影響力最大化問題是指,找到網(wǎng)絡中影響力最大的k個節(jié)點,作為網(wǎng)絡的種子節(jié)點,網(wǎng)絡中的信息由種子節(jié)點,按照一定的傳播模型在網(wǎng)絡中流動,傳播過程中永久性的改變其他節(jié)點的狀態(tài),最后的目標是讓網(wǎng)絡中被種子節(jié)點集合改變狀態(tài)的節(jié)點總數(shù)達到最大。影響力最大化問題是NP-Hard問題。因此如何在網(wǎng)絡中獲得最接近于最具影響力節(jié)點集的一組節(jié)點,是影響力最大化研究領域的核心問題。針對這一問題的算法研究主要集中在兩個方面,基于貪婪策略的算法與基于網(wǎng)絡拓撲結構的啟發(fā)式算法。其中基于貪婪策略的算法效率很低,無法在大規(guī)模網(wǎng)絡中應用;而基于網(wǎng)絡拓撲結構的啟發(fā)式算法由于與傳播模型結合不緊密等缺點,查找的準確度較低,兩類現(xiàn)有的算法都無法獲得令人滿意的結果。針對現(xiàn)有的影響力最大化相關算法的不足,本文從以下幾方面進行改進與優(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)化算法的粒子和進化策略,以將其應用在影響力最大化問題中。在初始化階段我們選擇網(wǎng)絡中度最大的節(jié)點作為原始激活節(jié)點,在算法進化過程中加入突變操作,讓搜索過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... 

【文章來源】：蘭州大學甘肅省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：70 頁

【學位級別】：碩士

【部分圖文】：

中國網(wǎng)民規(guī)模和互聯(lián)網(wǎng)普及率

哥尼斯堡七橋問題

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，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 即標量化為 1，小于 0 則標量化為 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】：
期刊論文
[1]網(wǎng)絡重要節(jié)點排序方法綜述[J]. 任曉龍,呂琳媛.  科學通報. 2014(13)



本文編號：2966866