| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 符号对照表 | 第11-12页 |
| 缩略语对照表 | 第12-16页 |
| 第一章 绪论 | 第16-20页 |
| 1.1 课题的背景和意义 | 第16-17页 |
| 1.2 研究现状 | 第17-18页 |
| 1.3 论文内容结构安排 | 第18-20页 |
| 第二章 复杂网络问题研究及相关算法 | 第20-32页 |
| 2.1 复杂网络 | 第20-22页 |
| 2.1.1 复杂网络的图表示 | 第20-21页 |
| 2.1.2 复杂网络的社区结构 | 第21-22页 |
| 2.2 经典的社区检测方法 | 第22-25页 |
| 2.2.1 局部社区检测算法 | 第22-24页 |
| 2.2.2 基于智能策略的社区检测算法 | 第24-25页 |
| 2.3 进化计算 | 第25-27页 |
| 2.3.1 进化算法中的优点 | 第26-27页 |
| 2.4 遗传算法简介 | 第27-30页 |
| 2.4.1 标准遗传算法 | 第27-28页 |
| 2.4.2 编码和解码 | 第28页 |
| 2.4.3 模式定理与选择策略 | 第28页 |
| 2.4.4 繁殖算子 | 第28-30页 |
| 2.4.5 遗传算法的特点 | 第30页 |
| 2.5 本章小结 | 第30-32页 |
| 第三章 基于文化基因算法提取最密集的社会网络社团结构算法 | 第32-42页 |
| 3.1 文化基因算法 | 第32页 |
| 3.2 社会网络 | 第32-33页 |
| 3.3 相关工作 | 第33-34页 |
| 3.4 MA-TSNC | 第34-37页 |
| 3.4.1 表示和初始化 | 第34页 |
| 3.4.2 交叉算子 | 第34-35页 |
| 3.4.3 变异算子 | 第35页 |
| 3.4.4 局部搜索算子 | 第35-36页 |
| 3.4.5 MA-TSNC算法流程 | 第36-37页 |
| 3.5 实验结果 | 第37-40页 |
| 3.5.1 真实网络 | 第37-39页 |
| 3.5.2 计算机生成网络 | 第39-40页 |
| 3.6 本章小结 | 第40-42页 |
| 第四章 基于多智能体遗传算法并扩展最密集节点来发现局部社团结构 | 第42-54页 |
| 4.1 局部社区概念 | 第42页 |
| 4.2 相关工作 | 第42-43页 |
| 4.3 多智能体进化模型简介 | 第43-44页 |
| 4.4 MAGA-LC | 第44-47页 |
| 4.4.1 邻域交叉算子 | 第44-45页 |
| 4.4.2 变异算子 | 第45页 |
| 4.4.3 提取最密集节点 | 第45-46页 |
| 4.4.4 对最密集节点进行扩展得到局部社区 | 第46-47页 |
| 4.4.5 MAGA-LC算法整体流程 | 第47页 |
| 4.5 实验结果 | 第47-53页 |
| 4.5.1 真实网络结果 | 第48-50页 |
| 4.5.2 计算机生成网络结果 | 第50-52页 |
| 4.5.3 与其他算法对比分析 | 第52-53页 |
| 4.6 本章小结 | 第53-54页 |
| 第五章 基于离散粒子群优化的局部社区检测协同过滤推荐方法 | 第54-66页 |
| 5.1 推荐系统背景技术介绍 | 第54-55页 |
| 5.2 局部社区检测与协同过滤技术结合 | 第55-57页 |
| 5.3 算法步骤 | 第57-61页 |
| 5.4 实验 | 第61-65页 |
| 5.4.1 离散粒子群优化的局部社区检测实验 | 第61-63页 |
| 5.4.2 协同过滤实验 | 第63-65页 |
| 5.5 本章小结 | 第65-66页 |
| 第六章 总结与展望 | 第66-70页 |
| 6.1 本文工作总结 | 第66-68页 |
| 6.2 展望 | 第68-70页 |
| 参考文献 | 第70-76页 |
| 致谢 | 第76-78页 |
| 作者简介 | 第78-80页 |
