影响力扩散平均高 8.1%
针对大规模社交网络的影响力最大化问题，提出一种适应度景观感知的离散Nelder-Mead算法，通过概率递归估计提高评估效率，并利用离散质心引导进化方向。
Lele, Geng · 唐建新 · 赵付青 · Juan, Pang · Shaobo, Zhang
Information Processing and Management 2026
提出的概率递归估计PRE利用伯努利分布、工程线性化与泰勒级数近似，在保证评估精度的同时大幅降低计算成本。
将离散解空间映射到适应度景观，引入离散质心指标来引导进化轨迹并修正搜索偏差。
在六个真实网络上，NMFL解的质量与贪婪基准相当，但计算时间低数个数量级。