文件名称:CELF-Hill-Climbing-Algorithm-Implementation
文件大小:140KB
文件格式:ZIP
更新时间:2024-05-18 08:22:05
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)