基于智能优化的影响力最大化算法研究

发布时间：2023-12-26 18:46

　　在过去互联网信息技术在各行各业迅速普及的十几年中,各种社交即时通信软件应用扮演着重要的生活服务角色,这些通信服务已涉及到人们生活的各个方面。人们之间的互动和沟通变得越来越方便和密集,在线社交网络也逐渐演变成信息发布传播的工具和载体。在线社交网络的盛行吸引了社会各个群体对信息传播的普遍重视,因为一条信息可以通过网络朋友之间的社交关系迅速传遍整个社交圈。和传统信息传播媒介不同的是,在线社交网络这种信息传播载体的优势在于其不受时间空间限制和极广的影响范围。因此,社交网络中的信息扩散吸引了计算机科学、物理学、流行病学等多个领域的广泛研究。目前,社会复杂网络的分析在学术界是不断追踪研究的热点,其中社会网络影响力最大化是其研究领域的一个重要分支。影响力最大化问题是在复杂社会网络中选择一小部分用户,这些用户在具体传播模型下拥有最大的影响扩散范围。基于贪心的蒙特卡洛模拟方法在理论上保证近乎最优的解决方案,但算法运行效率很低。虽然已经开发出许多启发式方法,但都大大降低了解决方案的质量。目前影响力最大化问题研究的挑战就是如何在复杂大型的社会网络更好地平衡影响传播范围和算法运行时间。针对此问题,本文研究重点...

【文章页数】：62 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第一章 绪论
    1.1 研究背景与意义
    1.2 研究现状
    1.3 研究内容和章节安排
第二章 相关理论知识
    2.1 影响力最大化问题定义
    2.2 传播模型
        2.2.1 独立级联模型
        2.2.2 线性阈值模型
    2.3 相关算法
        2.3.1 CELF贪心算法
        2.3.2 度最大启发式算法
    2.4 智能优化算法
    2.5 影响力最大化算法评价指标
    2.6 本章小结
第三章 基于和声搜索的影响力最大化算法
    3.1 和声搜索算法
    3.2 基于和声搜索的影响力最大化算法
        3.2.1 算法框架
        3.2.2 算法实现
    3.3 实验设置与结果分析
        3.3.1 实验设置
        3.3.2 HSIM算法参数实验
        3.3.3 结果分析
    3.4 本章小结
第四章 基于局部概率解免疫遗传影响力最大化算法
    4.1 影响力近似估计
    4.2 免疫遗传算法
    4.3 免疫遗传影响力最大化算法
        4.3.1 IGIM算法实现
        4.3.2 算法时间复杂度分析
    4.4 实验分析
        4.4.1 数据集
        4.4.2 实验设置
        4.4.3 实验结果与分析
    4.5 本章小结
结论
参考文献
攻读硕士学位期间取得的学术成果
致谢



本文编号：3875340