影響力最大化問(wèn)題是指,找到網(wǎng)絡(luò)中影響力最大的k個(gè)節(jié)點(diǎn),作為網(wǎng)絡(luò)的種子節(jié)點(diǎn),網(wǎng)絡(luò)中的信息由種子節(jié)點(diǎn),按照一定的傳播模型在網(wǎng)絡(luò)中流動(dòng),傳播過(guò)程中永久性的改變其他節(jié)點(diǎn)的狀態(tài),最后的目標(biāo)是讓網(wǎng)絡(luò)中被種子節(jié)點(diǎn)集合改變狀態(tài)的節(jié)點(diǎn)總數(shù)達(dá)到最大。影響力最大化問(wèn)題是NP-Hard問(wèn)題。因此如何在網(wǎng)絡(luò)中獲得最接近于最具影響力節(jié)點(diǎn)集的一組節(jié)點(diǎn),是影響力最大化研究領(lǐng)域的核心問(wèn)題。針對(duì)這一問(wèn)題的算法研究主要集中在兩個(gè)方面,基于貪婪策略的算法與基于網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)的啟發(fā)式算法。其中基于貪婪策略的算法效率很低,無(wú)法在大規(guī)模網(wǎng)絡(luò)中應(yīng)用;而基于網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)的啟發(fā)式算法由于與傳播模型結(jié)合不緊密等缺點(diǎn),查找的準(zhǔn)確度較低,兩類現(xiàn)有的算法都無(wú)法獲得令人滿意的結(jié)果。針對(duì)現(xiàn)有的影響力最大化相關(guān)算法的不足,本文從以下幾方面進(jìn)行改進(jìn)與優(yōu)化:首先,我們提出了一種新的基于離散鯨魚優(yōu)化的群體智能啟發(fā)式算法DiWOA。我們重新定義了鯨魚優(yōu)化算法的粒子和進(jìn)化策略,以將其應(yīng)用在影響力最大化問(wèn)題中。在初始化階段我們選擇網(wǎng)絡(luò)中度最大的節(jié)點(diǎn)作為原始激活節(jié)點(diǎn),在算法進(jìn)化過(guò)程中加入突變操作,讓搜索過(guò)程擁有更多的可能性。我們還將影響力傳播模型作為啟發(fā)式算法的適應(yīng)... 

【文章來(lái)源】：蘭州大學(xué)甘肅省 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：70 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

中國(guó)網(wǎng)民規(guī)模和互聯(lián)網(wǎng)普及率

哥尼斯堡七橋問(wèn)題

圖 3.5 y = excos (2πx) 的函數(shù)圖像由于 b 為常數(shù)，我們令 x = bl，得到函數(shù)圖像如圖3.5。從圖像中我們可，該函數(shù)在 x>0 之后在 x 軸上下均勻波動(dòng)，因此其均值為 0。依據(jù)其圖像可以將 Dieblcos (2πl(wèi)) 的值表示為DL = 1 if rand ( 1, 1) 0DL = 0 if rand ( 1, 1) < 0(公式3.13中 DL = Dieblcos (2πl(wèi)), 由于函數(shù)均值為零，我們將其沿 x 軸割，大于 0 即標(biāo)量化為 1，小于 0 則標(biāo)量化為 0。在得到 DL 之后，我們公式3.5表示為 X (t + 1) = DL + X (t)。同理可知X (t + 1) = 0 if DL = X (t) = 0(

【參考文獻(xiàn)】：
期刊論文
[1]網(wǎng)絡(luò)重要節(jié)點(diǎn)排序方法綜述[J]. 任曉龍,呂琳媛.  科學(xué)通報(bào). 2014(13)



本文編號(hào)：2966866