不完全信息序贯拦截场景下贪婪与策略型规避者的研究

我们考虑一类序贯网络拦截问题场景，其中拦截方对网络具有不完全的初始信息，而规避方拥有包括网络结构与弧成本在内的完整网络知识。在每个决策时段，拦截方可以（在该时段内）封锁其已知的至多 $k$ 条弧。通过观察规避方的行动，拦截方了解网络结构与成本，从而可在后续决策时段调整其行动。已有文献表明，若规避方是贪婪的（即每个决策时段使用最短可用路径），则在若干假设下，每个时段封锁 $k$ 条最关键弧的贪婪拦截策略是高效的且具有限后悔值。本文从规避方视角出发，在拦截方为贪婪的假设下探讨确定性的“策略型”规避策略。我们首先研究规避方问题的理论计算复杂性，随后推导当拦截方对网络结构无初始信息时两个决策时段下最优规避策略的基本构造性质。这些性质被用于设计一种通用场景下的启发式算法，该场景具有任意时间范围及拦截方可获得的任意初始信息。我们的计算实验表明，在完美或含噪信息反馈下，所提启发式算法在若干类合成网络实例上优于贪婪规避策略。最后，由理论与计算结果得出的一些有趣见解为本文作结。