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。