基于蚁群优化的在线网络污染物传播控制算法

发布时间：2024-01-09 07:45

　　随着在线社交网络的高速发展,信息能够以在线社交网络作为桥梁迅速地传播到世界上每一个角落。互联网时代的高速发展一方面使得我们的信息流动更加透明,但同时也引起了诸如谣言等网络污染物的快速而广泛传播。因此,如何更好地抑制在线社交网络上的污染物传播成为了当前一个热门的研究问题。传统的控制污染物传播的方法是选择在线社交网络上的一些用户并将他们屏蔽掉,这样这些用户就不能接受信息以及传播信息,从而达到控制污染物传播的效果。上述这种方法的重点在于节点选择的策略上,如果节点选得过少则控制传播的效果不能达到预期,如果选择屏蔽了过多的节点则容易导致过高的控制成本(比如影响用户体验、影响产品日活跃用户数等)。综上,在控制在线社交网络污染物传播这个问题中如何合适地选择用户节点成为了当前一个亟待解决的难题。在本研究里,我们将传播控制中的节点选择问题当做为一个多目标优化问题来进行建模,我们优化的目标分别是控制传播的效果以及成本,最终目的是在效果和成本之间找到最优的权衡。更具体地说,在控制在线社交网络污染物传播这个问题里,我们的最终目标是找到一组接近最优的用户节点子集来进行屏蔽,以使得我们能够在控制成本最小化的同时,...

【文章页数】：69 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第一章 绪论
    1.1 研究背景及意义
    1.2 相关工作
        1.2.1 贪心算法
        1.2.2 元启发式算法
    1.3 本文的贡献
    1.4 章节安排
第二章 基础理论
    2.1 社交网络传播模型
        2.1.1 社交网络定义
        2.1.2 社交网络特性
    2.2 在线社交网络传播模型
        2.2.1 在线社交网络信息传播
        2.2.2 线性阈值模型
        2.2.3 独立级联模型
    2.3 进化计算
        2.3.1 进化计算简介
        2.3.2 常见的进化计算算法
    2.4 多目标优化
        2.4.1 多目标优化问题介绍
        2.4.2 多目标优化常用算法
    2.5 本章小结
第三章 社交网络多目标优化传播模型
    3.1 定义
    3.2 效果评估函数
    3.3 成本评估函数
    3.4 本章小结
第四章 自适应维度多目标蚁群优化算法
    4.1 参数介绍
    4.2 参数初始化
        4.2.1 用于构建可行解的启发式信息矩阵的初始化
        4.2.2 用于维度选择的启发式信息矩阵的初始化
        4.2.3 用于构建可行解的信息素矩阵的初始化
        4.2.4 用于维度选择的信息素矩阵的初始化
    4.3 构建可行解
        4.3.1 维度选择
        4.3.2 节点选择
        4.3.3 更新非被支配解集
    4.4 更新信息素
        4.4.1 用于维度选择的信息素更新流程
        4.4.2 用于节点选择的信息素更新流程
    4.5 本章小结
第五章 实验部分
    5.1 实验环境介绍
        5.1.1 数据集介绍
        5.1.2 对比算法介绍
        5.1.3 评估方法
        5.1.4 超参数设置
        5.1.5 实验环境
    5.2 实验结果分析
        5.2.1 多目标传播模型与单目标传播建模方法的对比
        5.2.2 MOEA/D-ADACO与其他多目标算法的对比
        5.2.3 MOEA/D-ADACO的收敛速度验证
        5.2.4 MOEA/D-ADACO的时效性验证
    5.3 本章小结
第六章 总结
参考文献
攻读博士/硕士学位期间取得的研究成果
致谢
附件



本文编号：3877674