《优化视角下复杂网络挖掘模型与决策方法》立足于复杂网络理论，从网络节点层面、链路层面和整个网络层面多个视角，对无向网络、有向网络、无权网络、有权网络、静态网络和动态网络针对性分析，建立用于网络关键节点群组挖掘、链路预测，以及网络分类和动态演化模型和算法，并结合社交网络、通讯网络和犯罪组织网络等真实案例进行应用分析，通过算例实证分析展现这些模型方法在实际管理中的决策支持作用。本书不仅能够丰富微观层面复杂网络的挖掘模型和方法，而且在市场管理、舆情分析和应急管理等领域中提供技术参考和理论依据。本书适用于管理科学与工程学科的科研工作者和研究生作为科研相关的参考书，也可用于管理类本科生和研究生方法导论课的讨论教材。

《优化视角下复杂网络挖掘模型与决策方法》立足于复杂网络理论，从网络节点层面、链路层面和整个网络层面多个视角，对无向网络、有向网络、无权网络、有权网络、静态网络和动态网络针对性分析，建立用于网络关键节点群组挖掘、链路预测，以及网络分类和动态演化模型和算法，并结合社交网络、通讯网络和犯罪组织网络等真实案例进行应用分析，通过算例实证分析展现这些模型方法在实际管理中的决策支持作用。本书不仅能够丰富微观层面复杂网络的挖掘模型和方法，而且在市场管理、舆情分析和应急管理等领域中提供技术参考和理论依据。本书适用于管理科学与工程学科的科研工作者和研究生作为科研相关的参考书，也可用于管理类本科生和研究生方法导论课的讨论教材。

1绪论 

11研究背景和意义 

12国内外研究现状及动态辨析

13本书的主要研究内容和研究方法 

14本书结构安排 

2复杂网络的基本概念和表示方法 

21复杂网络的类型 

22复杂网络的表示方法 

23复杂网络的统计描述 

24复杂网络的开源数据集及绘制工具 

3复杂网络的关键节点群组挖掘模型和算法 

31引言 

32关键节点群组挖掘问题定义和方法简述 

33积极效应下关键节点群组挖掘模型的提出 

34消极效应下关键节点群组挖掘模型的提出 

35基于时间序列方法的动态挖掘模型的提出 

36本章小结 

4复杂网络的链路预测挖掘模型和算法 

41引言 

42链路预测方法简述 

43节点间相似性评价指标简述 

44基于网络拓扑结构传递性的相似性度量方法 

45基于贝叶斯似然概率的相似性度量方法 

46基于多源信息融合的监督随机游走式链路预测方法 

47算法设计与算例分析 

48本章小结 

5复杂网络整图的挖掘模型与决策方法 

51引言 

52图神经网络学习框架 

53复杂网络整图的分类方法 

54基于多层并行图卷积神经网络的分类研究 

55本章小结 

6结论与展望 

61研究成果 

62研究展望 

参考文献