基于注意力强化学习的闪电网络中的联合组合节点选择与资源分配
机器学习
2024-11-27 v1 计算金融
摘要
闪电网络（LN）已成为解决比特币可扩展性挑战的第二层解决方案。支付通道网络（PCN）及其特定机制鼓励个人加入网络以寻求盈利机会。根据最新统计数据，闪电网络锁定的总价值约为5000万美元。同时，出于盈利激励加入LN presents several obstacles，这涉及解决一个复杂的组合问题，包含与节点选择和资源分配相关的离散和连续控制变量。当前研究不充分地捕捉资源分配的关键作用，并缺乏对LN路由机制的真实仿真。本文提出了一个基于深度强化学习（DRL）框架，借助Transformer的强大功能，来解决联合组合节点选择与资源分配（JCNSRA）问题。我们在现有环境基础上引入了增强其路由机制的模块，从而缩小与实际LN路由系统之间的差距，并确保与JCNSRA问题的兼容性。我们将模型与几个基线方法和启发式方法进行比较，证明其在各种设置下的优越性能。此外，我们针对LN中的中心化问题部署了我们的智能体并监控演化图的中心性指标。我们的发现表明，不仅LN的去中心化目标与个人收益最大化激励之间不存在冲突，而且这两者之间存在积极关联。
引用
@article{arxiv.2411.17353,
title = {Joint Combinatorial Node Selection and Resource Allocations in the Lightning Network using Attention-based Reinforcement Learning},
author = {Mahdi Salahshour and Amirahmad Shafiee and Mojtaba Tefagh},
journal= {arXiv preprint arXiv:2411.17353},
year = {2024}
}