基于自适应混沌遗传算法的影响力最大化研究

目前,利用智能算法代替贪婪策略求解种子集影响力的方法极大地缩短了运行时间,但一些智能算法因参数设置困难而导致搜索能力不稳定,达不到预期效果,且多数实验仅在小型网络中进行,没有运用到中大型网络.针对此不足,提出一种自适应混沌遗传算法.首先,将一阶容斥激活集引入遗传算法作为适应度函数,目的是在迭代过程中评估种子集的预期影响;然后,利用Logistic混沌序列优化交叉和变异过程中的基因选择;最后,在自适应变异机制下搜索出最优种子集.在4个真实网络上的实验表明,该算法运行效率较高,找到的种子集影响范围较广.