摘要
Q学习关系博弈（QLRG）框架提供了一种理论严谨的方法，用于在全局代理对称性或均匀矩阵结构这一限制性假设下，识别在线社交网络中的最小获胜联盟。然而，现实世界的在线社交网络存在显著的不对称性。本文提出了基于簇的Q学习关系博弈（C-QLRG），这是一种通过利用社群结构来放宽全局对称性要求的实用扩展方法。我们将代理集划分为内部变化有限的社群，并仅通过种子集在各个社群中的成员数量来表示状态。由于闭包运算已能涵盖所有可能的传播影响，该问题可简化为依次选择种子的任务，即代理在每一步都需要决定从哪个社群中添加下一个种子。我们证明了经过适当正则化的可达效率目标下的最优Q函数是利普希茨连续的，并给出了所学策略的性能上限。文中还介绍了完整算法并分析了其复杂度。在合成不对称网络以及Zachary的空手道俱乐部数据集上的实证测试表明，C-QLRG对奖励参数极为敏感，默认设置会导致过早停止，但通过参数调整并结合修正后的最小性验证，可以去除无贡献的代理，从而找到高效联盟。在参数调整后，C-QLRG在合成网络中能够形成规模为11、可达率为99%的近乎获胜的联盟，尽管覆盖范围少一个节点，但其效率仍高于贪婪算法的12个节点的联盟；而在空手道俱乐部数据集中，则能找到规模为1的最优获胜联盟，与所有基准方法的结果相当。因此，该框架在模型精确度与可扩展性之间提供了合理的平衡，而奖励设计的选择对于实际应用至关重要。
