复杂网络社区检测的多目标进化算法研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-15页 |
| ·研究背景 | 第9-11页 |
| ·网络的演化过程 | 第9-10页 |
| ·网络的特性 | 第10-11页 |
| ·网络的表示 | 第11页 |
| ·复杂网络研究意义 | 第11-12页 |
| ·复杂网络研究现状 | 第12-13页 |
| ·本文研究的主要内容及论文安排 | 第13-15页 |
| 第二章 复杂网络社区检测的几种常见算法 | 第15-19页 |
| ·基于图分割的方法 | 第15页 |
| ·基于层次聚类的方法 | 第15-17页 |
| ·分裂方法 | 第15-16页 |
| ·凝聚方法 | 第16-17页 |
| ·基于模块度优化的方法 | 第17-18页 |
| ·本章小结 | 第18-19页 |
| 第三章 基于多目标密母算法的复杂网络社区检测 | 第19-33页 |
| ·引言 | 第19页 |
| ·多目标优化 | 第19-20页 |
| ·相关算法描述 | 第20-21页 |
| ·基于分解的多目标进化算法 | 第20-21页 |
| ·模拟退火算法 | 第21页 |
| ·基于多目标密母算法的复杂网络社区检测算法 | 第21-26页 |
| ·目标函数 | 第21-22页 |
| ·编码方式 | 第22页 |
| ·种群初始化 | 第22-23页 |
| ·交叉变异 | 第23-24页 |
| ·局部搜索策略 | 第24-26页 |
| ·moeadls-Net 算法概述 | 第26页 |
| ·实验与分析 | 第26-32页 |
| ·实验评价标准 | 第26-27页 |
| ·对比算法介绍 | 第27页 |
| ·人工合成网络 | 第27-28页 |
| ·真实世界网络 | 第28-30页 |
| ·社区结构检测 | 第30-32页 |
| ·本章小结 | 第32-33页 |
| 第四章 基于多目标种群增量学习的复杂网络社区检测 | 第33-45页 |
| ·引言 | 第33页 |
| ·相关算法描述 | 第33-34页 |
| ·多目标进化算法 | 第33页 |
| ·种群增量学习 | 第33-34页 |
| ·基于多目标种群增量学习的复杂网络社区检测算法 | 第34-37页 |
| ·种群初始化 | 第34-35页 |
| ·学习概率初始化 | 第35页 |
| ·学习概率更新 | 第35页 |
| ·随机扰动算子 | 第35-36页 |
| ·mopbil-Net 算法概述 | 第36-37页 |
| ·实验与分析 | 第37-44页 |
| ·人工合成网络 | 第37-38页 |
| ·真实世界网络 | 第38-42页 |
| ·社区结构检测 | 第42-44页 |
| ·本章小结 | 第44-45页 |
| 第五章 总结和展望 | 第45-47页 |
| ·本文总结 | 第45-46页 |
| ·展望 | 第46-47页 |
| 致谢 | 第47-49页 |
| 参考文献 | 第49-55页 |
| 硕士期间的学术成果 | 第55-56页 |
