一种非支配性的、基于档案的多目标和谐搜索算法，用于识别社交网络中的影响力人物

《The Computer Journal》：A non-dominated archived multi-objective harmony search algorithm for identifying influencers in social networks

社交媒体中影响力最大化问题采用非支配存档多目标哈密顿搜索算法，通过动态版本优化动态网络，时间复杂度与现有算法相当。

　　

摘要

社交媒体在当今生活中扮演着重要角色。社交媒体网络中的信息传播和信息交换已经得到了广泛的研究与分析。在社交媒体中，影响力最大化（Influence Maximization, IM）是指通过找到最具影响力的节点子集，并利用它们的综合影响力传播能力来最大化整个网络的影响力。我们提出了一种非支配归档多目标和谐搜索（Non-Dominated Archived Multi-Objective Harmony Search, NAMHS）算法，用于识别社交网络中的影响者。该算法能够生成一组帕累托最优的和谐向量，以解决多目标影响力最大化问题。我们将我们提出的算法与两种其他先进的算法进行了比较，结果表明我们的算法性能更优。我们还提出了一种适用于动态网络的动态非支配归档多目标和谐搜索（Dynamic NAMHS）算法，并证明了其性能优于现有的算法。此外，所提出的NAMHS和DNAMHS算法的时间复杂度与现有算法相当。在静态和动态网络中，均采用确定性线性阈值模型（Deterministic Linear Threshold Model）来进行影响力传播。