基于强化学习的有效局部搜索求解最大k-plex问题
神经与进化计算
2019-03-14 v1 机器学习
摘要
最大k-plex问题是一个计算复杂问题，源于图论社会网络研究。本文提出一种求解最大k-plex问题的有效混合局部搜索，将最近提出的突破局部搜索算法与强化学习策略相结合。所提方法包含如下区分性特征：基于交换算子的统一邻域搜索、针对动作的距离-质量奖励以及基于强化学习的新参数控制机制。在来自第二次DIMACS挑战的80个基准实例上针对最大k-plex问题（k = 2, 3, 4, 5）开展的广泛实验表明，除四个问题实例外，所提方法可匹配文献中的已知最优结果。此外，该算法能够找到32个新的最优解。
引用
@article{arxiv.1903.05537,
title = {Effective reinforcement learning based local search for the maximum k-plex problem},
author = {Yan Jin and John H. Drake and Una Benlic and Kun He},
journal= {arXiv preprint arXiv:1903.05537},
year = {2019}
}