电讯技术

作者：李旭杰,吉普,孙颖,李浩天,徐宁

单位：(1.河海大学 信息科学与工程学院，南京 210098;2.江苏省卫生健康发展研究中心，南京 210036;3.国家卫生健康委计划生育药具不良反应监测中心，南京 210036;4.江苏省生育力保护与卫生技术评估重点实验室 南京 210036;5.江苏开放大学 信息工程学院，南京 210017)

关键词：复杂网络；节点影响力；深度强化学习；图神经网络；排序学习；

基金：国家自然科学基金资助项目（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）

针对当前节点影响力评估算法准确度较低的情况，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。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，所提算法在典型真实数据集的CN（Crtical Node）与ND（Network Dismantling）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。

来源：2024年第10期

《电讯技术》期刊编辑部

查看电讯技术杂志2024年第10期