计算机研究与发展

作者：吴宇鹏,钱鸿,王为业,张杨文辉,周爱民,

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,

多目标安全博弈（multi-objectivesecuritygame，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（spacediscretizationbasedevolutionarysearch，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.

来源：2025年第2期

《计算机研究与发展》期刊编辑部

查看计算机研究与发展杂志2025年第2期