一种基于双群体博弈的社交网络竞争性信息传播优化方法

本发明涉及一种基于双群体博弈的社交网络竞争性信息传播优化方法，包括以下步骤：获取原始社交网络数据并建模为图结构；基于双群体均值场博弈框架，对用户进行群体划分；构建双智能体循环深度强化学习模型，每个智能体使用图自编码器学习社交网络的图嵌入表示；定义智能体状态、动作和奖励函数，并定义均值场来刻画整个群体在某一时刻的宏观状态分布；采用演员‑评论家架构，通过交替顺序交互机制训练策略网络，通过覆盖率和可利用度评价生成策略的性能，迭代优化模型，直至策略收敛至近似纳什均衡；基于训练完成的模型实现社交网络竞争性信息传播。与现有技术相比，本发明实现了在未知网络环境下竞争性传播策略的自主学习和高效纳什均衡求解。