| 基于深度强化学习的复杂网络节点影响力排序算法 |
| |
| 作者姓名： | 李旭杰 吉普 孙颖 李浩天 徐宁 |
| |
| 作者单位： | 1.河海大学 信息科学与工程学院,南京 210098;2.江苏省卫生健康发展研究中心,南京 210036;3.国家卫生健康委计划生育药具不良反应监测中心,南京 210036;4.江苏省生育力保护与卫生技术评估重点实验室 南京 210036;5.江苏开放大学 信息工程学院,南京 210017 |
| |
| 基金项目： | 国家自然科学基金资助项目（U23B20144）;江苏省卫生健康发展研究中心开放课题（JSHD2022051）;网络与交换技术国家重点实验室（北京邮电大学）开放课题（SKLNST-2022-1-15）;江苏省教育厅未来网络科研基金（FNSRFP-2021-YB-7） |
| |
| 摘 要： | 针对当前节点影响力评估算法准确度较低的情况,提出了一种基于深度强化学习的节点影响力排序算法。该算法从网络拆解的视角看待节点影响力,将节点影响力的排序问题转换为网络拆除策略的优化问题。算法首先利用排序学习训练图神经网络模型的节点特征提取能力,然后使用强化学习对依赖于网络状态的节点断连行为做价值学习,最后使用训练完成的模型预测网络拆除的最佳策略,即节点影响力的最准确排序。仿真实验证明,所提算法在典型真实数据集的CN（Crtical Node）与ND（Network Dismantling）问题上,相较于PageRank算法,准确度分别提升了31.1%与29.0%。同时,该算法具有较低的复杂度,可为网络稳定性分析和网络性能优化提供技术支撑。
|
| 关 键 词： | 复杂网络 节点影响力 深度强化学习 图神经网络 排序学习 |
|
| 点击此处可从《电讯技术》浏览原始摘要信息 |
|
点击此处可从《电讯技术》下载免费的PDF全文 |
|
