不确定有限图上的先验全局搜索稳定性：贪婪搜索能否胜出？
社会与信息网络
2023-10-17 v2 物理与社会
摘要
本研究论文探讨了在复杂网络中处理不完全信息或不确定性时搜索算法的稳定性。我们提出一个理论模型，以研究具有不完全先验信息的全局搜索算法在平均意义上是否会被随机贪婪搜索超越。该模型引入随机变量扰动图中的边权，从而刻画可用信息的不确定性。我们的发现表明，存在某些图和不确定性模型参数，使得全局搜索算法在不确定性条件下失效，而随机贪婪搜索表现更优。我们推导了一条临界曲线，用于区分具有不完全信息的全局搜索中稳定与不稳定的图。有趣的是，临界曲线的行为随不确定性参数从单调变为钟形。我们在具有不同结构的多种合成和真实世界图上通过数值模拟检验了所提模型。我们的结果为通信网络、社交网络和生物网络等基于网络的应用中搜索算法的设计与优化提供了见解。我们还讨论了微型昆虫的记忆与联想学习研究，突出了高效搜索与行走策略在空间有限区域内运行的小型机器人或设备的潜力。
引用
@article{arxiv.2305.06331,
title = {Prior Global Search Stability on Finite Graphs with Uncertainty. May Greedy Search Win?},
author = {Andrey Ananev and Aleksey Khlyupin},
journal= {arXiv preprint arXiv:2305.06331},
year = {2023}
}