№ CN121390193A発明
有効一种基于演化深度强化学习的复杂网络瓦解方法
本发明公开了一种基于演化深度强化学习的复杂网络瓦解方法。该方法构建了一个融合了图卷积神经网络与深度Q网络的编码器‑解码器模型,用于高效提取复杂网络中节点的重要性特征,并据此实现节点拆解顺序的动态决策。为优化模型参数并提升搜索能力,引入了演化算法对模型参数进行全局探索,避免了定向优化策略易陷入局部最优的问题。同时,结合了强化学习策略对演化结果进行深度挖掘,加速了整体优化流程,实现参数演化与策略学习的优势互补。实验结果表明,该方法在保持模型鲁棒性的同时,显著提升了网络拆解的效率与精度,具有良好的实用价值和广泛的应用前景。
❖南京理工大学; 科大讯飞股份有限公司; 云境商务智能研究院南京有限公司曹杰; 李智; 王金钖; 罗雷; 许余; 靖慧; 申冬琴§ 1/9 請求項G06N 3/092 (2023.01), G06N 3/0464 (2023.01), G06N 3/045 (2023.01) +250