-
题名基于优先级先验的演化大规模多目标安全博弈框架
- 1
-
-
作者
吴宇鹏
钱鸿
王为业
张杨文辉
周爱民
-
机构
华东师范大学计算机科学与技术学院
华东师范大学上海智能教育研究院
-
出处
《计算机研究与发展》
北大核心
2025年第2期458-471,共14页
-
基金
科技创新2030重大项目(2018AAA0100902)
上海市自然科学基金项目(21ZR1420300)
国家自然科学基金项目(62106076)。
-
文摘
多目标安全博弈(multi-objective security game,MOSG)旨在同时最优化防御者应对多个异质攻击者获得的收益,在实际应用中具有重要意义.近期提出的基于空间离散化的演化搜索(space discretization based evolutionary search,SDES)框架将MOSG中的带约束的高维阶梯函数优化问题转换为低维组合优化问题,并使用贪心策略解决组合优化任务.虽然SDES能够在有限时间内处理大规模MOSG任务,但是SDES难以收敛到大规模MOSG任务对应的最优Pareto前沿上.一方面,SDES的贪心策略的收敛性假设随问题规模扩大而变得愈发难以满足;另一方面,SDES过多的阶段组件(空间离散化、演化优化、评估、解的精炼)存在阶段耦合的风险,即上游组件的优化质量直接影响下游组件的表现.因此,挖掘并利用MOSG任务中被保护对象的优先级(priority)先验知识,旨在提高解的质量并简化SDES框架,从而提出了SDES-P框架.SDES-P重新设计了SDES的核心组件——评估组件,并移除解的精炼组件.具体而言,SDES-P从具有最大资源的不可行解开始,根据被保护对象优先级先验将被保护对象分成2组,优先级较高的一组对象会逐渐释放资源以找到可行解.最后,SDES-P包含了一种结合优先级先验的演化局部搜索策略,增强最终Pareto前沿的质量.分析出SDES-P可保持SDES所具有的样本复杂度低、规模可扩展性强的优势,并且用实验结果表明,无论MOSG任务是否满足收敛假设,SDES-P可以找到相较于SDES收敛性、多样性更优的高质量Pareto前沿.
-
关键词
大规模演化安全博弈
STACKELBERG博弈
多目标演化优化
优先级先验
局部搜索
-
Keywords
large-scale evolutionary security games
Stackelberg games
multi-objective evolutionary optimization
priority prior
local search
-
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
-
