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
- 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。
- 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。
- 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。
- 对于每一次迭代,omega狼根据alpha狼、beta狼