近日，中國國防科技大學、美國加州大學洛杉磯分校和哈佛醫(yī)學院的研究人員研發(fā)了一個深度強化學習框架FINDER。相比于現(xiàn)有的解決方案，F(xiàn)INDER能夠更快速、更高效地找到復雜網(wǎng)絡中一組最關鍵的節(jié)點，進而使復雜網(wǎng)絡以較高的效率運行。

這項研究發(fā)表在國際期刊《自然》旗下的《自然–機器智能》上，論文標題為《用深度強化學習找到復雜網(wǎng)絡的關鍵參與者（Finding key players in complex networks through deep reinforcement learning）》。

論文鏈接：
https://www.nature.com/articles/s42256-020-0177-2

一、FINDER：適用場景更廣泛，運行速度快出幾個數(shù)量級

在物理科學、信息科學、生物科學等領域的研究中，研究人員可以通過建立網(wǎng)絡拓撲結(jié)構(gòu)來模擬實際情況、進而作出預測。

在這類復雜網(wǎng)絡的運行過程中，節(jié)點間的配合直接決定了復雜網(wǎng)絡運行的效率。當被用于解決NP難題（NP-hard）時，復雜網(wǎng)絡中節(jié)點的“分工協(xié)作”尤其重要。

NP難題指的是在多項式時間內(nèi)可以被驗證其正確性的問題。比如，在疫情防控領域，復雜網(wǎng)絡模型可以模擬出疫情傳播情況、幫助找到疫苗藥物分子等。運行這些任務時，復雜網(wǎng)絡要推演和驗證病毒是否會傳染給下一個人、某種藥物分子是否有效的各種情況。在這個過程中，找到最關鍵的節(jié)點能夠提升復雜網(wǎng)絡的運行效率。

對于這類問題，現(xiàn)有的解決方案通?；诖笮途W(wǎng)絡進行訓練、針對特定場景提出策略，但缺乏統(tǒng)一的框架。相比之下，中國國防科技大學、加州大學洛杉磯分校、哈佛醫(yī)學院的研究人員提出的FINDER可以應用于廣泛的復雜網(wǎng)絡場景，其運行速度快了幾個數(shù)量級。

二、分兩階段進行訓練，分別采用不同獎勵函數(shù)

FINDER框架采用純數(shù)據(jù)驅(qū)動的方法，分兩個階段進行訓練。在兩個階段中，研究人員用不同的獎勵函數(shù)來訓練FINDER。

第一階段用經(jīng)典模型生成的小型合成網(wǎng)絡對FINDER進行離線訓練。離線訓練采用ϵ-greedy策略。

離線訓練階段分三步進行：首先，研究人員生成一批合成圖形；然后，研究人員從合成圖形中任意取樣一個圖形；接下來，F(xiàn)INDER框架在這一圖形上進行整個尋找關鍵節(jié)點的流程。這一流程中，代理與圖形通過一系列狀態(tài)、動作、激勵進行交互。

為了確定狀態(tài)的正確動作，代理先在當前的圖形上編碼，并獲取每個節(jié)點的嵌入向量。節(jié)點的嵌入向量會捕獲節(jié)點的結(jié)構(gòu)信息和節(jié)點特征之間的長程相互作用（long-range interaction）。接下來，代理將嵌入向量解碼為標量Q值，以便所有節(jié)點能夠預測部署某個動作的長程增益。

▲離線訓練階段示意圖

一旦離線訓練結(jié)束，F(xiàn)INDER就進入第二個訓練階段，被應用于真實網(wǎng)絡拓撲結(jié)構(gòu)中。研究人員在浣熊接觸網(wǎng)絡（the raccoon contact network）的最大連通元件（connected component）上進行測試。最大連通元件包括14個節(jié)點和20條邊。

這一階段中，代理首先將當前網(wǎng)絡編碼為低維嵌入向量，然后利用這些向量對每個節(jié)點的Q值進行解碼。

第二階段采用“批量節(jié)點選擇（batch nodes selection）”策略。該策略在每個自適應步驟中選擇一個有限分數(shù)的最高Q節(jié)點，避免了對嵌入向量和Q值的逐個迭代選擇和重新計算。批量節(jié)點選擇策略不會影響最終的結(jié)果，但可以降低幾個數(shù)量級的時間復雜度。

研究人員會重復這個過程，直到復雜網(wǎng)絡達到用戶定義的終端狀態(tài)、被移除的節(jié)點構(gòu)成最優(yōu)的節(jié)點集合。

▲用真實復雜網(wǎng)絡進行訓練示意圖

三、對比3個模型性能，F(xiàn)INDER找出關鍵節(jié)點的效率最高

相比于機器人等傳統(tǒng)的強化學習技術（狀態(tài)和動作較為簡單），復雜網(wǎng)絡技術更加復雜和難以表示。研究團隊高級研究員孫怡舟稱，這是因為復雜網(wǎng)絡具有離散的數(shù)據(jù)結(jié)構(gòu)和處于極其高維的空間。

本項研究中，研究人員用圖神經(jīng)網(wǎng)絡（GNN）來解決這個問題。圖神經(jīng)網(wǎng)絡中的節(jié)點代表動作、圖形代表狀態(tài)。

以911恐怖襲擊事件發(fā)生預測網(wǎng)絡為例，網(wǎng)絡中每個節(jié)點代表參與911恐襲的恐怖分子、每個邊（edge）代表他們的社會交流。

研究人員在911恐怖襲擊事件發(fā)生預測網(wǎng)絡上運行FINDER框架，并運行現(xiàn)有的高維（HD）方法和集體影響（CI）方法做對比。

下圖d顯示了三種方法的ANC曲線。在框架部署動作后，剩余節(jié)點的重要性越低，代表框架性能越好。

可以看到，F(xiàn)INDER框架最有效地找到了復雜網(wǎng)絡中關鍵節(jié)點。相比于其他兩個解決方案，隨著被移除節(jié)點的重要性升高，運行FINDER框架的復雜網(wǎng)絡中剩余的節(jié)點重要性最低。

▲911恐怖襲擊事件發(fā)生預測網(wǎng)絡（藍色點代表剩余圖形中的節(jié)點，紅色點代表當前時間步長中FINDER找出的關鍵節(jié)點，灰色點代表剩余的孤立節(jié)點）

結(jié)語：未來將可用于更多類型復雜網(wǎng)絡

FINDER框架通過深度強化學習方法進行訓練，可以找到復雜網(wǎng)絡中的關鍵節(jié)點。在未來，F(xiàn)INDER框架或可被用于優(yōu)化社交網(wǎng)絡、電力網(wǎng)絡、傳染病蔓延網(wǎng)絡等模型的性能。

目前，加州大學洛杉磯分校的研究團隊正計劃將FINDER框架用于網(wǎng)絡科學研究。哈佛醫(yī)學院的團隊希望將FINDER用于生物網(wǎng)絡，以確定蛋白質(zhì)交互網(wǎng)絡和基因調(diào)控網(wǎng)絡中的關鍵參與者。

另外，研究人員稱未來將從以下三方面著手，提升框架尋找關鍵節(jié)點的性能：設計出更好的圖形表示學習架構(gòu)；探索如何在跨圖形甚至跨域轉(zhuǎn)移知識；研究并解決復雜網(wǎng)絡上的其他NP難題。