| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 专用术语注释表 | 第8-9页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 本文研究的主要内容及论文安排 | 第13-15页 |
| 第二章 复杂网络社区检测背景知识介绍 | 第15-26页 |
| 2.1 复杂网络 | 第15页 |
| 2.2 社区结构 | 第15-16页 |
| 2.3 社区检测方法 | 第16-24页 |
| 2.3.1 层次聚类法 | 第16-19页 |
| 2.3.2 单目标优化方法 | 第19-22页 |
| 2.3.3 基于遗传算法的多目标优化方法 | 第22-24页 |
| 2.4 实验评价标准 | 第24-25页 |
| 2.5 本章小结 | 第25-26页 |
| 第三章 基于自适应memetic框架的多目标社区检测算法 | 第26-52页 |
| 3.1 算法思想 | 第26-31页 |
| 3.1.1 遗传算法基本原理 | 第26-28页 |
| 3.1.2 多目标优化问题 | 第28-30页 |
| 3.1.3 logistic函数 | 第30-31页 |
| 3.1.4 memetic算法框架 | 第31页 |
| 3.2 基于自适应memetic框架的多目标复杂网络社区检测 | 第31-41页 |
| 3.2.1 编码方式 | 第31-32页 |
| 3.2.2 种群的初始化 | 第32-33页 |
| 3.2.3 遗传算子（交叉和变异） | 第33-37页 |
| 3.2.4 选择策略 | 第37页 |
| 3.2.5 目标函数 | 第37-38页 |
| 3.2.6 局部搜索 | 第38-40页 |
| 3.2.7 适应度函数 | 第40页 |
| 3.2.8 算法框架 | 第40-41页 |
| 3.3 实验结果与分析 | 第41-51页 |
| 3.3.1 人工合成网络 | 第41-43页 |
| 3.3.2 真实世界网络 | 第43-51页 |
| 3.4 本章小结 | 第51-52页 |
| 第四章 基于自适应免疫遗传的多目标社区检测算法 | 第52-64页 |
| 4.1 算法思想 | 第52-53页 |
| 4.2 基于自适应免疫遗传的多目标复杂网络社区检测 | 第53-57页 |
| 4.2.1 基于特征信息的免疫遗传算法 | 第53-55页 |
| 4.2.2 局部搜索 | 第55-56页 |
| 4.2.3 算法框架 | 第56-57页 |
| 4.3 实验结果与分析 | 第57-63页 |
| 4.3.1 人工合成网络 | 第57-59页 |
| 4.3.2 真实世界网络 | 第59-63页 |
| 4.4 本章小结 | 第63-64页 |
| 第五章 总结与展望 | 第64-66页 |
| 5.1 总结 | 第64-65页 |
| 5.2 展望 | 第65-66页 |
| 参考文献 | 第66-69页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第69-70页 |
| 附录2 攻读硕士学位期间申请的专利 | 第70-71页 |
| 附录3 攻读硕士学位期间参加的科研项目 | 第71-72页 |
| 致谢 | 第72页 |
