CELF-Hill-Climbing-Algorithm-Implementation

【文件属性】：
文件名称：CELF-Hill-Climbing-Algorithm-Implementation
文件大小：140KB
文件格式：ZIP
更新时间：2021-04-28 14:35:25
Python CELF爬坡算法的实现 影响最大化问题以及解决该问题的贪婪爬坡方法。 即使该算法可以在最佳解决方案的1 −＃$范围内解决问题，但它仍然可能非常慢。 Leskovec等。 [1]（在Google Drive的演讲资料夹中）介绍了CELF（成本有效的惰性前向选择）算法，该算法是针对爬坡算法的一种优化方法，可以解决我们在课堂上学到的爆发检测问题。 性能改进也适用于影响最大化的问题。 在这个项目中，您将使用Python实现CELF算法，并在两个数据集上对其进行测试。 CELF基于“延迟向前”优化来选择种子。 这个想法是，当前迭代中节点的边际增益不能好于先前迭代中节点的边际增益。 换句话说，CELF从子模量中利用了以下事实：给定两个集合A⊆B，它们是节点V的子集，将节点s添加到B中的边际收益不大于将节点s添加到A中的边际收益。两个节点u，v∈V并设置A⊆B⊆V，假设u对A的边际增益大于v对A的边际增

【文件预览】：
CELF-Hill-Climbing-Algorithm-Implementation-master
----README.md(1KB)
----colabnet.png(25KB)
----SmallWorld.png(25KB)
----output.txt(730B)
----Degree Distribution.png(91KB)
----project.py(10KB)