基于双重启发式信息求解影响最大化问题的蚁群算法

发布时间：2021-09-17 18:33

　　针对如何利用社会个体之间的影响力来扩大信息扩散的范围,即社会网络的影响最大化问题,提出一种新颖的基于蚁群优化算法的解决方案。利用2个启发式信息来度量节点影响力:优先选择更不容易被前驱节点激活的节点;考虑后继尤其是多级后继节点对未来扩散的影响。通过节点影响力选择出能扩散最大范围的初始节点集合。试验结果表明,相较于贪心算法以及传统的蚁群算法初始节点的扩散范围增加了150个节点,效率提高了25%,本研究方法很好的改善了初始节点选择容易陷入局部最优的问题。 

【文章来源】：山东大学学报(工学版). 2020,50(03)北大核心CSCD

【文章页数】：6 页

【图文】：

当前仅有一个激活的前驱节点

IM-ACO算法整体框架

针对Wiki_vote数据集算法收敛情况

【参考文献】：
期刊论文
[1]基于前驱后继节点的社会网络影响最大化算法[J]. 覃俊,易金莉.  中南民族大学学报(自然科学版). 2016(04)
[2]基于阈值的社交网络影响力最大化算法[J]. 陈浩,王轶彤.  计算机研究与发展. 2012(10)
[3]一种新型的社会网络影响最大化算法[J]. 田家堂,王轶彤,冯小军.  计算机学报. 2011(10)



本文编号：3399282