AutoSND：从执行证据到结构策略的自动网络拆解启发式发现

网络拆解是分析复杂系统鲁棒性和脆弱性的重要方法，但实际的启发式算法必须平衡有效性与计算效率，并通常由研究人员手动设计。现有的基于大规模语言模型的自动启发式设计方法可以生成和筛选候选者，但在执行过程中难以进一步将候选者的质量或失败状态转化为结构化的指导以进行后续生成。我们提出AutoSND，这是一种完整的网络拆解程序的三阶段树搜索框架。第一阶段广泛探索简单的启发式，并记录执行证据。第二阶段将候选记录编译成结构性策略，关注局部信号、邻居访问和状态更新范围。第三阶段在这些策略的基础上继续进行树搜索，并获得最终优先级化且速度优先化的候选者，AutoSND-Q/S。我们在12个实际世界网络和3个大型实际世界网络上进行了实验，结果表明AutoSND在搜索性能和稳定性方面表现更好，发现了更具竞争力且结构可解释的网络拆解程序。最终候选者形成一个可解释的结构，使用剩余度作为骨干，调整节点顺序以受局部信号限制，并限制状态更新范围。代码可在https://github.com/MirrorNew/AutoSND处获取。