.png){kind=icon}
返回
Hypernetwork disintegration with integrated metrics-driven evolutionary algorithm
.png){kind=icon}
PRE
AI
DOI：10.1016/j.physa.2025.130505.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
网络分解旨在通过最优的节点或边移除集合来降低网络功能，已被广泛应用于如流行病控制和谣言遏制等各个领域。超网络在捕捉复杂的现实世界高阶交互方面至关重要且普遍存在。然而，现有的网络分解方法主要关注传统的成对网络，在处理超网络时面临两大挑战：高阶结构破坏效果不佳以及高阶特征捕捉能力有限。为解决这些问题，我们提出了预精英多目标进化算法（PEEA），通过优化两个目标——整体结构和高层分解——来识别关键超边集合。PEEA引入加权线图以捕捉超边间的拓扑关系，并设计了多尺度重要性指标。它结合先验网络信息进行精英个体初始化，并通过多维更新和选择操作优化目标超边集合。仿真结果表明，PEEA使两个目标分别提升了45.852%和73.476%，展示了其在超网络分解中的有效性。进一步的迭代（T）和交叉率（beta）分析表明，PEEA在第一代迭代中实现了最显著的改进，平衡了快速收敛与准确性。
Keyword:
Complex network
Hypernetwork disintegration
Higher-order interaction
Multi-objective
Evolutionary algorithm
期刊
P
IF:
3.1
论文数:
1.3K
被引数:
3.6W
机构
引用论文
Cost-constrained network dismantling using quadratic evolutionary algorithm for interdependent networks使用二次进化算法对相互依赖网络进行成本约束的网络拆解.png)
APPLIED INTELLIGENCE
APPLIED INTELLIGENCEIF3.5
PREAI
分享收藏
查看更多内容