基于改进灰狼优化的复杂网络重要节点识别算法

顾秋阳，吴宝，孙兆洋，池仁勇

（1.浙江工业大学管理学院，浙江 杭州 310023；2.浙江工业大学中国中小企业研究院，浙江 杭州 310023；3.中国标准化研究院高新技术标准化研究所，北京 100191）

1 引言

随着近年来信息技术的迅速发展，复杂网络节点间的交流、互动形式日趋多样化，由此产生海量的复杂网络数据，其中存在大量节点间的信息交互集。对上述数据进行挖掘，寻找具有影响力的节点，并基于此有效阻止负面信息传播、宣传正面信息、提升推荐效率已成为学术界关注的焦点之一。据中国互联网络信息中心（CNNIC）发布的第47 次《中国互联网发展状况统计报告》，截至2020 年12 月，我国网民规模达9.89 亿，互联网普及率达70.4%，较2020 年3 月增长5.9%；同期，我国网络新闻用户达7.42 亿，占网民整体的75.1%，社交应用使用率高达网民总量的85.5%。2019 年，国家互联网信息办公室发布的《数据安全管理办法》中，对社交网络平台提出了新的要求。网络运营者应采取措施督促提醒用户对自己的网络行为负责、加强自律，对于节点通过网络转发给其他节点制作的信息，应自动标注信息制作者在该社交网络上的账户或节点标识。这往往会选择合适的节点群体进行信息传播，而社交网络庞大的节点群体会使病毒式传播成为在线社交网络中的最大受益者[1-4]。由于进行节点选取和控制的成本有限，因此只能在复杂网络中选择一组有限数量的种子节点，使其在复杂网络中传播信息，最终实现影响力最大化问题[5]。本文需解决的问题为如何有效识别最具影响力的节点，并将其加入种子节点集中，该问题又被称为节点影响力最大化（IM,influence maximization）问题[6-8]。……