[发明专利]基于文化基因算法的社交网络影响最大化方法

摘要

本发明公开了一种基于文化基因算法的社交网络影响最大化方法，主要解决现有技术在处理社交网络影响最大化时难以找出可使信息传播最广的初始激活节点集合问题。其实现步骤为1.确定目标函数，并构造初始种群；2.开始进化过程，从种群中选择出父代个体，并依次进行交叉及变异操作得到子代个体；3.选出子代最优个体，对其进行局部搜索；4.根据父代和子代个体更新种群,并选出种群最优个体；6.判断是否终止如果进化次数满足预先设定次数，则输出种群最优个体，否则，返回步骤2。本发明能有效地从大规模社交网络中挖掘出信息传播最广的初始激活节点集合，有效地解决了社交网络信息影响最大化的问题，可用于研究社交网络的信息传播机制。

主权项

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，σμ＝|{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......XN/2，每一个体表示为Xi＝{xi1,xi2,...xij,...,xiK}，其中xij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XN/2，对个体中的每一位生成一个随机概率pd∈[0,1]，如果pd＞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XN/2+1......XN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pc和变异概率pm，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pc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pm，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pm，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。