【儀表網(wǎng) 研發(fā)快訊】近日，山東大學(xué)低空科學(xué)與工程學(xué)院李棟教授團(tuán)隊(duì)在人工智能驅(qū)動(dòng)的復(fù)雜網(wǎng)絡(luò)動(dòng)力學(xué)領(lǐng)域取得系列進(jìn)展。
 

　　復(fù)雜網(wǎng)絡(luò)的興起為系統(tǒng)科學(xué)研究提供了全新的視角，如何對(duì)復(fù)雜網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)的動(dòng)態(tài)演化機(jī)制進(jìn)行建模，是理解網(wǎng)絡(luò)結(jié)構(gòu)和掌控網(wǎng)絡(luò)功能的基礎(chǔ)。具有自治能力的節(jié)點(diǎn)通過(guò)協(xié)同交互而自底向上涌現(xiàn)出的群體智能，是驅(qū)動(dòng)復(fù)雜網(wǎng)絡(luò)不斷演化的根本動(dòng)力。而多智能體強(qiáng)化學(xué)習(xí)將強(qiáng)化學(xué)習(xí)的思想和算法應(yīng)用于多智能體系統(tǒng)的學(xué)習(xí)和控制中，為解決群體決策任務(wù)、實(shí)現(xiàn)群體智能提供了重要理論和方法。基于此，文中提出了基于多智能體強(qiáng)化學(xué)習(xí)的復(fù)雜網(wǎng)絡(luò)演化模型，該模型在復(fù)現(xiàn)典型網(wǎng)絡(luò)特征、擬合真實(shí)網(wǎng)絡(luò)和場(chǎng)景測(cè)試等方面均展現(xiàn)了良好的性能。
 

　　以上研究成果“Modeling Network Evolution by Multi-Agent Reinforcement Learning”被Nature Communications錄用。李棟教授為第一作者，山東大學(xué)為第一署名單位。
 

　　理解超圖演化對(duì)揭示復(fù)雜網(wǎng)絡(luò)中高階交互模式至關(guān)重要?，F(xiàn)有的演化模型往往依賴(lài)于全局拓?fù)鋯l(fā)式規(guī)則，將節(jié)點(diǎn)視為被動(dòng)實(shí)體，不僅導(dǎo)致語(yǔ)義一致性和泛化能力較差，同時(shí)也忽略了節(jié)點(diǎn)屬性對(duì)結(jié)構(gòu)演化的關(guān)鍵影響。針對(duì)現(xiàn)有工作局限，本文提出了一種基于大語(yǔ)言模型(LLMs)智能體的語(yǔ)義感知?jiǎng)討B(tài)超圖生成框架(HyMAGE)。首先，該框架將每個(gè)節(jié)點(diǎn)建模為自主智能體，并利用大語(yǔ)言模型進(jìn)行局部層面的語(yǔ)義選擇，使超邊的形成和解散能夠基于局部語(yǔ)義親和力與結(jié)構(gòu)上下文以自組織的方式涌現(xiàn)。其次，該框架既可作為生成模型來(lái)解釋現(xiàn)實(shí)世界高階關(guān)系的演化機(jī)制，又可作為可擴(kuò)展的合成數(shù)據(jù)工具，將大語(yǔ)言模型的領(lǐng)域知識(shí)提煉為顯式的超邊結(jié)構(gòu)。大量實(shí)驗(yàn)驗(yàn)證了HyMAGE不僅精準(zhǔn)復(fù)現(xiàn)了真實(shí)超圖的九類(lèi)高階結(jié)構(gòu)模式，其生成的超圖數(shù)據(jù)還在信息擴(kuò)散最大化等下游任務(wù)中展現(xiàn)出了優(yōu)秀的泛化能力。
 

　　以上研究成果“HyMAGE: Semantic-Aware Dynamic Hypergraph Generation”被SIGKDD 2026錄用。2023級(jí)本科生谷炳橋同學(xué)為第一作者，李棟教授為通訊作者，山東大學(xué)為第一署名單位。SIGKDD是CCF推薦 A類(lèi)國(guó)際會(huì)議，數(shù)據(jù)挖掘與知識(shí)發(fā)現(xiàn)領(lǐng)域最具影響力的國(guó)際學(xué)術(shù)會(huì)議之一，2026年Research Track錄用率為18.5%。
 

　　上述成果受到國(guó)家自然科學(xué)基金和廣東省自然科學(xué)基金資助。
 

　　引用：李棟教授團(tuán)隊(duì)在復(fù)雜網(wǎng)絡(luò)動(dòng)力學(xué)領(lǐng)域取得新進(jìn)展 山東大學(xué) 【引用時(shí)間：2026年8月11日】