مقاله به حداکثر رساندن نفوذ در یک شبکه اجتماعی: بهبود نتایج با استفاده از الگوریتم ژنتیکMaximizing influence in a social network: Improved results using a genetic algorithm
0 (0)

0دیدگاه کاربران

در انبار موجود نمی باشد

مقاله به حداکثر رساندن نفوذ در یک شبکه اجتماعی: بهبود نتایج با استفاده از الگوریتم ژنتیکMaximizing influence in a social network: Improved results using a genetic algorithm

0 (0)

0دیدگاه کاربران

20,000 تومان

ژورنال

ELSEVIER

سال انتشار

2017

صفحات انگلیسی

10 تا 20

صفحات فارسی

20 تا 30

20,000 تومان

نقد و بررسی

مقاله به حداکثر رساندن نفوذ در یک شبکه اجتماعی: بهبود نتایج با استفاده از الگوریتم ژنتیک

چکیده فارسی :

مساله ماکزیمم سازی بر روی پیدا کردن زیرمجموعه‌ای کوچک از گره‌ها در یک شبکه اجتماعی متمرکز است که گسترش نفوذ را به حداکثر می‌رساند. در حالی که الگوریتم حریصانه و برخی بهبودها در آن برای حل این مشکل به کار گرفته شده‌اند، زمان راه‌حل طولانی همچنان یک مشکل باقی می‌ماند. الگوریتم‌های بهینه‌سازی تصادفی مانند الگوریتم بازپخت شبیه سازی شده (simulated annealing algorithm) انتخاب‌های دیگری برای حل این مشکل هستند، اما اغلب در حالت مطلوب محلی گیر می‌افتند. ما یک الگوریتم ژنتیک برای حل مساله ماکزیمم سازی تاثیر پیشنهاد می‌کنیم. از طریق رقابت چند جمعیتی، با استفاده از این الگوریتم، ما در حالی که تنوع راه‌حل را حفظ می‌کنیم نتیجه بهینه بدست می‌آوریم. ما روش خود را با شبکه‌های واقعی آزمایش کردیم و الگوریتم ژنتیک ما کمی بدتر از الگوریتم حریصانه اما بهتر از الگوریتم‌های دیگر عمل کرد.

چکیده انگلیسی:

The influence maximization problem focuses on finding a small subset of nodes in a  social network that maximizes the spread of influence. While the greedy algorithm and some improvements to it have been applied to solve this problem, the long solution time remains a problem. Stochastic optimization algorithms, such as simulated annealing, are other choices for solving this problem, but they often become trapped in local optima. We propose a genetic algorithm to solve the influence maximization problem. Through multi-population competition, using this algorithm we achieve an optimal result while maintaining diversity of the solution. We tested our method with actual networks, and our genetic algorithm performed slightly worse than the greedy algorithm but better than other algorithms.

ژورنال

ELSEVIER

سال انتشار

2017

صفحات انگلیسی

10 تا 20

صفحات فارسی

20 تا 30

دیدگاه خود را در باره این کالا بیان کنید افزودن دیدگاه

دیدگاهها

هیچ دیدگاهی برای این محصول نوشته نشده است.

    هیچ پرسش و پاسخی ثبت نشده است.

پرسش خود را درباره این کالا بیان کنید

ثبت پرسش
انصراف ثبت پرسش
دانشگاه یار

عضویت از 10 ماه قبل

شماره تماس: 09120723889

امتیازی ثبت نشده
https://daneshgahyar.com/shop/mobina-khaleghi/

محصولات مرتبط