灰狼优化算法与影响力最大化问题

因为最近在看灰狼算法相关的内容，自己的研究方向又与影响力最大化相关，所以将最近看的东西进行一个整理，方便自己查看。

一、灰狼优化算法

相关文章：http://t.csdn.cn/c8vUy
原始文件：https://doi.org/10.1016/j.advengsoft.2013.12.007
源代码下载：http://www.alimirjalili.com/GWO.html
http://www.mathworks.com.au/matlabcentral/fileexchange/44974

二、影响力最大化（IC模型）

参考文献：《Identification of influential users in Social Network Using Grey Wolf Optimization Algorithm》
链接：https://doi.org/10.1016/j.eswa.2019.112971

1.基本流程

1. 初始化n只灰狼，由于度为1的结点成为种子结点的可能性很小，所以只考虑度大于1的结点。用向量Xi表示第i只狼的位置，向量Xi包含|V‘|个元素，|V’|是度大于1的结点的个数，Xi中的每个元素为各节点被选择成为种子结点的概率。
2. 假设最终要选取k个结点作为种子结点，则对于每只狼，选择概率最大的k个结点作为该狼对应的解，用Si表示。
3. 根据Si计算每只狼的适应度函数值，适应度最大的狼为alpha狼，第二大的为beta狼，第三的为delta狼，其余均为omega狼。
4. 对于每一次迭代，omega狼根据alpha狼、beta狼