Resumen

El problema de detección de nodos críticos (CNDP) se refiere a la identificación de uno o más nodos que tienen un impacto significativo en toda la red compleja según la importancia de cada nodo en una red compleja. La mayoría de los métodos consideran el CNDP como un problema de optimización de un solo objetivo, que requiere hasta cierto punto más conocimiento previo. Este trabajo propone un algoritmo de evolución de membranas MEA-CNDP para resolver el CNDP bioobjetivo. MEA-CNDP incluye una estrategia de inicialización de la población basada en la evaluación de las variables de decisión, una estrategia de transformación del objetivo principal, una estrategia de actualización del pool heredado de membranas y cuatro operadores evolutivos de membranas. Los experimentos numéricos sobre 16 problemas de referencia con pesos aleatorios y logarítmicos muestran que MEA-CNDP supera a otros algoritmos en la mayoría de los casos. En particular, MEA-CNDP tiene ventajas únicas al tratar con bi-CNDP dispersos a gran escala.

• Materias:Inteligencia artificial Minería de datos Algoritmos genéticos Neurofisiología Proceso de aprendizaje
• Subjects:Artificial intelligence Data mining Genetic algorithms Neurophysiology Learning processes
• Palabras claves:cndp, estrategia de inicialización de la población, algoritmo de evolución de la membrana, evaluación de la decisión, problema de detección de nodos, red compleja completa, problema de optimización de objetivos, mea, algoritmo de evolución mea, escala sparse bi
• Keywords:cndp, population initialization strategy, membrane evolution algorithm, evaluation of decision, node detection problem, entire complex network, objectives optimization problem, mea, evolution algorithm mea, scale sparse bi