| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第1章 绪论 | 第12-18页 |
| 1.1 社交网络中的影响力最大化问题概述 | 第12页 |
| 1.2 背景知识介绍 | 第12-15页 |
| 1.2.1 基本概念 | 第12-13页 |
| 1.2.2 研究现状 | 第13-15页 |
| 1.2.3 影响力最大化问题面临的主要困难 | 第15页 |
| 1.3 本文的主要工作 | 第15-16页 |
| 1.4 本文的组织结构 | 第16页 |
| 1.5 本章小结 | 第16-18页 |
| 第2章 面向社交网络中的影响力最大化问题的算法综述 | 第18-30页 |
| 2.1 信息传播模型 | 第18-21页 |
| 2.1.1 信息传播的独立级联模型 | 第18-19页 |
| 2.1.2 信息传播的线性阈值模型 | 第19-20页 |
| 2.1.3 独立级联模型下的影响力的近似公式 | 第20-21页 |
| 2.2 贪心算法及其改进算法 | 第21-23页 |
| 2.2.1 贪心算法 | 第21-22页 |
| 2.2.2 CELF算法及其改进算法 | 第22-23页 |
| 2.2.3 独立级联模型下的混合贪心算法 | 第23页 |
| 2.2.4 贪心算法小结 | 第23页 |
| 2.3 基于社交网络拓扑结构的启发式算法 | 第23-25页 |
| 2.3.1 基于中心性的选择策略 | 第23-24页 |
| 2.3.2 改进的基于度中心性的选择策略 | 第24页 |
| 2.3.3 启发式算法小结 | 第24-25页 |
| 2.4 元启发式算法 | 第25-29页 |
| 2.4.1 模拟退火算法及其改进算法 | 第25-26页 |
| 2.4.2 离散粒子群算法及其改进算法 | 第26-27页 |
| 2.4.3 文化基因算法 | 第27-28页 |
| 2.4.4 Pareto优化子集选择算法 | 第28页 |
| 2.4.5 元启发式算法小结 | 第28-29页 |
| 2.5 本章小结 | 第29-30页 |
| 第3章 基于动态变异算子的Pareto优化子集选择算法 | 第30-44页 |
| 3.1 子模函数 | 第30-31页 |
| 3.2 Pareto优化子集选择算法介绍 | 第31-33页 |
| 3.3 基于动态变异算子的Pareto优化子集选择算法 | 第33-37页 |
| 3.3.1 动态变异算子 | 第33页 |
| 3.3.2 重尾变异算子 | 第33-34页 |
| 3.3.3 基于动态变异算子的Pareto优化子集选择算法 | 第34-35页 |
| 3.3.4 算法分析 | 第35-37页 |
| 3.4 实验 | 第37-41页 |
| 3.4.1 实验数据集 | 第37-38页 |
| 3.4.2 对比算法 | 第38页 |
| 3.4.3 实验设置 | 第38-39页 |
| 3.4.4 参数设置 | 第39页 |
| 3.4.5 实验结果与分析 | 第39-41页 |
| 3.5 本章小结 | 第41-44页 |
| 第4章 影响力最大化问题的Pareto优化算法 | 第44-54页 |
| 4.1 交叉算子 | 第44-46页 |
| 4.1.1 基本概念 | 第44-45页 |
| 4.1.2 单点交叉算子 | 第45-46页 |
| 4.2 影响力最大化问题的Pareto优化算法 | 第46页 |
| 4.3 实验 | 第46-52页 |
| 4.3.1 实验数据 | 第46-48页 |
| 4.3.2 实验设置 | 第48页 |
| 4.3.3 参数设置 | 第48-49页 |
| 4.3.4 实验结果分析 | 第49-52页 |
| 4.4 本章小结 | 第52-54页 |
| 第5章 总结 | 第54-58页 |
| 5.1 工作总结 | 第54-56页 |
| 5.2 未来的工作方向 | 第56-58页 |
| 参考文献 | 第58-62页 |
| 致谢 | 第62-64页 |
| 在读期间发表的学术论文与取得的研究成果 | 第64页 |
