我们提出了一种基于随机游走的新方法，用于超图上的标签传播，其中我们将节点距离估计为随机游走的预期命中时间，并引入了困惑随机游走来更好地描述高度复杂的实际超图。我们还将我们的方法与 DeepWalk 进行了基准测试，结果显示在目标数量较小的情况下，FRW 在运行时间上具有明显的计算优势。最后，我们分析了我们方法的时间复杂度，并表明对于大型稀疏的超图，复杂度近似为线性，优于 DeepWalk 的替代方案。

Jan, 2024

本文介绍了一种新型的算法 —— 快速探索随机图（RRG）及其树形版本 RRT $ ^ * $ 算法，并证明这两个算法都可以在几乎确定地收敛到最优解。此外，文章还建立起采样运动规划算法和随机几何图理论之间的新联系，以证明所提出算法的复杂度与传统 RRT 算法相比是等价的。

May, 2010

提出了 NBRW-rw 和 MHDA 算法分别解决了 SRW-rw 和 MH 算法扩散速度慢的问题，提供更高效率的无偏图采样。

Apr, 2012

本文以理论角度为出发点，研究负反馈策略在遍历算法中的应用，论证该方法可以在任意图中提高搜索效率，并对经典 UCB 和 MCTS 算法提供新的见解。

Jun, 2023

本文提出了一种新的算法 Waddling Random Walk（WRW），用于估计任意大小的图相对浓度，并通过在可访问的节点路径上进行随机游走来采样子图以提高计算效率、精度与准确性。通过使用广泛使用的图形数据集，该算法在速度、精度和准确性方面都优于当前最先进的挖掘子图统计算法。

May, 2016

本研究探讨在具有任意度数分布的随机不相关网络中的有偏随机游走过程，并推导了平稳占据概率和两个节点间的平均传输时间的精确表达式，同时探讨了循环搜索对传输时间的影响，为复杂网络上与运输相关问题的理论处理以及关键的数据包生成率的定量估计提供基础。

Sep, 2007

本文研究了一类有限状态空间上的非 Markov 离散随机过程，探讨了状态访问次数和先验概率矩阵对转移概率的影响以及分数占用向量的极限行为，证明了极限点集合为满足某些特定条件的二次型的临界点集，具有一定的概率极限，否则极限为 0。

Apr, 2004

深度优先策略、最佳优先策略、极小化极大游戏、AB 算法是本研究的主要关键词，该研究结论指出最佳优先策略并不比深度优先搜索更高效。

Mar, 2024

本文旨在展示使用对比随机游走作为好奇心方法以实现更快的收敛至最优策略的有效性。其中，对比随机游走通过神经网络定义随机游走的转移矩阵，学习有意义的状态表示，然后将其作为内在奖励添加到环境奖励中。作者在非表格化稀疏奖励场景中证明了对比随机游走的鲁棒性，并统计表明该方法可以在同样迭代次数下获得最高奖励。作者同时也发现，适应性重启和适当的温度对对比随机游走的性能至关重要。

Apr, 2022

本文探索了数据密集型、基于图的计算在分布式内存系统上实现的挑战，并提出了两种高度调优的并行 BFS 方法，一种为基于简单的基于顶点的图分区的级同步策略，另一种为基于二维稀疏矩阵分区的方法，同时也介绍了具有节点内多线程的混合版本。

Apr, 2011