期刊专题

10.3969/j.issn.1006-2475.2020.11.013

基于分层和强化学习的改进路径搜索算法

引用
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.

复杂网络、路径优化、分层网络、强化学习

TP399(计算技术、计算机技术)

国家自然科学基金资助项目61104004,61170258,U1806201,61671261

2020-12-04(万方平台首次上网日期,不代表论文的发表时间)

共7页

77-82,88

暂无封面信息
查看本期封面目录

计算机与现代化

1006-2475

36-1137/TP

2020,(11)

专业内容知识聚合服务平台

国家重点研发计划“现代服务业共性关键技术研发及应用示范”重点专项“4.8专业内容知识聚合服务技术研发与创新服务示范”

国家重点研发计划资助 课题编号:2019YFB1406304
National Key R&D Program of China Grant No. 2019YFB1406304

©天津万方数据有限公司 津ICP备20003920号-1

信息网络传播视听节目许可证 许可证号:0108284

网络出版服务许可证:(总)网出证(京)字096号

违法和不良信息举报电话:4000115888    举报邮箱:problem@wanfangdata.com.cn

举报专区:https://www.12377.cn/

客服邮箱:op@wanfangdata.com.cn