基于分层和强化学习的改进路径搜索算法

• 作者: 刘莉 王海红
• 来源期刊: 计算机与现代化
• 学科: 工学
• 关键词: 复杂网络 路径优化 分层网络 强化学习
• 年，卷（期）: 2020,（11）
• 所属期刊栏目: 算法设计与分析
• 页码范围: 77-82,88
• 页数: 7页
• 分类号: TP399
• 语种: 中文
• DOI: 10.3969/j.issn.1006-2475.2020.11.013

摘要

复杂网络下的路径搜索问题是网络寻优中的一个难点.现有算法主要存在以下问题:一是往往只能侧重于求解效率和求解精度中的一点;二是对动态变化的复杂网络适应性不强,求解效果不佳.因此,本文提出一种基于双分层和优化Q-Learning的改进路径搜索算法.对于求解时间随规模增加而急剧增长的问题,提出k-core和模块度结合的双分层划分网络的策略,以合理有效地减小网络规模.在子网络求解中,引入强化学习机制对网络进行动态感知,针对算法收敛较慢问题,加入自适应学习因子和记忆因子,优化更新公式,提高收敛速度.最后,在不同幂律指数(2～3)和不同规模的复杂网络下,将所提算法与Dijkstra算法、A?算法和Qrouting算法进行实验对比,结果表明该算法在保证较好求解精度的情况下,能有效地改善求解效率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘莉		67	470	12.0	18.0
2	王海红		5	13	3.0	3.0