基于完全信息博弈的"沙漠掘金"游戏策略

为寻求益智类游戏"沙漠掘金"在多人参与下的游戏策略,针对具体的游戏规则进行了深入的分析,分别提出了基于完全信息静态博弈与完全信息动态博弈的游戏策略.首先,通过简化游戏规则将其转变为一个非合作博弈问题.其次,考虑单人游戏中的最优化问题,分析单人游戏的策略并在此基础上采用博弈论的方法对多人游戏的情况进行求解.最后,针对第一关,满足完全信息静态博弈的情况,模拟玩家行动,得出博弈支付矩阵,通过混合策略纳什均衡的方法计算最优策略;针对第二关,满足完全信息动态博弈的情况,构建博弈树并通过逆向递归求解得出最佳的游戏攻略,并分析了多人竞争策略.     

基于不完全信息博弈的反指纹识别分析

网络侦察为网络攻击杀伤链的首要阶段,而指纹识别是网络侦察的重要组成部分,是成功实施网络攻击的先决条件.主动防御尤其是欺骗防御理念的推广促使防御者采取指纹信息隐藏、混淆等手段迷惑攻击者,降低其网络侦察效能,从而使防御者在对抗中获得一定的先发优势,攻防双方的对抗行为也因此提前到了网络侦察阶段.欺骗是攻防双方理性主体之间的战...     

基于非完全信息博弈的网格资源分配模型

针对网格计算环境动态,异构和分布的特性以及网格资源分配中资源利用率低、效益不均等问题,结合微观经济学理论,建立了一种多赢家式的网格资源拍卖模型(muti-winners auction model,简称MWAM).将隐马尔可夫模型应用在网格用户t时刻出价状态预测方面,并结合分配算法计算出能够获得所需资源的概率;并且在原有资源分配机制的基础上,结合非完全信息纳什均衡理论设计了一种多赢家拍卖算法.从理论上证明了资源分配结束后系统收益最大,且本模型符合微观经济学中的激励相容性与个人理性准则.实验模拟在验证了隐马尔可夫预测的可行性的同时,又与几种具有代表性的算法相比较,从资源利用率、系统总收益等方面突显了本模型的优势.     

基于不完全信息博弈模型的信息系统安全风险评估方法

博弈理论具有的目标对立性、关系非合作性和策略依存性等特征与网络攻防对抗过程保持一致,将博弈理论应用于网络信息安全已经成为研究热点,但目前已有的研究成果大都采用完全信息博弈模型,与网络攻防实际不符。基于此,为提高信息系统风险评估的准确性,本文构建不完全信息条件下的静态贝叶斯攻防博弈模型,将其应用于网络信息系统安全风险评估,构建相应的信息系统安全风险评估算法。通过仿真实验验证了本文模型和方法的有效性,能够对信息系统安全威胁进行科学、有效的评估。     

基于多阶段动态博弈的信息安全技术评价

如何评价分析信息安全技术已成为当前的研究热点.本文基于攻防博弈模型对由防火墙、入侵检测系统构成的安全体系进行了分析,求出了阶段博弈模型的混合策略纳什均衡解.在阶段博弈分析的基础上,引入重复博弈的概念对模型进行了多阶段的动态博弈分析.研究表明,信息安全技术配置直接影响攻防双方的行为变化,贴现因子与入侵概率存在密切关系,从防御方的角度看,入侵概率的准确预测对其策略的选择具有重要影响.因此,作为防御方应积极记录、分析和量化攻击的方式、目标、数量及类型,进而优化配置,这将有效提高应用信息安全技术的效用.     

基于不完全信息随机博弈的防御决策方法

现有防御决策中的随机博弈模型大多由矩阵博弈与马尔可夫决策组成,矩阵博弈中假定防御者已知攻击者收益,与实际不符。将攻击者收益的不确定性转换成对攻击者类型的不确定性,构建了由静态贝叶斯博弈与马尔可夫决策结合的不完全信息随机博弈模型,给出了不完全信息随机博弈模型的均衡求解方法,使用稳定贝叶斯纳什均衡指导防御者的策略选取。最后通过一个具体实例验证了模型的可行性和有效性。     

不完全信息下开发商Markov博弈均衡的最优策略

房地产开发商对于资源的争夺存在零和博弈的特点,在信息不对称条件下对开发商经济博弈模型的研究具有重要价值。该研究考虑到市场上存在开发商Cartel联盟的情形,以Markov博弈模型为核心,针对不完全信息下的Cartel联盟与竞争者的Markov博弈均衡进行研究,得到了博弈双方的最优策略及演算方法。最后,利用实例对该模型的有效性和可行性进行了说明。     

基于不完全信息博弈的传感器网络能量平衡路由

针对无线传感器网络能耗不均匀的问题, 提出了一种基于博弈论模型的能量平衡路由 (Game theory-based energy balance routing, GTEBR) 算法. GTEBR 算法通过引入仲裁机制及自信概率, 将不完全信息的静态博弈转换为完全但不完美的信息静态博弈, 采用静态博弈的方法解决问题. 本文设计了适合传感器节点的解算机制, 并对采用 GTEBR 算法后的传感器网络纳什均衡的存在性作出了证明. 最后仿真实验表明, 采用 GTEBR 算法具有良好的收敛性以及很好的性能.     

基于局部信息交互的博弈学习算法

博弈理论在无线通信领域的应用愈加广泛并逐渐成为解决无线频谱资源分配的重要方法之一。论文关注5G通信系统中的异构信道选择问题,针对该问题传统集中式优化机制系统效率较优但优化开销大,而传统分布式优化机制优化开销较少但系统效率受限。为实现系统效率与优化开销的有效折衷,论文将问题建模为局部合作博弈,提出基于局部信息交互的博弈学习算法,实现了系统在分布式优化机制下达到最优性能。仿真结果验证了算法的最优性,收敛性和稳健性。     

Dynamic game with perfect and complete information based dynamic channel assignment

The nodes in Ad Hoc networks compete for channels when communicating, with the features of no center and self-organization. In traditional channel assignment strategy of MAC layer, nodes do not consider the demands to channel resources of other nodes, which hinders improving the network performance. Practically, in the network based on competitive MAC protocol, each node tries to maximize its payoff, while this interferes with the behavior of other nodes at the same time. Game theory is an effective tool to solve problems of distributed resources, which can be used effectively in channel assignment. In this paper, we propose a new protocol, namely, DGPCI-DCA (Dynamic Game with Perfect and Complete Information based Dynamic Channel Assignment). When all the nodes are rational and greedy, each node selects channels dynamically by backward induction according to strategies of other nodes, thus Nash equilibrium can finally be achieved. Experiments show that the network performance is effectively improved, i.e., the throughput and saturation throughput can be increased, and the packet loss rate and network delay can be reduced.     

基于不完全信息动态博弈的入侵容忍技术

为了使入侵容忍系统和可疑者进行最优的策略选择,提出了基于不完全信息动态博弈的入侵容忍技术.根据博弈双方的特点,引入两人随机博弈模型进行分析,并通过精炼贝叶斯纳什均衡来确定双方选择最优的策略.同时为了能够确定可疑者类型,采用熵权和灰色关联分析的方法来进行推理.结合实例使用各种行为特征值来计算灰色关联度,从而在博弈过程中判断可疑者是黑客的概率,验证了该方法的可行性和客观性,从而更好地帮助入侵容忍系统进行策略选择.     

基于混合战略博弈的P2P激励机制

针对P2P系统中的搭便车问题,提出了一种基于混合策略博弈的激励机制。将信誉值作为激励节点贡献资源和提供服务的基础,节点是否能获得服务也是与节点当前信誉值成比例的,节点只能通过提供服务来增加其信誉值。同时节点是否响应服务请求是以某一概率来进行的,通过调节该概率来有效的激励节点提供服务。仿真实验表明,节点在经过一段时间的博弈之后,其响应次数和请求次数基本相等,提高了节点在系统中的参与度。     

不完全信息博弈的机器人对抗决策

针对机器人比赛时局势的动态变化给机器人对抗决策博弈局面带来的不完全性问题,提出了豪尔绍尼转换和贝叶斯均衡相融合的不完全信息博弈算法,该算法克服了博弈局势中对未知信息的盲目"猜测".以机器人足球比赛时的数据为背景建立不完全信息博弈模型,研究机器人的决策对抗系统.仿真结果表明,不完全信息博弈算法可以使得机器人进行较优策略的选择,从而进一步提高机器人在比赛中的自主性和智能性.     

Evolving strategy for a probabilistic game of imperfect information using genetic programming

We provide the complete record of methodology that let us evolve BrilliAnt, the winner of the Ant Wars contest. Ant Wars contestants are virtual ants collecting food on a grid board in the presence of a competing ant. BrilliAnt has been evolved through a competitive one-population coevolution using genetic programming and fitnessless selection. In this paper, we detail the evolutionary setup that lead to BrilliAnt’s emergence, assess its direct and indirect human-competitiveness, and describe the behavioral patterns observed in its strategy.

---

基于混合信息的复杂网络路由策略研究

为了确保通讯网络上信息更快更有效的传榆且通讯能力尽可能增大,以无标度网络为平台,提出了一种新的混合路由策略.该策略综合利用了网络动态信息和静态信息,并将网络中结点的传递能力设定为与结点的度相关的变量,采用优化的信息包传递概率模型来研究网络通讯能力,通过对可变参数a的调控可以使网络通讯能力达到最大值.实验结果表明,当α=-4时,网络的路由效率最高.通过与其它路由策略对比证实该路由策略有效地提高了通讯网络的路由效率.     

基于模糊静态贝叶斯博弈的网络主动防御策略选取

针对网络攻防过程中攻防双方存在无法完全获知对方信息以及无法对双方损益作出准确判定的问题,提出了一种基于模糊贝叶斯博弈模型的网络最优防御策略选取方法,结合网络攻防对抗双方信息不完全性的特点构建了模糊静态贝叶斯博弈模型.在此基础上引入三角模糊数描述攻防双方的效用函数,采用基于模糊概率及均值的方法获得清晰效用函数值,进而通过求解模型的纳什均衡获得最优防御策略;最后给出了最优防御策略选取流程.理论分析和仿真实验表明,该方法能够对不同攻击行为概率作出有效预测,为主动防御提供决策支持.