时间尺度与选择倾向性协同作用下的演化博弈模型

针对合作行为的涌现与维持问题，基于演化博弈理论和网络理论，提出了一种促进合作的演化博弈模型。该模型同时将时间尺度、选择倾向性引入到演化博弈中。在初始化阶段，根据持有策略的时间尺度将个体分为两种类型：一种个体在每个时间步都进行策略更新；另一种个体在每一轮博弈后，以某种概率来决定是否进行策略更新。在策略更新阶段，模型用个体对周围邻居的贡献来表征他的声誉，并假设参与博弈的个体倾向于学习具有较好声誉邻居的策略。仿真实验结果表明，所提出的时间尺度与选择倾向性协同作用下的演化博弈模型中，合作行为能够在群体中维持；惰性个体的存在不利于合作的涌现，但是个体的非理性行为反而能够促进合作。     

容迟网络中基于演化博弈的合作行为

针对容迟网络中节点由于资源有限而表现出来的自私特性,为改善网络中节点的合作行为,进而提高网络的整体性能,提出一种基于演化博弈(EGT)的节点合作行为促进机制。首先,采用囚徒困境模型建立节点与其邻居博弈的收益矩阵;其次,基于度中心性定义节点的社会权威性;进一步地,在节点策略更新规则时考虑社会权威的影响,选择当前邻居中社会权威较高的节点进行模仿学习;最后,在机会网络环境仿真器上基于真实的动态网络拓扑数据进行仿真实验。仿真结果表明,与随机选择邻居的费米(Fermi)更新规则相比,考虑社会权威的更新规则能够更好地促进节点合作行为的涌现,进而提升网络的整体性能。     

理性背叛的推荐合作激励机制

为了促进协作系统中用户的合作行为,激励机制得到了广泛的使用.然而,现有的激励机制往往存在无条件合作策略占优互惠策略的现象,进而抑制了合作的涌现.为了解决这一问题,本文在推荐激励模型上进一步考虑了用户的理性背叛行为.以演化博弈为框架,研究了理性背叛机制在全局平均学习和当前最优学习两种模式下的策略演化特性.结合实际场景,本文还研究了在非完美推荐下理性背叛机制的鲁棒性问题,并且基于余弦相似度提出了一种策略识别方案.最后,通过大量的数值实验与仿真实验,验证了理性背叛机制的理论特性,也展示了该机制在促进合作方面的有效性能.     

基于双层演化的多人囚徒博弈研究

针对传统的多人重复囚徒博弈（NIPD）难以在大N值时涌现高合作率的问题进行研究,分析了NIPD模型在自由竞争模式和协议竞争模式下的博弈情况,类比2-IPD问题的“针锋相对”策略（TFT）,提出了“类TFT”的策略思想,并结合协同进化的理论,提出Agent及其聚集体Group分层演化的思想,建立了双层演化的仿真模型DL-NIPD。实验结果表明,自由竞争模式只适合小N值的合作,要从根本上保证任何N值下系统都能涌现很高的合作率,必须建立起双层的演化模式,通过显式的协议和团队的竞争,来促进微观主体的合作。     

基于动态偏好机制的学生群体演化合作研究

社交网络具有随机性和复杂性的特点,针对大学生群体中社交关系的异质性以及动态变化情况,构建博弈模型并设计动态偏好机制用于模拟和促进学生在交互网络中的合作行为。在该机制中,首先构建了加权网络用于描述学生交互网络的异质性;然后通过学生动态的交互关系,模拟学生的社交偏好。仿真结果表明,该机制能够有效促进合作者密度。为了进一步验证该机制在学生群体交互中的有效性,通过线下社交网络收集系统收集学生群体的交互行为信息并构建交互网络,通过数据分析发现学生群体在动态偏好机制下更愿意与其他个体进行交流。研究结果对学生合作行为演化具有参考作用。     

网络群体行为的演化博弈模型与分析方法

随着社会关系网络和在线社会网络应用的不断发展,如何理解和分析群体合作行为的稳定维持和演化是社会关系网络研究中面临的最大的挑战之一.文中综述了网络群体行为和随机演化博弈模型与分析方法等方面的研究工作,介绍了可用于网络群体行为分析评价的指标和模型,总结了网络群体行为和随机演化博弈模型的若干研究和分析方法,探讨了应用随机演化博弈模型进行网络群体行为研究的可行性.基于这些讨论,展望了社会关系网络中的网络群体行为研究所面临的主要挑战.     

惩罚因子在重复囚徒困境博弈中的研究

针对囚徒困境博弈中收益矩阵参数无法动态更新的问题,提出一个带惩罚因子的囚徒困境博弈模型。该模型中的个体可以根据自身的策略,动态修改收益矩阵中的参数,在每轮博弈之后个体根据邻居收益更新自己的策略。仿真结果表明,惩罚因子可以有效地促进合作策略的涌现,另外发现,合作策略的涌现不仅与惩罚因子有关,而且与网络个体的初始策略有关。当社团内部的个体采取相同策略,社团之间采取不同策略时,更有利于合作策略的涌现。最后,惩罚因子还可以提高参与者的平均收益。     

聚类系数和度相关性均可调的HK扩展模型

现有的社交网络增长演化模型的度相关性大多为负值。针对这种情况,以HK（Holme和Kim）模型为基础,考虑社交网络中度的正相关特性以及高聚类系数的特征,提出一种适用于构造社交网络的演化增长模型。首先,对现实中的社交网络拓扑结构进行分析,获取真实社交网络的一些重要拓扑参数;然后,通过引入改进的三角连接机制,对HK模型进行改进以实现网络的聚类系数和相关性均可调的目的,称其为聚类系数和度相关性均可调的HK扩展模型（HK-TDC&C）,通过该模型可以构造各种拓扑结构的网络。最后,利用平均场理论对该模型的度分布进行分析,并采用Matlab进行数值仿真,计算网络的其他拓扑参数。实验结果表明：通过调节择优参数和连接概率,用HK-TDC&C构造的社交网络可以满足社交网络的基本特性：无标度特性、小世界特性、高聚类系数特性、度正相关特性,其拓扑结构更接近真实社交网络。     

资源共享P2P网络的进化博弈激励模型

根据进化博弈的观点,提出一种资源共享型P2P网络博弈激励模型。对P2P网络进行描述,并对节点的行为进行量化分析,建立节点资源访问的概率模型,给出共享型P2P网络中的个体模拟动态方程。在随机博弈收益矩阵的基础上,通过调整相关参数引导P2P网络向动态平衡的状态演化。仿真实验结果验证了该模型的可行性和灵活性。     

基于演化博弈的供应网络企业收益与合作行为的关系仿真

利用演化博弈的理论, 探讨了供应网络中处于不同位置的核心企业和非核心企业两个群体间的成员其投入合作的策略根据收益变化而改变的演化过程; 建立了复制动态方程并求得平衡点解, 据此通过复制动态的相位图直观反映了博弈的演化稳定策略; 并通过Netlogo软件对企业行为选择与收益的关系进行了仿真, 其行为选择的演化结果与相位图展示结果具有一致性。研究结论表明, 收益获得及变化是企业合作行为改变以及合作策略选择的重要依据, 企业间演化稳定策略不仅仅局限于参与合作与放弃合作, 长时间观望也是企业可能的策略选择; 最后针对如何提高供应网络企业间合作的稳定性提出了对策建议。     

车载自组织网络中节点合作行为的博弈研究

在车载自组织网络中使用公共品博弈理论促进节点合作的研究表明车辆密集区域的节点会呈现不合作状态.本文通过模拟实验得知当节点平均度数较低时,节点更容易产生合作行为.为了提高车辆密集区域中合作节点的比例,本文提出了博弈度数与博弈拓扑的概念,并在此基础上构建了一种能够更改网络博弈拓扑,降低节点博弈度数的分组博弈理论模型.实验结果表明,在车辆密集区域使用该博弈模型能够显著提高网络中合作节点的比例.     

基于合作博弈的移动代理网管任务协作模型

为提高网络管理任务性能,需要研究在复杂网管任务下多移动代理协作问题 .由于传统代理协作模型(如合同网协议)并不适合大规模网络中复杂任务的代理协作,不能保证协作模型中个体代理性能的稳定 .为此合作博弈理论成为移动代理的网管任务协作问题的重要途径,在该协作模型中,单个功能代理被视为具有自主意识的主体,它具有自身的效用函数评估个体的性能 .将代理协作问题转化成为凸联盟博弈模型并利用Shapley值作为协作模型中任务分配合理性的评判标准,并基于上述理论模型,提出3阶段的任务协作算法 .     

基于博弈论的能量均衡路由算法

针对传感器网络能量不均衡且网络性能易受自私节点影响的问题,利用博弈论的思想,构建了均衡能耗的博弈模型(EBGM)。该算法从激励节点合作行为出发,引入能量关注因子,摒除传统博弈算法以剩余能量作为调整转发意愿的唯一标准,转而根据节点现有能量比例与邻居能量比例的差异程度进行调节。对EBGM模型进行理论分析,证明了纳什均衡点的存在性,且其能够趋于帕累托最优。仿真结果表明,EBGM模型能够促进节点合作行为、均衡能量开销、延长网络的整体生存周期。     

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.     

一种基于合作博弈论的自动驾驶车道变更模型

提出一个新颖的车道变更模型,采用合作博弈方法激励车辆参与合作.首次将合作博弈理论应用到车道变更领域,设计用于两车变道的纳什讨价还价变道模型,然后扩展为三车的合作博弈变道模型,并求出变道模型的纳什讨价还价解和夏普利值.为了进一步激励车辆参与合作,在收益分配方案中加入支付补偿部分来实现整体收益的可转移性,从而取得模型的解....     

Trust-based evolutionary game model assisting AODV routing against selfishness

Self-organizing networks such as wireless ad hoc networks present a number of problems and paradoxes towards trustworthiness and consistency of the network. Lack of cooperation between nodes drastically brings down the throughput of the network. Selfish behavior of the nodes is one of the issues, which deter the trust among them. This paper explores the multiple modes to build trust and proposes an effective, dynamic and distributed framework using evolutionary game theory. Strategic, non-cooperative and evolutionary game theory has been utilized to model the dynamic behavior of selfish nodes in a self-policing ad hoc network. AODV routing assisted by the proposed game model enlightens a cogent scenario, which demonstrates that it can stimulate cooperation among selfish nodes, albeit without negotiations. The proposed model encompasses two distinct modes to learn and predict the behavior of neighbors namely deterministic and random. Deterministic mode is a generic one which helps to analyze the behavior of the network for standard strategic patterns whereas the random strategy profiles are explored using randomized analysis based on genetic algorithm. This paper investigates the simulated results for the two methods and asserts that if nodes use evolved strategies and trust evaluation mechanism, then the model supports in accomplishing the cooperation level to reach the maximum possible.     

基于演化博弈论的无线传感网监测节点分群算法

针对大规模无线传感器网络多辐射源定位中,辐射源公共覆盖范围内监测节点能耗过高造成网络寿命降低的问题,提出一种基于演化博弈理论（EGT）的传感网监测节点分群算法。通过将最优节点集的搜索空间映射到博弈的策略组合空间,以博弈的效用函数为目标函数构建了非合作博弈模型;利用纳什均衡分析及均衡的扰动恢复过程实现目标优化;设计了分群算法以优化节点集组成相应的群参与最终的定位。以接收信号强度指示（RSSI）/信号到达时间差（TDOA）两轮定位为例,将该算法与典型的最近邻算法、基于离散粒子群优化（DPSO）的分群算法在定位精度和网络寿命方面作对比。仿真结果表明,该分群算法避免了多辐射源公共覆盖区域内节点能耗较高的问题,延长了网络寿命,同时保证了对辐射源的定位。     

How to ameliorate negative effects of violent video games on cooperation: Play it cooperatively in a team

The present research tests the idea that playing a team-player video game in which players work together as teammates and assist each other in achieving a common goal ameliorates the negative effects of violent video game play on cooperative behavior. In fact, two studies revealed that, relative to a single-player mode, playing a cooperative team-player violent video game increased cooperation in a decision dilemma task. Importantly, cooperative behavior generalized across targets in that the decision dilemma was played with a partner who was not the video game play partner. Mediation analyses revealed that cooperative team-play promoted feelings of cohesion, which activated trust norms, which in turn increased cooperative behavior.