通过稀疏性实现的可扩展性在斯塔克伯格安全博弈中：一种扩展的决策空间方法

《ACM Transactions on Evolutionary Learning and Optimization》：Scalability via Sparsity in Stackelberg Security Games: An Augmented Decision Space Approach

ADSO框架通过二进制变量编码纯策略的显式选择与排除，结合实值变量优化概率分配，实现Stackelberg安全博弈中稀疏混合策略的高效优化，在三个基准游戏中展现优于传统进化算法和精确方法的性能，并具有跨领域应用潜力。

　　

摘要AI摘要

要查看此由AI生成的摘要，您必须具有高级访问权限。

了解更多登录

摘要

摘要

本文提出了增强决策空间优化（ADSO）框架，用于在斯塔克伯格安全博弈（SSGs）中实现基于稀疏性的混合策略优化。与传统逐渐收敛到稀疏解的进化搜索过程不同，ADSO整合了二进制变量来明确编码纯策略的包含或排除情况，而实值变量则用于微调这些策略的选择概率。这种双重表示方式直接强制实现了稀疏性，并提高了大规模问题实例的计算效率。通过对三个基准博弈的广泛实证研究，证明了ADSO能够以最小的计算成本生成紧凑的策略，在可行的情况下达到与精确方法相当的性能，并在超出这些方法适用范围的场景中提供最先进的结果。除了SSGs之外，该框架还显示出在具有稀疏解的其他博弈论和组合优化问题中的广泛应用潜力。

AI摘要

AI生成的摘要（实验性)

此摘要是使用自动化工具生成的，并非由文章作者撰写或审核。它旨在帮助发现、评估相关性，并协助来自相关研究领域的读者理解本文内容。它旨在补充作者提供的摘要，后者仍然是文章的主要总结。完整文章才是权威版本。点击此处了解更多。

点击此处对摘要的准确性、清晰度和实用性进行评论。您的反馈将有助于改进未来的版本。

要查看此由AI生成的通俗语言摘要，您必须具有高级访问权限。