基于进化算法的复杂网络社区检测 |
论文目录 | | 摘要 | 第1-7页 | ABSTRACT | 第7-11页 | 符号对照表 | 第11-12页 | 缩略语对照表 | 第12-15页 | 第一章 绪论 | 第15-19页 | · 引言 | 第15-16页 | · 研究意义 | 第16页 | · 国内外研究现状 | 第16-17页 | · 本文的主要工作和内容安排 | 第17-19页 | 第二章 复杂网络社区检测相关理论 | 第19-25页 | · 复杂网络的图表示 | 第19页 | · 社区结构的定义 | 第19-21页 | · 社区检测常用目标函数 | 第21-23页 | · 本章小结 | 第23-25页 | 第三章 基于改进的遗传算法的复杂网络社区检测 | 第25-37页 | · 遗传算法简介 | 第25页 | · 遗传算法的应用领域 | 第25-26页 | · 基于改进的遗传算法的复杂网络社区检测 | 第26-30页 | · 算法流程 | 第26-27页 | · 种群的初始化 | 第27-28页 | · 种群的预处理操作 | 第28页 | · 精英保存策略 | 第28页 | · 选择操作 | 第28页 | · 交叉和变异 | 第28-30页 | · 局部搜索 | 第30页 | · 实验结果与分析 | 第30-36页 | · 评价指标函数 | 第30-31页 | · 人工合成网络和实验结果 | 第31-32页 | · 真实世界网络和实验结果 | 第32-36页 | · 本章小结 | 第36-37页 | 第四章 基于分解和多目标蚁群优化算法的复杂网络社区检测 | 第37-57页 | · 多目标优化 | 第37-38页 | · 蚁群算法简介 | 第38-39页 | · 基于分解和多目标蚁群优化算法的复杂网络社区检测方法 | 第39-44页 | · 解的编码方式 | 第40-41页 | · 启发式信息矩阵 | 第41页 | · 解的构造 | 第41-42页 | · 算法框架 | 第42-44页 | · 实验结果和结果分析 | 第44-54页 | · 评价指标 | 第44-45页 | · 对比算法介绍和参数设置 | 第45-46页 | · 人工合成网络和实验结果 | 第46-47页 | · 真实世界网络和实验结果 | 第47-54页 | · 本章小结 | 第54-57页 | 第五章 总结与展望 | 第57-59页 | · 研究结论 | 第57-58页 | · 研究展望 | 第58-59页 | 参考文献 | 第59-61页 | 致谢 | 第61-64页 | 作者简介 | 第63页 | · 基本情况 | 第63页 | · 教育背景 | 第63页 | · 攻读硕士学位期间的研究成果 | 第63-64页 |
|
|
|
| |