具有学习能力的有限理性双寡头竞争分析与混沌控制

利用动力系统的分支理论研究了具有学习能力的有限理性双寡头产量竞争模型,讨论了该模型均衡点的存在性与稳定性,并进行了数值仿真.仿真结果表明,企业产量调整速度的变化对于模型的稳定性有较明显的影响;运用延迟反馈控制法町使陷入混沌的模型重新稳定在Nash均衡状态,混沌控制实施者可从混沌控制中获利.     

有限理性双寡头动态序贯竞争的建模与仿真

利用非线性动力系统的分支理论研究了有限理性双寡头Stackelberg产量竞争模型,讨论了该模型均衡点的存在性与稳定性,并数值仿真出该模型倍岔、混沌等复杂的动力学现象。研究结果表明：产量调整速度的变化对模型的稳定有显著的影响;系统的波动对于双寡头并非都是不利的;领先者的先动优势可使其从某些条件下的系统波动中获利。在此基础上,运用延迟反馈控制法对Stackelberg产量竞争模型的混沌控制进行了解析分析和数值仿真,结果表明选择合适的控制因子可使模型稳定在Nash均衡。     

考虑排污权交易的有限理性企业博弈模型研究

在有限理性基础上建立寡头垄断博弈模型,将其引入到排污权市场中,同时考虑了生产成本、污染治理成本、排污权交易价格的影响,使该模型更符合实际。将不同理性层次,不同结构的非线性成本函数,不完全信息等因素引入到博弈模型中,对改进后的模型的演化过程进行分析,找出博弈均衡点,并分析其稳定性。由于具有有限理性的双寡头Cournot博弈模型会产生丰富的动力学行为,因此对其进行数据模拟后并对混沌现象进行分析。在此基础上,运用延迟反馈控制法对寡头垄断博弈模型的混沌控制进行了解析分析,结果表明选择合适的控制因子可使模型稳定在Nash均衡。     

R&D投资竞赛模型及其复杂性仿真研究

提出了一个双寡头R&;D投资竞赛的非线性动力学离散模型,接着对该模型中有经济意义的Nash均衡点的稳定性以及其Hopf分岔的存在性进行了分析。最后通过计算第一Lyapunov指数,对模型产生的Hopf分岔的方向与稳定性进行了计算和证明,并进行了仿真模拟。     

基于多灾点非合作博弈的资源调度建模与仿真

当突发事件发生后,在应急资源有限的情况下,对多个灾点进行合理的资源调度是一个非常现实而复杂的问题。从多灾点所需应急资源的角度出发,提出了基于非合作博弈的应急资源调度模型和算法。在该调度模型中,各个灾点被映射为博弈模型的局中人,可能的资源调度方案映射为策略集,资源调度成本的倒数映射为效用函数,将应急资源的调度问题转化为对非合作博弈调度模型的Nash均衡点求解问题,接着介绍了一种求解Nash均衡点的迭代算法。最后对模型的仿真测试验证了该模型的有效性和可行性。     

具有不同决策规则的Cournot双寡头模型分析

以寡头市场中两家具有有限理性且以产量竞争的异质企业为背景,建立了一个离散时间的非线性动态古诺双寡头模型.讨论了模型的边界均衡点和Cournot-Nash均衡点的存在性和稳定性,给出了Cournot-Nash均衡点的稳定区域.通过数值模拟,利用单参数分岔图分析了随着参数的变化,系统的复杂动力学行为的变化情况.得出调整速度太大会导致Cournot-Nash均衡点失去稳定性,系统将产生混沌吸引子等复杂的动力学现象.此外初值极小的变化将导致系统产生巨大的波动.同时企业成本函数的差异性也会使得系统产生不同的分岔.     

基于Swarm平台的理性密码协议建模与仿真

针对现实世界中理性密码协议的参与者博弈过程不易观察和预测的问题,文章在多智能主体的仿真平台Swarm上对理性密码协议中参与者的诚实策略和非诚实策略行为进行了建模和仿真。文章首先定义了主体的收益矩阵,进一步根据收益矩阵建立了参与者在整个博弈过程中的状态复制方程;然后求解出该方程的三个均衡点,即所有参与者分别采用诚实策略、非诚实策略和混合策略时的不同均衡点取值,根据这三个取值设计了协议执行过程中主体间的博弈算法;最后,文章在Swarm平台上定义了博弈主体所需要的各个对象。由于Swarm平台上的基本对象功能不能完全满足理性密码协议仿真的需要,文章改造了Swarm平台上部分主体对象功能,给出了改造的关键代码,对协议交互过程中的博弈行为进行了仿真。仿真的实验结果表明,Swarm仿真工具可以有效观察到参与者的理性选择过程;并通过调节博弈算法中的收益参数来达到预期效果,使博弈在较少的次数内达到博弈的稳定均衡,同时使得选择诚实策略的参与者占总人数的一半以上。文章提出在Swarm平台上进行理性密码协议仿真的方法,对使用计算方法研究理性密码协议具有一定的参考价值。     

N人合作博弈的Nash及演化均衡稳定策略分析

在有限理性的基础上,对N人合作博弈的对称Nash均衡进行了分析,并引入演化博弈理论分析了参与人的演化均衡稳定策略,得到了不同策略选择下的均衡点。进而应用生物复制动态理论对离散时间及连续时间下的复制动态稳定集进行了研究。最后通过实例说明了该方法在博弈均衡选择上的有效性。     

基于进化博弈的网格资源分配方法的研究

在网络资源优化分配问胚的研究中,由于用户存在决策失误,现有基于理性用户博弈的网格资源分配在实际网格环境会完全失效.分析了非完全理性网格用户群体的资源分配策略及其演化过程,提出一种改进的复制动态机制的网格资源分配方法,克服了用户理性的限制,引入变异机制,在无初始学习样本的情况下,也能确保用户达到进行稳定策略点,实现了网格资源在有限理性用户之间的优化分配.仿真表明,用户通过学习对资源分配策略进行调整,可实现最优分配策略并处于稳定状态,证明了进化博弈的资源分配方法在网格环境中的适应性和稳定性.     

管道流量泄漏在线监控的非合作博弈调度模型及算法实现

分析管道流量泄漏在线监控的特点,对视频压缩算法和监控网络进行数学抽象,提出流媒体监控系统中调度策略的非合作博弈模型.该模型能够反映各种流媒体监控系统的动态运行特征与相互竞争关系,根据调度方式与监控系统的特点设计子系统的效用函数,论证了非合作博弈模型中Nash均衡点的存在性和唯一性.给出调度优化问题的描述和基于遗传算法的解算方法,仿真表明该模型能够有效地反映子系统间的资源竞争,可以求得优化的带宽分配方案.     

作为阻止战略的再制造决策研究

在闭环供应链再制造系统中引入外部竞争因素,研究制造商(OEM)的再制造决策以及对内部竞争和外部竞争的影响.在内外部竞争的条件下,通过OEM和竞争者的决策分析,给出了竞争者进入的条件边界.研究结果表明,制造商的再制造策略不仅是一种盈利行为,而且还是一种阻止战略,在一定条件下能够阻止竞争者的进入.竞争者的进入决策依赖于竞争者产品的竞争力和制造商的回收率.     

非线性离散系统的贝叶斯-高斯神经网络逆模型设计

针对非线性系统逆模型的学习问题,提出一种基于贝叶斯-高斯神经网络(BGNN)的设计方法.BGNN模型的训练分为两个步骤,首先利用群智能优化算法进行BGNN的离线结构训练:然后用训练好的BGNN模型在线整合历史数据,进行非线性系统逆模型的获取.对水轮发电机组非线性系统进行了BGNN逆模型的仿真,结果表明了BGNN逆模型设计方法具有结构简单、在线辨识效果好等优点,适于非线性离散系统的逆模型设计.     

具有输入齿隙的一类非线性不确定系统自适应鲁棒控制

针对一类具有未知输入齿隙、参数不确定以及未建模动态和干扰的非线性系统,设计了自适应鲁棒控制器.将齿隙非线性模型等价表示为具有有界建模误差的全局线性化模型,在此基础上设计了包含自适应模型补偿、反馈稳定和鲁棒反馈3部分的自适应鲁棒控制器,并给出了系统动态跟踪误差和稳态误差指标.理论分析证明,闭环控制系统信号有界且跟踪误差在任意期望的精度范围内,仿真研究验证了所提出方法的有效性.     

一类不确定大系统的状态量化分散反馈镇定控制器设计ˇ

针对一类具有时变互联的不确定性组合火系统,利用具有可调参数的量化器传输系统状态信息,设计了状态量化分散控制器.这种分散控制器依据量化器参数的更新律,能够保证将大系统的状态渐近趋于坐标原点的任意一个事先给定的小邻域内.     

饱和不确定离散切换系统的静态输出反馈控制

研究一类具有饱和输入的多胞不确定性离散切换系统在平均驻留时间切换方式下的静态输出反馈控制问题.在平均驻留时间切换信号下,基于参数依赖间断切换Lyapunov函数和几个基本引理,通过求解LMI最优问题设计出使闭环系统达到局部指数稳定的静态输出反馈控制器,并给出了系统稳定的吸引域.仿真结果表明了所提出的设计方法的有效性.     

考虑时间因素的双目标应急召回闭环网络规划

研究产品召回突发情况下的闭环供应链物流网络规划问题,考虑了产品召回紧迫性以及召回应急管理的管理特性,引入时间和召回率两类随机参数,提出了基于成本的召回处理时间反应函数,建立了基于总成本以及总召回处理反应时间的双目标随机混合整数规划模型.采用一类启发式算法对该模型进行求解,并用Matlab6.5软件进行编程求数值解.在数值解的基础上,进行相关参数的敏感件分析,结果表明网络选址结果具有一定的鲁棒性.     

基于细胞自动机的移动机器人路径规划算法

针对移动机器人全局最优路径规划问题,提出一种基于细胞自动机的路径规划算法.该算法首先将移动机器人的起点、目标点和空间障碍物定义为一组离散的细胞状态,建立环境的细胞自动机模型;然后由机器人移动的曼哈顿距离设计演化规则;最后根据演化后的细胞状态搜索最优路径.对简单和复杂环境下的机器人路径规划问题进行了仿真实验,实验结果验证了该算法的有效性.     

一种基于多神经树集成的分类模型

针对数据挖掘领域分类问题的特点.提出了基于多神经树集成的分类模型(CMBNTE).该模型利用改进遗传规划算法和粒子群算法,实现单个神经树模型的优化;借鉴集成学习思想,将多个神经树模型组合成最终的分类模型.在6个UCI数据集上的实验结果表明,该模型能较好地解决分类问题,尤其适用于多分类属性的复杂分类问题.     

融合微粒群的多种群协同进化免疫算法

提出一种融合微粒群的多种群协同免疫优势克隆选择算法(PMCICA).该算法将生态学中的协同进化思想引入人工免疫算法中,各子种群内部通过免疫优势克隆选择操作加快了种群收敛速度;所有子种群共享经过改进微粒群优化的高层优良库,实现了整个种群信息共享与协同进化.针对旅行商问题(TSP)的多个实验结果表明,该算法在收敛速度与最优解等方面均取得了较好的效果.     

基于有向网络的多智能体系统快速一致性

针对具有二次积分动态的多智能体系统在有向网络下的快速一致性问题,提出了基于智能体当前状态和过去状态的快速一致性协议.利用矩阵理论和频域分析法,分别给出了多智能体系统达到静态一致性和动态一致性的充要条件,同时得到该协议能够使系统分别快速地达到静态一致和动态一致的过去状态区间.仿真示例验证了所提出协议的有效性.