基于层级结构学习自动机的随机最短路径实现方法技术

一种基于层级结构学习自动机的随机最短路径实现方法，包括：学习自动机部署，将动态网络从源节点出发到目标阶段终止的结点部署学习自动机；初始化过程，每个学习自动机初始化自身的概率向量；路径选择，从父结点出发逐层选择结点，组成当前路径；环境反馈，将当前路径的代价函数与当前采样路径的均值比较，得到惩罚或者奖励；学习过程，被选择路径上每个学习自动机根据学习算法更新自身的概率向量；逐层判断更新终止过程，若终止，结束步骤，否则更新父节点返回路径选择继续进行。

【技术实现步骤摘要】
基于层级结构学习自动机的随机最短路径实现方法
本专利技术涉及的是一种信息处理领域的技术，具体是一种基于层级结构学习自动机的随机最短路径实现方法。
技术介绍
最短路径问题是指在已知源节点和目标节点的前提下，确定最小的边长度(权重，代价等)的问题，可以分为确定性最短路径和随机性最短路径。确定性最短路径问题是边长度固定的最短路径问题，随机性最短路径是指在最短路径问题中允许边长度随机可变的问题。考虑到实际网络的动态性，相比于确定性最短路径，随机最短路径在现实问题中有着更广泛的应用。目前解决随机最短路径的算法大体可以分为如下两类：一是将各个边的长度视作随机变量，寻找使得期望长度最短的路径；二是考虑边的增删可能，可以在不同的时间阶段在线确定最短路径的方法。但是任何情况下，当前的算法均需要预先确定网络中边长度的分布情况。如果此先验信息未知，当前的算法将失去其效用。学习自动机是通过与环境的交互，调整自身决策行为的一种自治系统，隶属于加强学习的领域。在每一次迭代过程中，学习自动机依概率向量选择动作送入环境中。环境产生反馈后，更新算法以{动作，反馈}为输入，调整当前的概率分布，并作为下一轮循环中决策依据本文档来自技高网...

【技术保护点】
一种基于层级结构学习自动机的随机最短路径实现方法，其特征在于，通过层级结构的学习自动机网络逐层更新收敛，当任一层网络达到收敛条件时，通过剔除该层最优节点除外的节点及其子节点进行层级结构修剪，从而将选择最短路径的问题转换为定位最优节点的问题，最终得到的最短路径即从第一层到最后一层的最优节点组成的序列。

【技术特征摘要】
1.一种基于层级结构学习自动机的随机最短路径实现方法，其特征在于，通过层级结构的学习自动机网络逐层更新收敛，当任一层网络达到收敛条件时，通过剔除该层最优节点除外的节点及其子节点进行层级结构修剪，从而将选择最短路径的问题转换为定位最优节点的问题，最终得到的最短路径即从第一层到最后一层的最优节点组成的序列。2.根据权利要求1所述的实现方法，其特征是，所述的学习自动机网络中，源节点作为父节点，目标节点作为叶子节点；所述的层级结构具体是指：随机网络G＝(V,E,F)，其中：V＝{1,2,…，n}表示节点的集合，表示边的集合，F是n×n的矩阵(n等于节点V的个数)，每个元素Fi,j指边(i,j)的长度Lij的概率分布函数；该层级结构网络的源节点为vs，目标节点为，每个节点的父节点均逐一指向源节点vs。3.根据权利要求1或2所述的实现方法，其特征是，所述的层级结构具体通过以下方式实现初始化：从源节点vs出发，在vs上部署一个学习自动机，该学习自动机行为的个数等于vs的出度；从vs的各个邻居节点v2出发，在各个v2上分别部署一个学习自动机，其行为个数等于v2的出度；再从v2的各个邻居节点v3出发，逐层按相同方式部署学习自动机，直到目标节点vd的学习自动机部署完成；最后删去未部署学习自动机的节点，由此形成了学习自动机的分布式网络；每个学习自动机各自完成初始化工作，初始化各自的概率向量为均匀分布；设置当...

【专利技术属性】
技术研发人员：李生红，郭颖，马颖华，汤璐，
申请(专利权)人：上海交通大学，
类型：发明
国别省市：上海,31