基于群体智能优化的社会网络影响最大化研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第10-11页 |
| 缩略语对照表 | 第11-14页 |
| 第一章 绪论 | 第14-20页 |
| 1.1 研究背景和意义 | 第14-15页 |
| 1.2 国内外研究现状 | 第15-16页 |
| 1.3 本文主要的研究内容 | 第16-17页 |
| 1.4 本文章节安排 | 第17-20页 |
| 第二章 影响最大化相关概念及算法 | 第20-34页 |
| 2.1 社会网络 | 第20-23页 |
| 2.1.1 社会网络的基本概念和表示 | 第20-21页 |
| 2.1.2 社会网络的特性 | 第21-23页 |
| 2.2 信息传播模型 | 第23-26页 |
| 2.2.1 独立级联模型 | 第24页 |
| 2.2.2 权重级联模型 | 第24-25页 |
| 2.2.3 线性阈值模型 | 第25-26页 |
| 2.3 影响最大化问题 | 第26页 |
| 2.4 影响最大化相关算法 | 第26-33页 |
| 2.4.1 基于网络特性的启发式方法 | 第26-29页 |
| 2.4.2 贪婪方法及其改进方法 | 第29-31页 |
| 2.4.3 基于目标函数优化的方法 | 第31-33页 |
| 2.5 本章小结 | 第33-34页 |
| 第三章 基于离散粒子群优化的影响最大化算法 | 第34-54页 |
| 3.1 引言 | 第34页 |
| 3.2 粒子群优化 | 第34-36页 |
| 3.3 基于离散粒子群优化的影响最大化算法 | 第36-42页 |
| 3.3.1 算法框架 | 第36页 |
| 3.3.2 编码方式 | 第36-37页 |
| 3.3.3 目标函数 | 第37-38页 |
| 3.3.4 基于度中心性的启发式初始化方法 | 第38-39页 |
| 3.3.5 位置和速度迭代算子 | 第39-41页 |
| 3.3.6 局部搜索算子 | 第41-42页 |
| 3.3.7 算法时间复杂度分析 | 第42页 |
| 3.4 实验分析 | 第42-52页 |
| 3.4.1 实验设置 | 第42-43页 |
| 3.4.2 人工网络实验 | 第43-45页 |
| 3.4.3 真实网络实验 | 第45-51页 |
| 3.4.4 算法参数影响分析 | 第51-52页 |
| 3.5 本章小结 | 第52-54页 |
| 第四章 基于进化多目标优化的预算影响最大化算法 | 第54-66页 |
| 4.1 引言 | 第54页 |
| 4.2 进化多目标优化 | 第54-56页 |
| 4.2.1 多目标优化的相关概念 | 第54-55页 |
| 4.2.2 进化多目标优化算法 | 第55-56页 |
| 4.3 预算影响最大化问题 | 第56-57页 |
| 4.4 基于进化多目标优化的预算影响最大化算法 | 第57-60页 |
| 4.4.1 算法框架 | 第57页 |
| 4.4.2 编码方式和种群初始化 | 第57-58页 |
| 4.4.3 非支配排序、拥挤度距离计算与个体选择 | 第58-59页 |
| 4.4.4 交叉和变异算子 | 第59-60页 |
| 4.4.5 算法时间复杂度分析 | 第60页 |
| 4.5 实验分析 | 第60-64页 |
| 4.5.1 实验设置 | 第61页 |
| 4.5.2 实验结果评价指标 | 第61页 |
| 4.5.3 实验结果分析 | 第61-64页 |
| 4.6 本章小结 | 第64-66页 |
| 第五章 总结与展望 | 第66-68页 |
| 5.1 总结 | 第66-67页 |
| 5.2 展望 | 第67-68页 |
| 参考文献 | 第68-74页 |
| 致谢 | 第74-76页 |
| 作者简介 | 第76-77页 |
