모델-프리 강화 학습 기반 정보 확산의 최적 제어

초록 모바일 소셜 네트워크의 확산으로 인해 정보 확산 제어는 상태 전이 모델이 종종 사용 가능하지 않은 동적 환경에서 어려움에 직면하고 있습니다. 이러한 모델-프리 제약 조건 하에서 최적 제어 문제를 해결하기 위해, 본 논문은 실시간 용량 적응과 혁신적으로 통합된 시간 차이(TD) 학습을 통해 전염병 기반 정보 확산의 누적 비용을 최소화하는 것을 목표로 합니다. 제안된 방법은 사전 정의된 상태 행렬에 대한 의존성을 제거하면서 최적 제어 신호 타이밍을 동적으로 식별합니다. 실험 결과는 동적 프로그래밍 기준에 비해 누적 네트워크 비용을 7.0% 줄이고 s-제어 가능성을 52.6% 개선함을 보여줍니다. 이 모델 프리 프레임워크는 시간에 따라 변하는 네트워크에서 강건성을 향상시킬 뿐만 아니라 대규모 애플리케이션에 대한 확장성을 제공합니다. 이는 소셜 미디어 분석 및 여론 관리에서 실시간 제어를 발전시킵니다.