研究并实现面向大规模社交网络的影响力最大化算法,构建融合适应度地形表征与概率传播动力学的影响力评估与极值寻优框架,实现关键节点与群体的高效识别,在10⁵–10⁶节点规模社交网络上有效缓解 NP-hard 组合优化问题的计算瓶颈。
1)分析种子集传播动力学过程,构建线性化传播模型替代传统蒙特卡洛模拟求解。
2)开发元启发式算法,在无梯度信息的场景下,通过计算适应度地形指标动态引导演化方向,有效解决高维计算易陷入局部最优且盲目低效搜索的问题。
3)独立完成核心算法实现与实验验证,系统在收敛速度与求解精度上优于现有主流方法。在 10⁵–10⁶ 节点规模社交网络上测试,计算时间降低约两个数量级。
4)项目成果:2 篇SCI论文,1篇发表于ESWA (Expert Systems with Applications. 中科院一区 / JCR Q1 / IF 7.5),1篇发表于 IPM (Information Processing & Management,中科院一区 / JCR Q1 / IF 6.9)。