基于深度强化学习的复杂网络节点影响力排序算法

作     者：李旭杰 吉普 孙颖 李浩天 徐宁 

作者机构：河海大学信息科学与工程学院 江苏省卫生健康发展研究中心 国家卫生健康委计划生育药具不良反应监测中心 江苏省生育力保护与卫生技术评估重点实验室 江苏开放大学信息工程学院 

出 版 物：《电讯技术》 (Telecommunication Engineering)

年 卷 期：2024年

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 07[理学] 081104[工学-模式识别与智能系统] 08[工学] 070104[理学-应用数学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0701[理学-数学] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金(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) 

主　　题：节点影响力 复杂网络 强化学习 图神经网络 排序学习 

摘      要：针对当前节点影响力评估算法准确度较低的情况，本研究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。本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，本文所提算法在典型真实数据集的CN与ND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。