基于遗传算法的低冗余超图影响力最大化
作者机构：安徽大学数学科学学院 安徽大学物质科学与信息技术研究院
出 版 物：《复杂系统与复杂性科学》 (Complex Systems and Complexity Science)
年 卷 期：2024年
核心收录：
学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 07[理学] 081104[工学-模式识别与智能系统] 08[工学] 070104[理学-应用数学] 0835[工学-软件工程] 0701[理学-数学] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）]
主 题：超图 影响力最大化(IM) 影响冗余 遗传算法(GA)
摘 要：超图中的影响力最大化问题在各个领域都具有广泛的应用。现有的方法或是对节点间影响冗余的考虑不够充分，或是仅考虑单一度量对节点初始排序，这导致无法准确刻画节点的真实传播值。为同时充分考虑节点间的影响冗余和节点的真实传播值，本文提出了一种基于遗传算法的低冗余超图影响力最大化方法（LR-HGA），该算法在遗传算法的选择操作和交叉操作中考虑这两点。在六个真实超图网络中，基于超图上定义的SI传播模型进行实验，结果表明，与先进的基准算法相比，该算法得到的种子集整体上具有更广的传播范围。
同方期刊数据库