基于离散鲸鱼优化的影响力最大化算法研究

发布时间：2021-01-09 14:54

　　影响力最大化问题是指,找到网络中影响力最大的k个节点,作为网络的种子节点,网络中的信息由种子节点,按照一定的传播模型在网络中流动,传播过程中永久性的改变其他节点的状态,最后的目标是让网络中被种子节点集合改变状态的节点总数达到最大。影响力最大化问题是NP-Hard问题。因此如何在网络中获得最接近于最具影响力节点集的一组节点,是影响力最大化研究领域的核心问题。针对这一问题的算法研究主要集中在两个方面,基于贪婪策略的算法与基于网络拓扑结构的启发式算法。其中基于贪婪策略的算法效率很低,无法在大规模网络中应用;而基于网络拓扑结构的启发式算法由于与传播模型结合不紧密等缺点,查找的准确度较低,两类现有的算法都无法获得令人满意的结果。针对现有的影响力最大化相关算法的不足,本文从以下几方面进行改进与优化:首先,我们提出了一种新的基于离散鲸鱼优化的群体智能启发式算法DiWOA。我们重新定义了鲸鱼优化算法的粒子和进化策略,以将其应用在影响力最大化问题中。在初始化阶段我们选择网络中度最大的节点作为原始激活节点,在算法进化过程中加入突变操作,让搜索过程拥有更多的可能性。我们还将影响力传播模型作为启发式算法的适应... 

【文章来源】：兰州大学甘肃省 211工程院校 985工程院校 教育部直属院校

【文章页数】：70 页

【学位级别】：硕士

【部分图文】：

中国网民规模和互联网普及率

哥尼斯堡七桥问题

图 3.5 y = excos (2πx) 的函数图像由于 b 为常数，我们令 x = bl，得到函数图像如图3.5。从图像中我们可，该函数在 x>0 之后在 x 轴上下均匀波动，因此其均值为 0。依据其图像可以将 Dieblcos (2πl) 的值表示为DL = 1 if rand ( 1, 1) 0DL = 0 if rand ( 1, 1) < 0(公式3.13中 DL = Dieblcos (2πl), 由于函数均值为零，我们将其沿 x 轴割，大于 0 即标量化为 1，小于 0 则标量化为 0。在得到 DL 之后，我们公式3.5表示为 X (t + 1) = DL + X (t)。同理可知X (t + 1) = 0 if DL = X (t) = 0(

【参考文献】：
期刊论文
[1]网络重要节点排序方法综述[J]. 任晓龙,吕琳媛.  科学通报. 2014(13)



本文编号：2966866