基于深度强化学习的图约简方法

作     者：陈根鑫 亓晋 刘娅利 高钰 董振江 孙雁飞 

作者机构：南京邮电大学自动化学院 南京邮电大学物联网学院 南京市大数据安全技术有限公司 南京邮电大学计算机学院 

出 版 物：《物联网学报》 (Chinese Journal on Internet of Things)

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：国家自然科学基金面上项目(No.62172235) 江苏省重点研发计划项目(No.BE2023025) 江苏省高等学校基础科学(自然科学)研究项目(No.22KJB520028 No.22KJB520026) 

主　　题：图约简 深度强化学习 规模调控 信息量 相似性 

摘      要：通用人工智能的发展浪潮驱动着海量数据的生成与处理，大规模、异构的图数据网络构成了数字世界的重要基础。持续增长的数据规模提升了图数据处理的难度，催生了降低图规模并最大化图信息量的需求。现有方法难以协同控制图规模并优化图信息量，限制了图数据分析处理的效果。为此提出以规模调控为约束、信息量最大化为目标的图约简问题，旨在响应图数据规模与信息量的均衡调控需求。其次设计图融合算法与基于深度强化学习的图约简算法对问题进行求解，包括节点融合、复合映射等图约简操作与相似度量方法。实验验证了约简算法的均衡调控能力，与4种算法在3个指标上的对比表明，约简算法可分别取得最低为20.7%、19.9%及26.3%的优势。