El aprendizaje profundo por refuerzo para el desmantelamiento de redes: un enfoque basado en k-core
Autores: Pu, Tianle; Zeng, Li; Chen, Chao
Idioma: Inglés
Editor: MDPI
Año: 2024
Acceso abierto
Artículo científico
2024
El aprendizaje profundo por refuerzo para el desmantelamiento de redes: un enfoque basado en k-core
Categoría
Matemáticas
Subcategoría
Matemáticas generales
Palabras clave
Desmantelamiento de redes
Sistemas complejos
Tamaño acumulado de 2 núcleos
SmartCore
Aprendizaje por refuerzo
Redes neuronales en grafos
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 34
Citaciones: Sin citaciones
El desmantelamiento de redes es uno de los problemas más desafiantes en sistemas complejos. Este problema abarca una amplia gama de aplicaciones prácticas. Los trabajos previos se centran principalmente en métricas como el número de nodos en el Componente Conectado Gigante (GCC), la conectividad promedio par a par, etc. Este artículo introduce una métrica novedosa, el tamaño acumulado de 2-core, para evaluar el desmantelamiento de redes. Debido a la complejidad computacional NP-hard de este problema, proponemos SmartCore, un modelo de extremo a extremo para minimizar el tamaño acumulado de 2-core mediante el aprovechamiento del aprendizaje por refuerzo y redes neuronales gráficas. Experimentos extensos en conjuntos de datos sintéticos y del mundo real demuestran la superioridad de SmartCore sobre los métodos existentes en términos de precisión y velocidad, sugiriendo que SmartCore debería ser una mejor opción para el problema de desmantelamiento de redes en la práctica.
Descripción
El desmantelamiento de redes es uno de los problemas más desafiantes en sistemas complejos. Este problema abarca una amplia gama de aplicaciones prácticas. Los trabajos previos se centran principalmente en métricas como el número de nodos en el Componente Conectado Gigante (GCC), la conectividad promedio par a par, etc. Este artículo introduce una métrica novedosa, el tamaño acumulado de 2-core, para evaluar el desmantelamiento de redes. Debido a la complejidad computacional NP-hard de este problema, proponemos SmartCore, un modelo de extremo a extremo para minimizar el tamaño acumulado de 2-core mediante el aprovechamiento del aprendizaje por refuerzo y redes neuronales gráficas. Experimentos extensos en conjuntos de datos sintéticos y del mundo real demuestran la superioridad de SmartCore sobre los métodos existentes en términos de precisión y velocidad, sugiriendo que SmartCore debería ser una mejor opción para el problema de desmantelamiento de redes en la práctica.