用于识别复杂网络中最大加权独立集的动态位置搜索
人工智能
2025-05-09 v1
摘要
尽管包括生成式人工智能在内的人工智能（AI）在智能交通系统（ITS）中能有效生成高质量的交通数据和优化方案，但这些技术通常需要大量的训练时间和计算资源，尤其是在大规模和复杂场景下。为了解决这个问题，我们引入了一种新颖且高效的算法来求解最大加权独立集（MWIS）问题，该问题可用于模拟许多ITS应用，例如交通信号控制和车辆路径规划。鉴于MWIS问题的NP难性质，我们提出的算法DynLS融合了三个关键创新来有效解决它。首先，它使用基于分数的自适应顶点扰动（SAVP）技术来加速收敛，特别是在稀疏图中。其次，它包含一个区域定位机制（RLM），通过动态调整搜索空间来帮助跳出局部最优。最后，它采用了一种新颖的变邻域下降策略ComLS，该策略将顶点交换策略与奖励机制相结合，以引导搜索朝向高质量解。我们的实验结果表明，DynLS性能优越，能在1000秒内持续提供高质量的解。DynLS在360个测试实例上优于五种领先算法，在350个实例上获得了最佳解，并以177个实例的优势超越了第二好的算法Cyclic-Fast。此外，DynLS的收敛速度与Cyclic-Fast相当，凸显了其效率和实用性。这项研究代表了MWIS问题启发式算法的重大进步，为辅助AI技术优化智能交通系统提供了一种有前景的方法。
引用
@article{arxiv.2505.04674,
title = {Dynamic Location Search for Identifying Maximum Weighted Independent Sets in Complex Networks},
author = {Enqiang Zhu and Chenkai Hao and Chanjuan Liu and Yongsheng Rao},
journal= {arXiv preprint arXiv:2505.04674},
year = {2025}
}