基于群體智能優(yōu)化的社會(huì)網(wǎng)絡(luò)影響最大化研究.pdf

1、隨著各種在線社交平臺(tái)的蓬勃發(fā)展，它們已經(jīng)逐漸成為社會(huì)成員進(jìn)行信息分享和傳播的重要媒介。近年來，越來越多的企業(yè)和商家選擇了各種線上社交網(wǎng)絡(luò)進(jìn)行產(chǎn)品和服務(wù)的推廣，而這種利用社會(huì)關(guān)系進(jìn)行“口口相傳”的營銷方式往往能夠以較低的成本而帶來巨大的利潤(rùn)。影響最大化問題旨在挖掘出社會(huì)網(wǎng)絡(luò)中具有影響力的群體作為信息源，通過它們的影響力使得網(wǎng)絡(luò)中的信息達(dá)到最大范圍的傳播。影響最大化是社會(huì)網(wǎng)絡(luò)中信息傳播研究領(lǐng)域的核心問題，它具有廣泛的應(yīng)用場(chǎng)景，比如廣告投放、

2、市場(chǎng)營銷、水質(zhì)監(jiān)測(cè)和輿情控制等，因此具有重要的研究?jī)r(jià)值和社會(huì)意義。
　　在影響最大化問題中，節(jié)點(diǎn)組合的選擇策略對(duì)應(yīng)的準(zhǔn)確度和運(yùn)行效率是需要考慮的兩個(gè)重要問題，如何從社會(huì)網(wǎng)絡(luò)中高效地挖掘出目標(biāo)組合是解決影響最大化問題的首要目標(biāo)。在已有的解決影響最大化問題的算法中，貪婪算法具有較高的準(zhǔn)確率，但是其運(yùn)行效率較為低下，不能被用于求解大規(guī)模社會(huì)網(wǎng)絡(luò)的影響最大化問題。相反，一些啟發(fā)式的方法具有很高的運(yùn)行效率，然而這些算法往往存在準(zhǔn)確率不高、算

3、法不穩(wěn)定等問題。
　　針對(duì)上述影響最大化研究中存在的問題，本文從以下幾個(gè)方面對(duì)社會(huì)網(wǎng)絡(luò)影響最大化問題進(jìn)行了研究：
　　在社會(huì)網(wǎng)絡(luò)中計(jì)算節(jié)點(diǎn)或者節(jié)點(diǎn)集合的影響傳播范圍被證明是一種＃P難（sharp-Phard）問題，傳統(tǒng)的影響最大化算法均采用計(jì)算復(fù)雜度極高的蒙特卡洛模擬來獲得。本文通過深入分析社會(huì)網(wǎng)絡(luò)的傳播特性，針對(duì)獨(dú)立級(jí)聯(lián)模型和權(quán)重級(jí)聯(lián)模型構(gòu)造了一種局部影響力評(píng)估方程來近似計(jì)算節(jié)點(diǎn)的影響傳播范圍。在此基礎(chǔ)上，我們將社會(huì)網(wǎng)絡(luò)影

4、響最大化問題建模為一種目標(biāo)函數(shù)的優(yōu)化問題，并提出了一種基于離散形式的粒子群優(yōu)化算法。在提出的算法中，我們針對(duì)問題的特性設(shè)計(jì)了基于度中心性的初始化方法和基于鄰域的局部搜索算子，從而在很大程度上加速了算法的收斂，提高了算法的運(yùn)行效率。
　　此外，我們針對(duì)之前影響最大化的研究中沒有考慮節(jié)點(diǎn)選擇代價(jià)的問題，通過引入節(jié)點(diǎn)選擇代價(jià)的概念提出了一種預(yù)算影響最大化模型。為了能以較低的選擇代價(jià)來達(dá)到社會(huì)網(wǎng)絡(luò)的影響最大化，我們將預(yù)算影響最大化問題作為