社会传播是指与人类社会直接相关的传播现象，包括但不限于传染病扩散、计算机病毒感染、虚假新闻传播、社会创新推广、病毒式广告营销等。其中，仿真(Simulation)、优化(Optimization)、检测和分析(Detection and Analysis)是社会传播的三大主题。基于代理的仿真有助于理解传播过程，面向问题的优化则致力于改善传播效果，基于真实数据的检测分析则更多面向实际应用。由于传播过程日益复杂，传播规模不断扩大，针对社会传播的研究近年来越来越受到关注。其中，随着演化计算(Evolutionary Computation , EC)方法的不断发展，通过将进化和发展的观点与社会传播相结合，演化计算方法逐渐展示出了在求解社会传播问题上的巨大潜力。

华南理工大学陈伟能教授团队试图全面探讨面向社会传播的演化计算方法，首先提出针对复杂网络上社会传播研究的综合分类法，从模拟、优化、检测分析三个角度对社会传播问题分类阐述；接着概述了演化计算方法在解决上述问题时的意义及一些代表性应用；最后还讨论了社会传播中存在的一些开放性问题以及演化计算在这些问题中的潜在应用场景，为演化传播动力学的发展探路。相关成果已发表于IJAC，支持全文免费下载！

图片来自Springer

网络传播(Network Propagation)是指信息/信号/污染物在网络上的流动和扩散。网络传播动力学理论在真实工程场景中得到了广泛应用，如道路网络上的交通流疏导、人群接触网络中的传染病扩散和防控、社交网络上的谣言遏制或信息推广等。近年来，随着信息技术的飞速发展，网络结构越来越复杂、规模越来越大，发生在复杂大规模网络的传播问题也呈现出许多新特征，这为网络传播动力学的发展带来新的挑战。

在网络传播研究中，仿真模拟、传播优化、检测分析是三个重要的研究领域。近年来，演化计算的思想、理论和方法逐渐在网络传播的上述领域中融合，尤其是在网络传播优化问题上得到了越来越广泛的应用，呈现出了巨大的发展潜力，也受到了国内外学者的广泛关注。

图片来自网络

传播仿真模拟是网络传播分析的基础，其主要目的是对网络传播过程进行建模仿真和预测，在如对COVID-19等流行病的传播预测与防控等领域发挥了关键作用。传播模型有很多种，如以传染病传播为背景的房室模型(Compartmental Models in Epidemiology)、线性阈值模型(Linear Threshold Models)和信息级联模型(Information Cascade Models)。随着网络规模的不断扩大以及传播行为的日益复杂，传统网络传播模型也变得越来越复杂。近年来，有一些研究者开始探讨将进化动力学理论引入传播模拟中，发展出基于演化思想的新的传播模型，如演化传染病模型、恶意软件和反恶意软件进化模型、演化图论、基于遗传算法的扩散模型等。

传播优化是网络传播中重要且经典的任务，其主要目的是研究如何快速高效地使负扩散最小化、促进正面传播的最大化。随着网络规模扩大，传播模型越来越复杂，对优化算法的计算效率、求解质量和算法稳定性提出较高的要求。目前学界用以解决网络优化问题的方法可分为三大类：凸/拟凸优化方法、启发式方法、演化计算方法。与凸优化方法相比，演化算法不依赖待解问题解空间的数学特性，且在求解大规模问题时可在可接受时间内返回近似解；与传统的启发式算法相比，演化算法具备全局寻优能力，且方法具有天然的并行性，可在并行分布式计算环境中拓展。由于演化计算在求解NP-难问题上已呈现出了一定优势，如多重背包问题、旅行推销员问题、工作流调度问题、资源配置问题等，而大多数传播问题管理可以建模为优化问题，因此将演化计算用于求解复杂的传播优化问题是具潜力的。

检测分析是网络传播中的一个新兴研究热点，其目的主要是在纷繁复杂的传播行为中挖掘出有意义的信息，从而可为网络传播管理及安全保障提供指导和支持，如假新闻或谣言传播等异常行为的检测、传播溯源分析、传播路径分析等。由于部分网络传播检测分析问题可建模为复杂的优化问题，演化计算在相关领域的应用也逐渐受到了关注。

图1：演化计算方法

图2：社会传播问题的分类

本文旨在综述演化计算方法在社会传播动力学中的代表性应用成果，主要贡献如下：

1) 提出针对社会传播研究的综合分类法。本文讨论了社会传播中的各种研究课题，将其分为三类：模拟、优化、检测分析。第一类研究的重点是模拟真实的传播现象，分析其动态特征。第二类研究是建立在模拟的基础上，致力于提出有良好效果的传播优化策略。第三类研究则是建立在真实数据集上的综合分析及探讨，例如虚假新闻的检测、传播源或传播路径检测、舆情扩散分析等。

2) 综述演化计算在社会传播中的应用。本文首先回顾了经典的演化计算方法，然后分别研究了它们在传播模拟、传播优化及传播检测分析的应用。文献调研结果表明，现有演化计算方法主要用于解决污染最小化(Pollutant Minimization)和影响力最大化(Influence Maximization)问题，对于其他问题的研究尚且十分稀少，本文对此进行了一些探索性的研究和讨论。

3) 探讨了社会传播的一些开放问题以及这些问题给演化计算方法设计带来的挑战。演化思想与传统传播模型催生了一种新的方向——演化传播动力学，正在引起业内研究者的关注，本文讨论了其面临的主要挑战和可能的解决办法。

本文结构如下：第2节概述了演化计算方法的内容。第3节描述了本文的研究范围。第4节介绍了演化计算在传播模拟中的应用。第5节介绍了用于解决传播优化问题的演化计算方法。第6节研究了传播检测和分析的发展。第7节讨论了基于演化计算的网络传播研究中存在的问题和挑战。第8节总结全文。

Evolutionary Computation in Social Propagation over Complex Networks: A Survey

Tian-Fang Zhao, Wei-Neng Chen, Xin-Xin Ma, Xiao-Kun Wu

https://link.springer.com/article/10.1007/s11633-021-1302-3     

http://www.ijac.net/en/article/doi/10.1007/s11633-021-1302-3 

​特别感谢论文通讯作者、华南理工大学陈伟能教授对以上内容的审阅和修改！本文作者依次为华南理工大学赵甜芳(博士研究生)、陈伟能(教授)、马鑫鑫(硕士研究生)、吴小坤(教授)。