根据国家网信办相关规定和要求,《计算机应用研究》编辑部网站域名更换为arocmag.cn,原域名 arocmag.com 将于2024年12月31日后停用。

基于强化学习策略的梯度下降学习求解GCP问题

Gradient descent learning based on reinforcement learning strategy for solving GCP problem
宋家欢1
王晓峰1,2
胡思敏1
姚佳兴1
锁小娜1
1. 北方民族大学 计算机科学与工程学院, 银川 750021
2. 北方民族大学 图形图像智能处理国家民委重点实验室, 银川 750021

摘要

图着色问题(Graph Coloring Problem,GCP)是经典的组合优化问题,其目标是为图的每个顶点分配不同的颜色,使得相邻顶点的颜色不同,同时尽可能减少所用颜色的数量。GCP属于NP难问题,传统求解方法(如贪心算法、启发式搜索和进化算法)往往因计算复杂度高而受限,且易陷入局部最优解。为了解决这些问题,提出了一种基于强化学习策略(Reinforcement Learning Strategies,RLS)的梯度下降学习方法来求解GCP。具体而言,将GCP转化转换为强化学习中的策略优化问题,通过设计策略梯度算法,将图的着色状态映射为强化学习的状态,将颜色分配视为动作,以目标函数的负值作为奖励信号,逐步优化着色策略。实验结果表明,所提方法在不同类型和规模的图实例上均优于传统启发式算法,尤其在高维度和复杂约束条件下表现出较强的全局探索能力和收敛性。该研究表明,基于强化学习的图着色方法为在解决复杂组合优化问题上具有广泛的应用潜力,为图着色及其衍生问题提供了有效的求解新路径。

基金项目

国家自然科学基金项目(62062001)
宁夏青年拔尖人才项目(2021)

出版信息

DOI: 10.19734/j.issn.1001-3695.2024.09.0330
出版期卷: 《计算机应用研究》 优先出版, 2025年第42卷 第4期

发布历史

[2024-12-25] 优先出版

引用本文

宋家欢, 王晓峰, 胡思敏, 等. 基于强化学习策略的梯度下降学习求解GCP问题 [J]. 计算机应用研究, 2025, 42 (4). (2024-12-31). https://doi.org/10.19734/j.issn.1001-3695.2024.09.0330. (Song Jiahuan, Wang Xiaofeng, Hu Simin, et al. Gradient descent learning based on reinforcement learning strategy for solving GCP problem [J]. Application Research of Computers, 2025, 42 (4). (2024-12-31). https://doi.org/10.19734/j.issn.1001-3695.2024.09.0330. )

关于期刊

  • 计算机应用研究 月刊
  • Application Research of Computers
  • 刊号 ISSN 1001-3695
    CN  51-1196/TP

《计算机应用研究》创刊于1984年,是由四川省科技厅所属四川省计算机研究院主办的计算技术类学术刊物。

《计算机应用研究》瞄准本学科领域迫切需要的前沿技术,及时反映国内外计算机应用研究的主流技术、热点技术及最新发展趋势。主要刊载内容包括本学科领域高水平的学术论文、本学科最新科研成果和重大应用成果。栏目内容涉及计算机学科新理论、计算机基础理论、算法理论研究、算法设计与分析、区块链技术、系统软件与软件工程技术、模式识别与人工智能、体系结构、先进计算、并行处理、数据库技术、计算机网络与通信技术、信息安全技术、计算机图像图形学及其最新热点应用技术。

《计算机应用研究》拥有众多高层次读者、作者,读者对象主要为从事计算机学科领域高、中级研究人员及工程技术人员,各高等院校计算机专业及相关专业的师生。多年来《计算机应用研究》的总被引频次及Web下载率一直名列本学科同类学术刊物前茅,所刊发的学术论文以其新颖性、学术性、前瞻性、导向性、实用性而备受广大读者的喜爱。


收录和评价

  • 第二届国家期刊奖百种重点期刊
  • 中国期刊方阵双效期刊
  • 全国中文核心期刊(北大2023年版)
  • 中国科技核心期刊
  • 中国科学引文数据库(CSCD)来源期刊
  • RCCSE中国核心学术期刊
  • 中国计算机学会会刊
  • 2020—2022年科技期刊世界影响力指数(WJCI)报告收录期刊
  • 中国科技期刊精品数据库全文来源期刊
  • 中国学术期刊综合评价数据库来源期刊
  • 《中国期刊网》《中国学术期刊(光盘版)》来源期刊
  • 2017—2019年中国国际影响力优秀学术期刊(自然科学与工程技术)
  • 中国精品科技期刊顶尖学术论文(F5000)项目来源期刊
  • 《中国工程技术电子信息网》《电子科技文献数据库》来源期刊
  • 英国《科学文摘》(INSPEC)来源期刊
  • 《日本科学技术振兴机构数据库》(JST)来源期刊
  • 俄罗斯《文摘杂志》(AJ, VINITI)来源期刊
  • 美国《艾博思科学术数据库》(EBSCO)全文来源期刊
  • 美国《剑桥科学文摘(自然科学)》(CSA(NS))核心期刊
  • 波兰《哥白尼索引》(IC)来源期刊
  • 美国《乌利希期刊指南(网络版)》(Ulrichsweb)收录期刊