区发现经典算法 | 第28-32页 |
| 2.4.1 基于划分的社区发现算法 | 第28页 |
| 2.4.2 模块度优化算法 | 第28-29页 |
| 2.4.3 仿生学优化算法 | 第29-31页 |
| 2.4.4 标签传播算法 | 第31-32页 |
| 2.5 本章小结 | 第32-34页 |
| 3 鲸鱼算法对函数的优化 | 第34-52页 |
| 3.1 鲸鱼算法 | 第34-39页 |
| 3.1.1 鲸鱼算法的仿生学原理 | 第34-35页 |
| 3.1.2 鲸鱼算法的数学模型和优化算法 | 第35-38页 |
| 3.1.3 WOA算法流程图 | 第38-39页 |
| 3.2 算法的改进及复杂度分析 | 第39-40页 |
| 3.2.1 改进算法 | 第39页 |
| 3.2.2 算法分析 | 第39-40页 |
| 3.3 仿真实验与分析 | 第40-51页 |
| 3.3.1 相同概率下WOA、IWOA的性能比较 | 第40-47页 |
| 3.3.2 不同概率下IWOA的性能以及与WOA的比较 | 第47-51页 |
| 3.3.3 IWOA与WOA以及BA的性能比较 | 第51页 |
| 3.4 本章小结 | 第51-52页 |
| 4 基于改进离散鲸鱼算法的社区发现 | 第52-66页 |
| 4.1 离散鲸鱼算法 | 第52页 |
| 4.2 改进的离散鲸鱼算法与社区发现 | 第52-57页 |
| 4.2.1 算法的编码方式 | 第53页 |
| 4.2.2 种群初始化 | 第53-54页 |
| 4.2.3 位置更新操作 | 第54-56页 |
| 4.2.4 克隆选择 | 第56-57页 |
| 4.2.5 IDWOA算法用于社区发现的流程图 | 第57页 |
| 4.3 仿真实验与分析 | 第57-64页 |
| 4.3.1 真实世界网络实验与分析 | 第58-61页 |
| 4.3.2 可视化实验与分析 | 第61-64页 |
| 4.4 本章小结 | 第64-66页 |
| 5 结论 | 第66-68页 |
| 5.1 工作总结 | 第66页 |
| 5.2 展望方向 | 第66-68页 |
| 致谢 | 第68-70页 |
| 参考文献 | 第70-76页 |
| 附录 | 第76-80页 |
| A. 符号变量表 | 第76-78页 |
| B. 测试函数 | 第78-79页 |
| C. 作者在攻读硕士学位期间发表的论文目录 | 第79-80页 |