基于深度神经进化的可逃避主动假设检验：单智能体与多智能体情况

主动假设检验是一个已广泛研究的問題，广泛应用于无线通信和传感器网络。本文聚焦于是否存在窃听者时的中心化和去中心化主动假设检验问题。对于包括单个合法智能体的中心化问题，我们提出了基于深度神经进化 (NE) 的新框架；对于去中心化问题，我们发展了一种新的基于 NE 的方法，用于解决协作多智能体任务，这种方法奇妙地保持了单智能体 NE 方案的所有计算优势。为进一步降低后者方案的计算复杂度，还设计了一种新的多智能体联合 NE 与修剪框架。通过大量数值实验在无线传感器网络上的异常检测用例中验证了所提出的 NE 基于可逃避主动假设检验方案的优越性，与传统主动假设检验政策以及学习方法相比较。结果表明，所提出的联合优化和修剪框架在去除大量冗余深度神经网络权重的同时，几乎与其未修剪版本的性能相当。