系统直和博弈模型下的合作演化

演化博弈论是生物进化论与博弈论结合产生的理论,已成为研究合作演化行为的有力工具.本文研究了基于系统直和博弈模型下的合作演化行为.首先,利用复制者方程分析了双人双策略及三策略对称博弈的演化动力学过程.然后,以石头剪刀布模型和雪堆模型为基础,采用矩阵直和构建系统直和博弈模型,并将所构造的直和矩阵转化为含参数的系统总支付矩阵.随后,说明了这种方法可推广到n个博弈的情形.最后,利用MATLAB对系统直和博弈模型进行仿真模拟,从系统整体的角度分析合作演化.仿真结果表明,混合之后的系统直和博弈较单一博弈而言,合作策略的占比明显增加,且整个系统稳定性更好.这种合作演化机制呈现了全局互惠.     

激励机制下合作行为的演化动力学

探索复杂系统中控制自私个体合作演化的激励机制,是国际系统与控制等诸多领域关注的重要科学问题.研究者曾探讨了引入惩罚机制对系统中个体合作的促进作用.但实际中,惩罚者可能会受到奖励的正激励,以及被惩罚个体报复的负激励影响.本文基于演化博弈论分别研究分散式和集中式惩罚机制下的合作演化,重点关注对惩罚行为施加不同的激励作用对系统演化的影响.研究发现,当系统中存在对惩罚行为的负激励时,分散式惩罚机制对合作行为的促进作用被完全抑制;然而集中式惩罚机制却依然可以促进合作行为的涌现.另一方面,对惩罚行为的正激励可以有效地抵制负激励的负面影响,从而使合作涌现.特别地,在采用集中式激励的大规模种群中,合作行为和惩罚行为能够在自然选择意义下占优.激励机制的研究对于复杂系统优化调度与配置、群体机器人协同控制等实际问题具有重要的理论意义和应用价值.     

Ad Hoc网络中基于惩罚机制的激励合作转发模型

由于Ad hoc网络中的节点受到自身处理能力、存储空间和电池能量等各种资源的限制,节点为了节省自身的宝贵资源经常会表现出自私性,因此激励自私节点之间合作转发成为Ad hoe网络重要的研究内容.为此,结合重复博弈理论的思想,首先建立邻居节点之间的单阶段博弈模型,得到对应的支付策略,并对该模型进行延伸,建立了无限重复博弈模...     

基于演化博弈的P2P系统中Node合作机制研究与设计

P2P是一种点对点的共享机制,针对P2P在网络文件共享中由于占用带宽问题,网络上传问题影响网速问题,引入经济学的博弈论,来提高P2P网络的性能,以及如何能充分利用P2P节点的资源,让网络中的资源寻找更加流畅,提高网络共享的效率是我们目前要解决的问题。     

面向联邦学习激励优化的演化博弈模型

针对联邦学习中参与者虚报训练成本导致激励不匹配的现象,提出了面向联邦学习激励优化的演化博弈模型.首先在联邦学习系统中建立了联邦参与者-联邦组织者演化博弈模型,设计模型质量评估算法对参与者提交的模型进行质量评估,去除低质量模型的同时量化参与者训练成本.然后结合信誉度指标提出优化的激励分配方法,通过求解演化博弈的稳定策略得到不同初始状态下的最优收益策略.最后仿真实验表明参与者激励收益方面,与平均分配法和个体收益分享法相比诚实参与者的收益提升了70%和57.4%,虚报参与者收益降低了65%和69.5%,策略选择方面,所提模型能合理选择收益策略.     

基于兴趣的科研合作网络演化模型

从科研合作网络的研究现状入手在BA网络模型的基础上,基于科研工作者研究兴趣,给出了一个新的科研合作网络的数学模型,并建立了一个基于兴趣相似度的符合科研合作网络真实特性的网络演化模型。初步的仿真实验结果表明,按照该模型构造出来的网络度分布服从幂指数为-3的幂律分布。     

基于遗传算法的合作演化仿真

用Multi-Agent建模与仿真研究方法,构建小世界网络下的囚徒困境博弈演化模型,以遗传算法模拟重复博弈策略的演化,研究小世界网络下囚徒困境博弈的合作演化规律.仿真结果表明:重复博弈机制下合作更容易形成,重复博弈下的优秀策略具有一些共同的特征.     

基于演化博弈研究Moran过程对合作的影响

利用Repast仿真软件建立合作行为演化模型,研究空间囚徒博弈中Moran过程对合作行为演化的影响.在策略更新过程中加入噪声,研究该模型对噪声的敏感程度.仿真结果表明,与学习最优规则相比,个体采用Moran过程进行策略更新时合作水平明显提高,Moran过程表现出明显的优越性.同时Moran过程对噪声不敏感,抗干扰能力较...     

基于激励机制的网络攻防演化博弈模型研究

随着网络信息系统的日益复杂化,网络的安全性和用户隐私性引起了人们的高度重视,寻找能够维护网络安全、分析和预判网络攻防形式的新技术尤为重要.由于演化博弈理论的特性与网络攻防的特性较为契合,因此,本文对网络环境进行了分析,构建网络攻防场景,并在惩罚机制的基础上引入激励机制,提出了基于激励机制的攻防演化博弈模型.通过给出群体...     

基于差分演化与猫群算法融合的群体智能算法

提出一种基于差分演化与猫群算法融合的群体智能算法。该算法基于猫群算法的两种行为模式,引进差分演化的思想,根据分组率随机把群体分成两个种群,一个种群执行猫群算法搜寻模式,另一种群执行差分变异模式,算法采用一种信息共享机制,使两个种群在搜索最优解时可以实现协同进化,信息交流。既实现了不同进化模式间的优势互补,又可以增加种群的多样性。对5个基准函数进行仿真实验并分别与DE和CSO进行比较,表明混合算法同时具有全局搜索和局部搜索最优解性能,收敛速度快,计算精度高,更适合用于求解高维复杂函数。     

群智协同激励机制研究综述

如何设计合理有效的激励机制提高协同工作者的参与度;以获得高质量的协同结果;是群智协同领域的一个研究热点。通过对国内外激励机制的相关研究和分析;描绘了群智协同激励机制的层次分类图;介绍了不同激励机制的实现措施和方法;总结了目前研究中存在的关键技术难点以及未来可能的研究方向。     

无线多跳网络中基于博弈论的协作激励机制研究

无线多跳网络中网络传输性能容易受到自私节点的影响。本文首先对目前的节点协作激励机制进行了总结,然后,针对分簇路由中簇间路由场景,运用博弈论中非合作博弈的思想,建立博弈模型以激励簇内节点通过协作通信的方式帮助簇头进行数据包的转发,最后给出了基于非合作博弈的激励机制中纳什均衡解的求解过程。     

考试考核标准中的激励机制分析

合适的考试标准应该能够对学生和教师起着激励作用。针对考试考核标准的评价难题,将教师——学生组合作为研究对象,用激励灰度表示激励作用的程度;分析了考试考核标准下单个组合的收益,对激励灰度进行定性分析;然后分别从两个组合和组合群体的博弈过程中的收益,来分析各自的行动策略,得到考试评价标准激励程度的定量描述。     

联邦学习贡献评估综述

数据不动的联邦学习框架是多个数据持有方合作训练机器学习模型的新范式.多个数据持有方参与联邦学习时的贡献评估是联邦学习的核心问题之一.参与方贡献评估需要兼顾有效性、公平性和合理性等要素,在理论方法与实际应用中均面临多项挑战.贡献评估首先需要明确如何度量数据价值,然而数据估值存在主观性与依赖于实际任务场景的特点,如何设计有效、可靠并对恶意数据鲁棒的数据估值指标是第一大挑战.其次,联邦学习合作中的参与方贡献评估是经典的合作博弈问题,如何制定公平合理的参与方贡献评估方案,实现参与方一致认可的博弈平衡是第二大挑战.最后,参与方贡献评估往往计算复杂度高,同时,联邦学习中围绕模型的数据估值时间开销大,因此,在实践中如何设计高效且准确的近似算法是第三大挑战.近年来,为了有效地解决上述挑战,学术界对联邦学习中的贡献评估问题展开了广泛的研究.首先,简要介绍联邦学习与参与方贡献评估的背景知识;然后,综述数据估值指标、参与方贡献评估方案和相关优化技术;最后,讨论了联邦学习贡献评估仍面临的挑战并展望未来研究的发展方向.     

风险感知下开发商绿色开发决策演化博弈

根据绿色住宅分级制度,设定开发商之间的博弈支付矩阵,用演化博弈的分析方法对风险感知下的有限理性开发商群体的策略演化过程进行分析,研究有限理性个体的学习机制,分析个体间学习行为的影响因素,建立种群间动态复制方程;利用动力学仿真的方法对多种群群体演化博弈过程进行模拟与分析。实验结果表明,激励强度越大,群体演化的速度越快,同时绿色住宅激励机制设计应当与绿色住宅分级制度相结合,实施有差别的激励政策,才能更好地实现激励目标。     

移动边缘计算中基于视频内容协作分发的联合激励机制

随着智能设备存储和传输能力的提升,用户可通过设备—设备连接共享视频服务,在移动边缘网络中实现视频内容协作分发.然而,现有架构缺少合适的激励机制解决中继传输节点经济收益受损和本地数据泄露问题.针对视频内容边缘协作分发系统存在的问题,提出适用于多码率编码视频的联合安全和经济激励机制,并对该机制的差分隐私性、近似诚实性和个体理性进行了理论上的证明.最后由实验数据表明,该机制能有效保护参与用户的个体利益,提高视频服务总体效益.     

关于从方偏好信息不完全时的满意激励机制研究

研究从方具有多个目标且主方没有掌握从方对各目标的偏好结构信息的主从对策问题.提出了从方具有多个目标的最优诱导策略,探讨了主方对从方的满意激励机制.     

一种缩短下载时间优先的自适应BitTorrent激励协议

BitTorrent激励机制的目标是保证节点上传和下载之间的公平性,但相比公平性而言,实际应用中的节点更优先考虑的是文件下载时间,据此文中提出了一种缩短文件下载时间优先的自适应BitTorrent激励协议AIPS.文中首先基于Markov模型对BitTorrent现有激励机制的效果给出了定量分析,分析了激励机制下的文件传输结构,并用概率分析方法给出了该传输结构下最小化文件下载时间的条件.应用分析结果文中定义了一个以缩短文件下载时间为效用的博弈,在该博弈达到Nash平衡时各节点采用的策略就是激励协议AIPS.模拟实验表明文中提出的AIPS较现有的BitTorrent激励协议能明显提高文件共享系统性能,提高文件下载效率.     

网构软件的Wright-Fisher 多策略信任演化模型

网构软件是开放网络环境中软件系统基本形态的一种抽象,其信任关系本质上是最复杂的社会关系之一.为了增强信任演化模型的自适应性,提高预测的准确性以及有效地抑制自私节点的产生,结合差异化服务和演化博弈理论,提出了一种符合开放网络特征的信任演化模型:(1)建立基于差异化服务的实体全局收益函数,以增强信任演化模型的自适应性;(2)以演化博弈理论作为分析工具,借助Wright-Fisher模型的特点,提出了一种Wright-Fisher多策略信任演化模型,以增强对信任演化预测的准确性;(3)根据“公平规范”原则建立了基于博弈的激励机制,激励信任策略的演化,从而有效地抑制自私节点的产生,实验结果表明:该模型能够更准确地反映开放网络中实体信任行为的复杂性特点;在激励机制的作用下,网构软件的信任演化能够更快地达到稳定状态,从而有效地提高网络的效率,使网构软件系统的信任收益达到最优.     

CSCW环境下的协同学习系统

基于CSCW工作环境,提出协同学习系统的概念,形成虚拟的协作学习群体,强调学习成员之问的实时交互性和学习的协同性,探讨CSCW应用在Web环境下的群体协同机制,并据此给出一种面向协同学习的应用模型.