發現復雜網絡中的關鍵參與者，對認識及優化網絡整體效能至關重要。記者近日從國防科技大學獲悉，該校系統工程學院研究人員創造性地提出了一種名為FINDER的深度強化學習AI算法，實現了對復雜網絡中關鍵參與者的準確快速識別，在效果、性能及普適性等方面均超越了現有的解決方案。相關研究成果近日在《自然·機器智能》發表。

在復雜網絡中，如果節點數增加，尋找關鍵節點的時間會呈指數級增長，這在計算機科學中被稱為NP-hard問題，是優化算法領域的終極挑戰。解決這一問題的傳統解法包括精確算法、近似算法、啟發式算法等，但這些算法在準確性和計算效率上難以取得令人滿意的平衡。更重要的是，目前缺乏這一類問題的統一求解框架，以致同一類問題的不同應用場景都需要專門設計不同的算法。

據介紹，該校研究人員此次提出的FINDER是求解這類問題的統一算法框架。它能夠在經典模型生成的小型合成網絡中先行離線訓練，而后根據特定問題場景獎勵函數的指導，自動學習掌握“聰明”的選點策略——根據當前狀態(即當前觀察到的網絡結構)，選擇能夠獲得最大預期回報的行動(即應選擇的節點)。

多個大規模真實網絡上的實驗結果表明，與現有技術相比，FINDER在尋找復雜網絡關鍵參與者的準確性和計算效率上均取得了更好的表現。特別是在效率上，可以輕松擴展到百萬節點級的大規模網絡。此外，FINDER還是一個高度靈活且通用的框架，只需更改其獎勵函數，就可以應用于不同的問題場景。這為分析復雜網絡的組織結構原理提供了新的分析范式。

據悉，該算法未來有望在人群流行病控制、藥物的合理設計、疾病致病基因識別、社交媒體輿論引導及謠言阻斷等方面發揮重要作用。

關鍵詞： 識別算法