计算机应用

作者：黄杰, 武瑞梓, 李均利

单位：1.四川师范大学 计算机科学学院，成都 610101；2.电子科技大学 基础与前沿研究院，成都 611731；3.可视化计算与虚拟现实四川省重点实验室（四川师范大学），成都 610066

关键词：复杂网络,进化算法,参数自适应,鲁棒性,代理模型

提升复杂网络的鲁棒性对于网络抵御外部攻击和级联失效具有重要现实意义。现有进化算法在解决网络结构优化问题时存在局限，特别是在收敛性和优化速度方面有待提升。针对这一问题，提出一种新的自适应复杂网络鲁棒性优化算法SU-ANet （SUrrogate-assisted and Adaptive Network optimization algorithm）。为降低鲁棒性计算所带来的巨大时间开销，该算法构建了基于注意力机制的鲁棒性预测器作为离线代理模型，以代替局部搜索算子中频繁的鲁棒性计算；而在进化过程中，为避免陷入局部最优，同时拓宽解空间的搜索范围，算法全面考虑了全局和局部信息；另外，通过设计交叉算子，使每个个体与全局最优候选解和随机个体进行连边互换，以平衡算法的收敛性和多样性；此外，采用参数自适应机制自动调整算子的执行概率，以减少参数设计对算法性能带来的不确定性影响。在人工合成网络和真实网络上的实验结果表明，SU-ANet具有更好的搜索能力和更高的进化效率。

来源：2024年第11期

《计算机应用》期刊编辑部

查看计算机应用杂志2024年第11期