随着在线社交网络的高速发展,信息能够以在线社交网络作为桥梁迅速地传播到世界上每一个角落。互联网时代的高速发展一方面使得我们的信息流动更加透明,但同时也引起了诸如谣言等网络污染物的快速而广泛传播。因此,如何更好地抑制在线社交网络上的污染物传播成为了当前一个热门的研究问题。传统的控制污染物传播的方法是选择在线社交网络上的一些用户并将他们屏蔽掉,这样这些用户就不能接受信息以及传播信息,从而达到控制污染物传播的效果。上述这种方法的重点在于节点选择的策略上,如果节点选得过少则控制传播的效果不能达到预期,如果选择屏蔽了过多的节点则容易导致过高的控制成本(比如影响用户体验、影响产品日活跃用户数等)。综上,在控制在线社交网络污染物传播这个问题中如何合适地选择用户节点成为了当前一个亟待解决的难题。在本研究里,我们将传播控制中的节点选择问题当做为一个多目标优化问题来进行建模,我们优化的目标分别是控制传播的效果以及成本,最终目的是在效果和成本之间找到最优的权衡。更具体地说,在控制在线社交网络污染物传播这个问题里,我们的最终目标是找到一组接近最优的用户节点子集来进行屏蔽,以使得我们能够在控制成本最小化的同时,最大化污染物传播控制的效果。为解决这一问题,本研究设计了一种基于分解框架的自适应维度蚁群多目标优化算法(MOEA/D-ADACO)。首先,我们将多目标问题拆分为若干个单目标子问题,且建造人工蚁群让蚁群中的每只蚂蚁负责优化其中一个子问题。然后,本文所提出的算法中包含了两种不同类型的信息素和启发式信息,分别用来控制节点的数量和控制节点的选择。在构造目标节点子集时,每只蚂蚁首先根据第一种信息素和启发式信息确定解的维度,即所选子集的大小。随后,蚂蚁根据第二种信息素和启发式信息选择特定的节点来构造解,即目标子集。实验证明,本文提出的多目标网络污染物传播控制模型和自适应维度的蚁群多目标优化算法(MOEA/D-ADACO)比现有传统模型和算法具有更高的有效性和灵活性:不仅能提供更好的传播控制效果,并且可以更好地控制成本。