基于双重启发式信息求解影响最大化问题的蚁群算法

覃俊¹(),李蔚栋¹,易金莉¹,刘晶¹,马懋德²

1. 中南民族大学计算机科学学院, 湖北 武汉 430000
2. 南洋理工大学, 新加坡 999002

收稿日期:2019-06-13出版日期:2020-06-20发布日期:2020-06-16

作者简介:覃俊(1968—)，女，湖南常德人，博士，教授，主要研究方向为复杂网络,大数据,智能推荐算法. E-mail：Qjun@mail.scuec.edu.cn
基金资助:国家自然科学基金资助项目(61772562);湖北省自然科学基金资助项目(2017CFC886)

Ant colony optimization for solving maximization problem based ondouble heuristic information

Jun QIN¹(),Weidong LI¹,Jinli YI¹,Jing LIU¹,Maode MA²

1. Collage of Computer Science, South-Central University for Nationalities, Wuhan 430000, Hubei, China
2. Nanyang Technological University, Singapore 999002, Singapore

Received:2019-06-13Online:2020-06-20Published:2020-06-16


Supported by:国家自然科学基金资助项目(61772562);湖北省自然科学基金资助项目(2017CFC886)

摘要/Abstract

摘要： 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。


PDF全文下载地址:

http://gxbwk.njournal.sdu.edu.cn/CN/article/downloadArticleFile.do?attachType=PDF&id=1936