بهینه سازی میزان نرخ نفوذ در شبکه های اجتماعی پویا با استفاده از الگوریتم ژنتیک

فرآیند گسترش شایعه در میان مردم میتواند به عنوان انتشار اطلاعات در شبکه اجتماعی نمایش داده شود. مقیاس انتشار شایعه به شدت بستگی به شروع رئوس دارد. اگر بتوانیم رئوس را انتخاب کنیم که به نفوذ در مقیاس بزرگ کمک میکنند، انتظار میرود که رئوس برای بازاریابی ویروسی مهم باشند. با در نظر گرفتن یک شبکه و اندازه رئوس آغازین، مساله انتخاب رئوس برای به حداکثر رساندن انتشار اطلاعات به عنوان مساله بیشینه سازی انتشار نامیده میشود. ما سه روش تقریب جدید برای حل مساله بیشینه سازی در شبکه های پویا پیشنهاد میکنیم. این روشها بسط روشهای قبلی برای شبکه های استاتیک به شبکه های پویا هستند. آزمایش ها برای مقایسه عملکرد نشان میدهد که روش پیشنهادی ما 1,5 برابر بیشتر در مقیاس انتشار و حدود 7,8 برابر سریعتر در زمان محاسباتی در مقایسه با روشهای اکتشافی قبلی به دست میآورد. در این مقاله ما قصد داریم با استفاده از ویژگی های الگوریتم ژنتیک، میزان نفوذ در شبکه های اجتماعی پویا را بهینه سازی نماییم.

کلیدواژه ها:

شبکه های اجتماعی پویا ، الگوریتم ژنتیک ، بهینه سازی نفوذ.