本發(fā)明涉及的是一種信息處理領(lǐng)域的技術(shù)，具體是一種基于層級(jí)結(jié)構(gòu)學(xué)習(xí)自動(dòng)機(jī)的隨機(jī)最短路徑實(shí)現(xiàn)方法。

背景技術(shù)：

最短路徑問題是指在已知源節(jié)點(diǎn)和目標(biāo)節(jié)點(diǎn)的前提下，確定最小的邊長(zhǎng)度(權(quán)重，代價(jià)等)的問題，可以分為確定性最短路徑和隨機(jī)性最短路徑。確定性最短路徑問題是邊長(zhǎng)度固定的最短路徑問題，隨機(jī)性最短路徑是指在最短路徑問題中允許邊長(zhǎng)度隨機(jī)可變的問題?？紤]到實(shí)際網(wǎng)絡(luò)的動(dòng)態(tài)性，相比于確定性最短路徑，隨機(jī)最短路徑在現(xiàn)實(shí)問題中有著更廣泛的應(yīng)用。

目前解決隨機(jī)最短路徑的算法大體可以分為如下兩類：一是將各個(gè)邊的長(zhǎng)度視作隨機(jī)變量，尋找使得期望長(zhǎng)度最短的路徑；二是考慮邊的增刪可能，可以在不同的時(shí)間階段在線確定最短路徑的方法。但是任何情況下，當(dāng)前的算法均需要預(yù)先確定網(wǎng)絡(luò)中邊長(zhǎng)度的分布情況。如果此先驗(yàn)信息未知，當(dāng)前的算法將失去其效用。

學(xué)習(xí)自動(dòng)機(jī)是通過與環(huán)境的交互，調(diào)整自身決策行為的一種自治系統(tǒng)，隸屬于加強(qiáng)學(xué)習(xí)的領(lǐng)域。在每一次迭代過程中，學(xué)習(xí)自動(dòng)機(jī)依概率向量選擇動(dòng)作送入環(huán)境中。環(huán)境產(chǎn)生反饋后，更新算法以{動(dòng)作，反饋}為輸入，調(diào)整當(dāng)前的概率分布，并作為下一輪循環(huán)中決策依據(jù)。每次循環(huán)相當(dāng)于對(duì)環(huán)境的一次采樣過程，這樣的循環(huán)不斷進(jìn)行，直到學(xué)習(xí)自動(dòng)機(jī)以概率1收斂到某動(dòng)作。如果這個(gè)行為在環(huán)境中具有最大獎(jiǎng)勵(lì)概率，則這個(gè)學(xué)習(xí)自動(dòng)機(jī)正確收斂。

學(xué)習(xí)自動(dòng)機(jī)具有強(qiáng)大的隨機(jī)決策能力，在通信網(wǎng)絡(luò)和黑盒函數(shù)優(yōu)化領(lǐng)域體現(xiàn)出其特有的優(yōu)勢(shì)。目前有用分布式學(xué)習(xí)自動(dòng)機(jī)解決隨機(jī)最短路徑的成果，但速度和準(zhǔn)確率都還有很大的提升空間。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明針對(duì)上述現(xiàn)有技術(shù)存在的不足，提出一種基于層級(jí)結(jié)構(gòu)學(xué)習(xí)自動(dòng)機(jī)的隨機(jī)最短路徑實(shí)現(xiàn)方法，在速度、精度、開銷上，均優(yōu)于傳統(tǒng)方法。

本發(fā)明是通過以下技術(shù)方案實(shí)現(xiàn)的：

本發(fā)明涉及一種基于層級(jí)結(jié)構(gòu)學(xué)習(xí)自動(dòng)機(jī)的隨機(jī)最短路徑實(shí)現(xiàn)方法，通過層級(jí)結(jié)構(gòu)的學(xué)習(xí)自動(dòng)機(jī)網(wǎng)絡(luò)逐層更新收斂，當(dāng)任一層網(wǎng)絡(luò)達(dá)到收斂條件時(shí)，通過剔除該層最優(yōu)節(jié)點(diǎn)除外的節(jié)點(diǎn)及其子節(jié)點(diǎn)進(jìn)行層級(jí)結(jié)構(gòu)修剪，從而將選擇最短路徑的問題轉(zhuǎn)換為定位最優(yōu)節(jié)點(diǎn)的問題，最終得到的最短路徑即從第一層到最后一層的最優(yōu)節(jié)點(diǎn)組成的序列。

所述的學(xué)習(xí)自動(dòng)機(jī)網(wǎng)絡(luò)中，源節(jié)點(diǎn)作為父節(jié)點(diǎn)，目標(biāo)節(jié)點(diǎn)作為葉子節(jié)點(diǎn)。

所述的層級(jí)結(jié)構(gòu)具體是指：隨機(jī)網(wǎng)絡(luò)g＝(v,e,f)，其中：v＝{1,2,…，n}表示節(jié)點(diǎn)的集合，表示邊的集合，f是n×n的矩陣(n等于節(jié)點(diǎn)v的個(gè)數(shù))，每個(gè)元素fi,j指邊(i,j)的長(zhǎng)度lij的概率分布函數(shù)；該層級(jí)結(jié)構(gòu)網(wǎng)絡(luò)的源節(jié)點(diǎn)為vs，目標(biāo)節(jié)點(diǎn)為vd，每個(gè)節(jié)點(diǎn)的父節(jié)點(diǎn)均逐一指向源節(jié)點(diǎn)vs。

所述的層級(jí)結(jié)構(gòu)具體通過以下方式實(shí)現(xiàn)初始化：從源節(jié)點(diǎn)vs出發(fā)，在vs上部署一個(gè)學(xué)習(xí)自動(dòng)機(jī)，該學(xué)習(xí)自動(dòng)機(jī)行為的個(gè)數(shù)等于vs的出度；從vs的各個(gè)鄰居節(jié)點(diǎn)v2出發(fā)，在各個(gè)v2上分別部署一個(gè)學(xué)習(xí)自動(dòng)機(jī)，其行為個(gè)數(shù)等于v2的出度；再從v2的各個(gè)鄰居節(jié)點(diǎn)v3出發(fā)，逐層按相同方式部署學(xué)習(xí)自動(dòng)機(jī)，直到目標(biāo)節(jié)點(diǎn)vd的學(xué)習(xí)自動(dòng)機(jī)部署完成；最后刪去未部署學(xué)習(xí)自動(dòng)機(jī)的節(jié)點(diǎn)，由此形成了學(xué)習(xí)自動(dòng)機(jī)的層級(jí)結(jié)構(gòu)網(wǎng)絡(luò)；每個(gè)學(xué)習(xí)自動(dòng)機(jī)各自完成初始化工作，初始化各自的概率向量為均勻分布；設(shè)置當(dāng)前節(jié)點(diǎn)為父節(jié)點(diǎn)，逐層依次選擇下一節(jié)點(diǎn)，所有節(jié)點(diǎn)組成當(dāng)前路徑φ。

所述的逐層更新，具體包括以下步驟：

①選取層級(jí)結(jié)構(gòu)中的當(dāng)前路徑中相鄰節(jié)點(diǎn)的隨機(jī)路徑依次相加，得到當(dāng)前路徑的代價(jià)值lφ。

②用動(dòng)態(tài)閾值tk表示目前為止的所有采樣路徑的均值：當(dāng)路徑代價(jià)lφ小于動(dòng)態(tài)閾值tk時(shí)，獎(jiǎng)勵(lì)路徑φ上的所有學(xué)習(xí)自動(dòng)機(jī)，即β＝1iflφ＜tk；否則懲罰路徑φ上的所有學(xué)習(xí)自動(dòng)機(jī)，即β＝0iflφ≥tk。

③學(xué)習(xí)自動(dòng)機(jī)根據(jù)lri(linearreward-inaction)學(xué)習(xí)算法更新自身的概率向量。

所述的lri學(xué)習(xí)算法是指：學(xué)習(xí)自動(dòng)機(jī)在環(huán)境獎(jiǎng)勵(lì)時(shí)更新概率向量，在環(huán)境懲罰時(shí)不更新概率向量的機(jī)制，具體是指：p(k+1)＝t(p(k))ifβ＝1,p(k+1)＝p(k)，其中：t為更新機(jī)制。

所述的更新，在更新概率向量時(shí)，學(xué)習(xí)自動(dòng)機(jī)增大選定行為的概率，減小其余行為的概率，具體是指：pi(k+1)＝pi(k)+(1-λ)pi(k),pj(k+1)＝pj(k)-λpj(k)(j≠i)，其中：i為選定的行為。

④更新動(dòng)態(tài)閾值其中：k表示迭代次數(shù)。

所述的收斂是指：當(dāng)父節(jié)點(diǎn)vp的最大概率大于預(yù)先設(shè)定的閾值pm時(shí)該層更新終止，移動(dòng)父節(jié)點(diǎn)vp至最大概率對(duì)應(yīng)的行為所在的節(jié)點(diǎn)(概率最大的子節(jié)點(diǎn))，并進(jìn)行下一層更新，直到父節(jié)點(diǎn)vp到達(dá)目標(biāo)節(jié)點(diǎn)vd，完整整個(gè)網(wǎng)絡(luò)更新。

技術(shù)效果

在傳統(tǒng)的基于分布式學(xué)習(xí)自動(dòng)機(jī)的隨機(jī)最短路徑算法中，整個(gè)結(jié)構(gòu)可以等效為一個(gè)學(xué)習(xí)自動(dòng)機(jī)，該等效學(xué)習(xí)自動(dòng)機(jī)的行為集合為可供選擇的所有路徑，最優(yōu)行為即最短。而在層級(jí)結(jié)構(gòu)學(xué)習(xí)自動(dòng)機(jī)中，算法可以逐層收斂，每一層的行為個(gè)數(shù)為當(dāng)前層的行為個(gè)數(shù)，遠(yuǎn)小于傳統(tǒng)算法中可供選擇的路徑個(gè)數(shù)。行為集的個(gè)數(shù)變小可以大大加快算法收斂的速度，提升算法收斂的準(zhǔn)確度。另一方面，層級(jí)結(jié)構(gòu)的學(xué)習(xí)自動(dòng)機(jī)可以不斷修剪其結(jié)構(gòu)，縮小搜索空間，進(jìn)一步提升算法速度，減小開銷。

與傳統(tǒng)的分布式方法相比，本發(fā)明具有更快的速度、更高的準(zhǔn)確率、更小卻更高效的采樣代價(jià)。在實(shí)際的工業(yè)應(yīng)用中，可以更好的發(fā)揮其價(jià)值。

附圖說明

圖1、圖2為本發(fā)明的實(shí)施例數(shù)據(jù)集；

圖3為本發(fā)明的層級(jí)結(jié)構(gòu)學(xué)習(xí)自動(dòng)機(jī)模型示意圖；

圖中：a為原始的隨機(jī)圖，b為部署學(xué)習(xí)自動(dòng)機(jī)之后的層級(jí)結(jié)構(gòu)網(wǎng)絡(luò)，c為b映射為層級(jí)結(jié)構(gòu)的學(xué)習(xí)自動(dòng)機(jī)模型圖，d為c中的每個(gè)層級(jí)結(jié)構(gòu)學(xué)習(xí)自動(dòng)機(jī)的具體結(jié)構(gòu)示意圖。

具體實(shí)施方式

如圖3a～圖3d所示，本方法具體通過以下方式實(shí)現(xiàn)層級(jí)結(jié)構(gòu)網(wǎng)絡(luò)的初始化：以圖3a為例，從源節(jié)點(diǎn)vs出發(fā)，在vs上部署一個(gè)學(xué)習(xí)自動(dòng)機(jī)，該學(xué)習(xí)自動(dòng)機(jī)行為的個(gè)數(shù)等于vs的出度；從vs的各個(gè)鄰居節(jié)點(diǎn)v2出發(fā)，在各個(gè)v2上分別部署一個(gè)學(xué)習(xí)自動(dòng)機(jī)，其行為個(gè)數(shù)等于v2的出度；再從v2的各個(gè)鄰居節(jié)點(diǎn)v3出發(fā)，逐層按相同方式部署學(xué)習(xí)自動(dòng)機(jī)，直到目標(biāo)節(jié)點(diǎn)vd的學(xué)習(xí)自動(dòng)機(jī)部署完成；最后刪去未部署學(xué)習(xí)自動(dòng)機(jī)的節(jié)點(diǎn)，由此形成了學(xué)習(xí)自動(dòng)機(jī)的層級(jí)結(jié)構(gòu)網(wǎng)絡(luò)，如圖3b所示；每個(gè)學(xué)習(xí)自動(dòng)機(jī)各自完成初始化工作，初始化各自的概率向量為均勻分布；設(shè)置當(dāng)前節(jié)點(diǎn)為父節(jié)點(diǎn)，逐層依次選擇下一節(jié)點(diǎn)，所有節(jié)點(diǎn)組成當(dāng)前路徑φ。

如圖3c，3d所示，在完成初始化后對(duì)網(wǎng)絡(luò)進(jìn)行逐層更新，具體包括以下步驟：

①選取層級(jí)結(jié)構(gòu)中的當(dāng)前路徑中相鄰節(jié)點(diǎn)的隨機(jī)路徑依次相加，得到當(dāng)前路徑的代價(jià)值lφ。

②用動(dòng)態(tài)閾值tk表示目前為止的所有采樣路徑的均值：當(dāng)路徑代價(jià)lφ小于動(dòng)態(tài)閾值tk時(shí)，獎(jiǎng)勵(lì)路徑φ上的所有學(xué)習(xí)自動(dòng)機(jī)；否則懲罰路徑φ上的所有學(xué)習(xí)自動(dòng)機(jī)。

③學(xué)習(xí)自動(dòng)機(jī)根據(jù)lri(linearreward-inaction)學(xué)習(xí)算法更新自身的概率向量。

④更新動(dòng)態(tài)閾值其中：k表示迭代次數(shù)。

本實(shí)施例采用圖1的網(wǎng)絡(luò)：該網(wǎng)絡(luò)有10個(gè)節(jié)點(diǎn)，23條邊，源節(jié)點(diǎn)為1，目標(biāo)節(jié)點(diǎn)為10，最短路徑為{1，4，9，10}。

參數(shù)設(shè)置：學(xué)習(xí)參數(shù)λ＝0.01，收斂閾值pm＝0.9。

實(shí)施本發(fā)明的具體包括步驟如下：

步驟一：學(xué)習(xí)自動(dòng)機(jī)的部署。從源節(jié)點(diǎn)學(xué)習(xí)自動(dòng)機(jī)#1出發(fā)，在#1上部署一個(gè)學(xué)習(xí)自動(dòng)機(jī)，此學(xué)習(xí)自動(dòng)機(jī)行為的個(gè)數(shù)等于#1的出度3；分別從#1的各個(gè)鄰居節(jié)點(diǎn)學(xué)習(xí)自動(dòng)機(jī)#2、#3、#4出發(fā)，在#2、#3、#4上各自部署一個(gè)學(xué)習(xí)自動(dòng)機(jī)，其行為個(gè)數(shù)分別等于#2、#3、#4的出度；再依次從#2、#3、#4的各個(gè)鄰居節(jié)點(diǎn)出發(fā)進(jìn)行相同方式的學(xué)習(xí)自動(dòng)機(jī)部署，直到目標(biāo)節(jié)點(diǎn)學(xué)習(xí)自動(dòng)機(jī)#10所在的學(xué)習(xí)自動(dòng)機(jī)部署完成。刪去未部署學(xué)習(xí)自動(dòng)機(jī)的節(jié)點(diǎn)，由此形成了學(xué)習(xí)自動(dòng)機(jī)的分布式網(wǎng)絡(luò)。

步驟二：初始化各個(gè)學(xué)習(xí)自動(dòng)機(jī)如下：

2.1)學(xué)習(xí)自動(dòng)機(jī)#1的鄰居節(jié)點(diǎn)：#2、#3、#4。學(xué)習(xí)自動(dòng)機(jī)#1部署3行為的學(xué)習(xí)自動(dòng)機(jī)，初始化其概率向量為[1/3,1/3,1/3]

2.2)學(xué)習(xí)自動(dòng)機(jī)#2的鄰居節(jié)點(diǎn)：#5、#6。學(xué)習(xí)自動(dòng)機(jī)#2部署2行為的學(xué)習(xí)自動(dòng)機(jī)，初始化其概率向量為[1/2,1/2]

2.3)學(xué)習(xí)自動(dòng)機(jī)#3的鄰居節(jié)點(diǎn)：#2、#7、#8。學(xué)習(xí)自動(dòng)機(jī)#3部署3行為的學(xué)習(xí)自動(dòng)機(jī)，初始化其概率向量為[1/3,1/3,1/3]

2.4)學(xué)習(xí)自動(dòng)機(jī)#4的鄰居節(jié)點(diǎn)：#3、#9。學(xué)習(xí)自動(dòng)機(jī)#4部署2行為的學(xué)習(xí)自動(dòng)機(jī)，初始化其概率向量為[1/2,1/2]

2.5)學(xué)習(xí)自動(dòng)機(jī)#5的鄰居節(jié)點(diǎn)：#7、#10。學(xué)習(xí)自動(dòng)機(jī)#5部署2行為的學(xué)習(xí)自動(dòng)機(jī)，初始化其概率向量為[1/2,1/2]

2.6)學(xué)習(xí)自動(dòng)機(jī)#6的鄰居節(jié)點(diǎn)：#3、#5、#7。學(xué)習(xí)自動(dòng)機(jī)#6部署3行為的學(xué)習(xí)自動(dòng)機(jī)，初始化其概率向量為[1/3,1/3,1/3]

2.7)學(xué)習(xí)自動(dòng)機(jī)#7的鄰居節(jié)點(diǎn)：#6、#8、#9、#10。學(xué)習(xí)自動(dòng)機(jī)#7部署4為的學(xué)習(xí)自動(dòng)機(jī)，初始化其概率向量為[1/4,1/4,1/4,1/4]

2.8)學(xué)習(xí)自動(dòng)機(jī)#8的鄰居節(jié)點(diǎn)：#4、#7、#9。學(xué)習(xí)自動(dòng)機(jī)#8部署3行為的學(xué)習(xí)自動(dòng)機(jī)，初始化其概率向量為[1/3,1/3,1/3]

2.9)學(xué)習(xí)自動(dòng)機(jī)#9的鄰居節(jié)點(diǎn)：#10。學(xué)習(xí)自動(dòng)機(jī)#9部署1行為的學(xué)習(xí)自動(dòng)機(jī)，初始化其概率向量為[1]

步驟三：變量設(shè)置：設(shè)置父節(jié)點(diǎn)為學(xué)習(xí)自動(dòng)機(jī)#1

步驟四：路徑選擇。設(shè)置當(dāng)前節(jié)點(diǎn)為學(xué)習(xí)自動(dòng)機(jī)#1，根據(jù)#1的概率向量選擇行為，并激活相應(yīng)的鄰居節(jié)點(diǎn)，依次類推，逐層選擇下一節(jié)點(diǎn)，所有節(jié)點(diǎn)組成當(dāng)前路徑。如φ＝{#1、#3、#7、#9、#10}。

步驟五：代價(jià)計(jì)算。將選取的當(dāng)前路徑φ＝{#1、#3、#7、#9、#10}中相鄰節(jié)點(diǎn)的隨機(jī)路徑依次相加，得到當(dāng)前路徑的代價(jià)值lφ。

步驟六：環(huán)境反饋。用動(dòng)態(tài)閾值tk表示目前為止的所有采樣路徑的均值。當(dāng)路徑代價(jià)lφ小于動(dòng)態(tài)閾值tk，獎(jiǎng)勵(lì)路徑φ＝{#1、#3、#7、#9、#10}上的所有學(xué)習(xí)自動(dòng)機(jī)；否則，懲罰路徑φ＝{#1、#3、#7、#9、#10}上的所有學(xué)習(xí)自動(dòng)機(jī)。

步驟七：概率更新。學(xué)習(xí)自動(dòng)機(jī)根據(jù)學(xué)習(xí)算法lri更新自身的概率向量，具體如下：

7.1)在環(huán)境獎(jiǎng)勵(lì)時(shí)：

第一層：對(duì)于學(xué)習(xí)自動(dòng)機(jī)#1。增大#1選擇#3的概率，減小#1選擇#2、#4的概率。學(xué)習(xí)參數(shù)為λ

第二層：對(duì)于學(xué)習(xí)自動(dòng)機(jī)#3。增大#3選擇#7的概率，減小#3選擇#2、#8的概率。學(xué)習(xí)參數(shù)為λ/pr{[1]→[3]}，其中：pr{[1]→[3]}表示第一層的概率更新后#1選擇#3的概率

第三層：對(duì)于學(xué)習(xí)自動(dòng)機(jī)#7。增大#7選擇#9的概率，減小#7選擇#6、#8、#10的概率。學(xué)習(xí)參數(shù)為λ/pr{[3]→[7]}，其中：pr{[3]→[7]}表示第二層的概率更新后#3選擇#7的概率

第四層：對(duì)于學(xué)習(xí)自動(dòng)機(jī)#9。增大#9選擇#10的概率。學(xué)習(xí)參數(shù)為λ/pr{[7]→[9]}，其中：pr{[7]→[9]}表示第三層的概率更新后#7選擇#9的概率

上述增大概率的公式為pi＝pi+(1-λ)pi，減小概率的公式為pj＝pj-λpj，其中：pi指路徑上的當(dāng)前層學(xué)習(xí)自動(dòng)機(jī)選擇下一層學(xué)習(xí)自動(dòng)機(jī)的概率，pj指路徑上的當(dāng)前層學(xué)習(xí)自動(dòng)機(jī)選擇非路徑學(xué)習(xí)自動(dòng)機(jī)的概率。

7.2)在環(huán)境懲罰時(shí)：

各個(gè)學(xué)習(xí)自動(dòng)機(jī)的概率向量保持不變。

步驟八：動(dòng)態(tài)閾值更新其中：k表示迭代次數(shù)。

至此一次迭代完成，返回步驟四繼續(xù)執(zhí)行下一次的迭代循環(huán)。

當(dāng)學(xué)習(xí)自動(dòng)機(jī)#1的最大概率大于預(yù)先設(shè)定的閾值pm＝0.9時(shí)，迭代終止，完成一輪的循環(huán)。

移動(dòng)父節(jié)點(diǎn)至最優(yōu)節(jié)點(diǎn)(概率最大的子節(jié)點(diǎn))，返回步驟四開始新一輪的循環(huán)。

假設(shè)第一輪循環(huán)，父節(jié)點(diǎn)學(xué)習(xí)自動(dòng)機(jī)#1的最優(yōu)節(jié)點(diǎn)為學(xué)習(xí)自動(dòng)機(jī)#2；第二輪循環(huán)，父節(jié)點(diǎn)學(xué)習(xí)自動(dòng)機(jī)#2的最優(yōu)節(jié)點(diǎn)為學(xué)習(xí)自動(dòng)機(jī)#4；第三輪循環(huán)，父節(jié)點(diǎn)學(xué)習(xí)自動(dòng)機(jī)#4的最優(yōu)節(jié)點(diǎn)為學(xué)習(xí)自動(dòng)機(jī)#9；第四輪循環(huán)，父節(jié)點(diǎn)學(xué)習(xí)自動(dòng)機(jī)#9的最優(yōu)節(jié)點(diǎn)為學(xué)習(xí)自動(dòng)機(jī)#10。第五輪循環(huán)，父節(jié)點(diǎn)到達(dá)目標(biāo)節(jié)點(diǎn)學(xué)習(xí)自動(dòng)機(jī)#10，更新終止。輸出最終路徑為學(xué)習(xí)自動(dòng)機(jī)#1、#4、#9、#10。

以圖1為例，圖1的網(wǎng)絡(luò)有10個(gè)節(jié)點(diǎn)，23條邊，源節(jié)點(diǎn)為1，目標(biāo)節(jié)點(diǎn)為10，最短路徑為{1，4，9，10}，學(xué)習(xí)參數(shù)設(shè)定為0.01時(shí)：

采用本發(fā)明提出的層級(jí)結(jié)構(gòu)學(xué)習(xí)自動(dòng)機(jī)的平均迭代次數(shù)為850.93，分布式學(xué)習(xí)自動(dòng)機(jī)的三種算法的平均迭代次數(shù)分別是1002.69，972.61，942.61，依次提升了15.1353％，12.5107％，9.7501％。

采用本發(fā)明提出的層級(jí)結(jié)構(gòu)學(xué)習(xí)自動(dòng)機(jī)的準(zhǔn)確率為100％，分布式學(xué)習(xí)自動(dòng)機(jī)的三種算法的準(zhǔn)確率均為100％，水平相當(dāng)。

采用本發(fā)明提出的層級(jí)結(jié)構(gòu)學(xué)習(xí)自動(dòng)機(jī)的總采樣次數(shù)為2735.75，分布式學(xué)習(xí)自動(dòng)機(jī)的三種算法的總采樣次數(shù)分別為3922.04，3666.11，3017.28，依次提升了30.2468％，25.3773％，9.3306％。

采用本發(fā)明提出的層級(jí)結(jié)構(gòu)學(xué)習(xí)自動(dòng)機(jī)的最優(yōu)采樣率為0.544871，分布式學(xué)習(xí)自動(dòng)機(jī)的三種算法的最優(yōu)采樣率分別為0.455821，0.472926，0.535214，依次提升了19.5362％，15.2127％，1.8043％。

以圖2為例，圖2的網(wǎng)絡(luò)有15個(gè)節(jié)點(diǎn)，42條邊，源節(jié)點(diǎn)為1，目標(biāo)節(jié)點(diǎn)為15，最短路徑為{1，2，5，15}，學(xué)習(xí)參數(shù)設(shè)定為0.005時(shí)：

采用本發(fā)明提出的層級(jí)結(jié)構(gòu)學(xué)習(xí)自動(dòng)機(jī)的平均迭代次數(shù)為4404.16，分布式學(xué)習(xí)自動(dòng)機(jī)的三種算法的平均迭代次數(shù)分別是6800.97，6245.01，4658.9，依次提升了35.2422％，29.4771％，5.6703％。

采用本發(fā)明提出的層級(jí)結(jié)構(gòu)學(xué)習(xí)自動(dòng)機(jī)的準(zhǔn)確率為90％，分布式學(xué)習(xí)自動(dòng)機(jī)的三種算法的準(zhǔn)確率分別為86％，86％，87％，依次提升了4.6512％，3.4483％，3.4483％。

采用本發(fā)明提出的層級(jí)結(jié)構(gòu)學(xué)習(xí)自動(dòng)機(jī)的總采樣次數(shù)為13076.4，分布式學(xué)習(xí)自動(dòng)機(jī)的三種算法的總采樣次數(shù)分別為25803.7，24515.7，15082，依次提升了49.3237％，46.6661％，13.298％。

采用本發(fā)明提出的層級(jí)結(jié)構(gòu)學(xué)習(xí)自動(dòng)機(jī)的最優(yōu)采樣率為0.561212，分布式學(xué)習(xí)自動(dòng)機(jī)的三種算法的最優(yōu)采樣率分別為0.330965，0.37075，0.53564，依次提升了69.5684％，51.3721％，4.7741％。

本發(fā)明可廣泛應(yīng)用于交通規(guī)劃、通信網(wǎng)絡(luò)、軍事航空等領(lǐng)域。以通信領(lǐng)域?yàn)槔?，隨著無線通信網(wǎng)絡(luò)的發(fā)展特別是5g的興起，對(duì)網(wǎng)絡(luò)動(dòng)態(tài)屬性的適應(yīng)性和魯棒性要求進(jìn)一步提升。通過充分發(fā)揮本發(fā)明在隨機(jī)環(huán)境中的優(yōu)勢(shì)，可解決一系列與無線通信網(wǎng)絡(luò)相關(guān)的問題。例如，一些無線網(wǎng)絡(luò)黑客往往隨機(jī)地沿最短路徑攻擊網(wǎng)絡(luò)的安全性，在最短路徑所在的網(wǎng)絡(luò)節(jié)點(diǎn)部署監(jiān)控器，可最大可能實(shí)現(xiàn)入侵檢測(cè)的目的。

上述具體實(shí)施可由本領(lǐng)域技術(shù)人員在不背離本發(fā)明原理和宗旨的前提下以不同的方式對(duì)其進(jìn)行局部調(diào)整，本發(fā)明的保護(hù)范圍以權(quán)利要求書為準(zhǔn)且不由上述具體實(shí)施所限，在其范圍內(nèi)的各個(gè)實(shí)現(xiàn)方案均受本發(fā)明之約束。