Core Concepts
Einfache Modifikationen des BRKGA-Algorithmus, wie die Verwendung von Potenzgesetz-verteilten Parametern und eine einfache gierige Heuristik, führen zu signifikant besseren Ergebnissen als der Stand der Technik für das Zielmengenauswahlproblem.
Abstract
Die Studie präsentiert zwei Verbesserungen des BRKGA-Algorithmus (Biased Random-Key Genetic Algorithm) für das Zielmengenauswahlproblem (Target Set Selection, TSS):
Anstelle der aufwendigen Parameteroptimierung werden die Parameter des BRKGA in jeder Iteration zufällig aus einer Potenzgesetz-Verteilung gewählt. Dieser "parameterlose" BRKGA ist bereits wettbewerbsfähig mit dem ursprünglichen, aufwendig optimierten BRKGA.
Es wird eine einfache gierige Heuristik (reverseMDG) hinzugefügt, die bereits gefundene gültige Lösungen weiter verbessert, indem Knoten mit geringem Grad entfernt werden. Die Kombination des BRKGA mit dieser Heuristik übertrifft konsistent alle anderen untersuchten Algorithmen.
Die Ergebnisse zeigen, dass einfache Anpassungen die Leistung von TSS-Heuristiken deutlich verbessern können. Die Verwendung von Potenzgesetz-verteilten Parametern und problemspezifische lokale Heuristiken sind vielversprechende Ansätze, die über das TSS-Problem hinaus Anwendung finden könnten.
Stats
Die Anzahl der Knoten in den untersuchten Netzwerken reicht von 34 bis 410.236.
Die Anzahl der Kanten reicht von 78 bis 2.443.408.
Quotes
Keine relevanten Zitate identifiziert.