[发明专利]基于文化基因算法的社交网络影响最大化方法

权利要求书

1.一种基于文化基因算法的社交网络影响最大化方法，其特征在于包括下列步骤：

(1)输入目标网络G＝(V,E)，其中，V表示网络中的节点集合，E为网络中边的集合；

(2)设定传播概率p和初始激活节点数目K，对于初始激活节点集合A，根据独立级联信息传播形式构建期望传播值函数EDV，作为待优化的目标函数：

其中，表示初始激活节点集合A的邻居节点集合，μ为初始激活节点集合A的某一邻居节点，σ_μ＝|{ω|ω∈A,ωμ∈E}|表示邻居节点μ连接初始激活节点集合A中的节点个数；

(3)种群初始化：

(3a)设定种群大小为N，对于指定的初始激活节点数目K，根据最大度启发式方法选出前K个具有最大度的节点，并将其赋给前N/2个个体X₁......X_N/2，每一个体表示为X_i＝{x_i1,x_i2,...x_ij,...,x_iK}，其中x_ij代表第i个个体的第j个元素所选定节点的编号，i∈[1,N/2]，j∈[1,K]；

(3b)从个体X₂到个体X_N/2，对个体中的每一位生成一个随机概率p_d∈[0,1]，如果p_d＞0.5，则将个体中的该位变换为在这个个体内不重复的节点编号；否则，不进行变换；

(3c)利用随机方法对后N/2个个体X_N/2+1......X_N进行初始化；

(3d)利用上述步骤(2)中的待优化的目标函数EDV，计算每个个体的期望传播值，并将拥有最大期望传播值的个体作为种群的最优个体；

(4)通过进化获得具有最大优化目标函数值的初始激活节点集合：

(4a)设定种群进化迭代次数T，个体交叉变换概率p_c和变异概率p_m，并令当前迭代次数t＝0；

(4b)选择父代个体：采用锦标赛竞争机制进行父代个体的选择，每一次从种群中随机选择两个个体，比较两个个体的期望传播值EDV，选择EDV值较大的个体作为一个父代 个体，重复N次上述的选择过程，选出N个父代个体；

(4c)交叉变换操作：随机从父代个体中选择两个个体，对其进行单点交叉变换操作，从父代个体1中随机选择一个节点，对于该节点以及之后的节点均产生一个介于[0,1]之间的随机概率，如果随机概率小于交叉变换概率p_c且父代个体1中不包含父代个体2中的对应节点，则进行对位交叉交换，产生两个子代个体；否则，不进行交叉变换；

重复N/2次上述交叉变换过程，产生N个子代个体；

(4d)对于上述子代种群中的每一个个体，对其每一位生成一个介于[0,1]之间随机概率，如果随机概率小于p_m，则将个体中的该位变换作为这个个体内不重复的节点编号；如果随机概率大于、等于p_m，则该位不进行变换；

(4e)从经过上述(4c)和(4d)操作后的子代种群中选择出具有最大EDV值的个体作为最优的子代个体，对其进行局部搜索，产生新的最优子代个体；

(4f)从父代种群和子代种群中选择前N个最大EDV值的个体作为下一代的种群，用来进行下一次的迭代；比较种群最优个体与上述(4e)过程中产生的新的最优子代个体的EDV值，选择具有较大EDV值的个体作为当前种群最优个体，令t＝t+1；

(4g)判断是否终止：如果迭代次数t满足预先设定的次数T，即获得了具有最大优化目标函数值的初始激活节点集合，并执行步骤(5)；否则，重复步骤(4b)至步骤(4f)；

(5)输出步骤(4f)中的种群最优个体所包含的K个节点。