基于博弈论的二次博弈波束成形算法

针对波束成形算法中,用户的信号方向估计值和用户之间的功率分配存在着相互矛盾,本文提出了一种基于博弈论的二次博弈波束成形算法,构建了波束成形博弈算法数学模型,首先在第一次博弈的时候,将波束成形算法中的信号方向和功率分配映射为博弈论数学模型中的局中人,将其建模为函数的极大极小值求解问题,先求解出信号方向;然后在第二次博弈的时候,将不同用户的功率分配过程描述为一个多用户的博弈过程,设计了功率分配更新算法,通过数学推导论证了纳什平衡点的存在性和唯一性。最后在仿真中,与传统最大信噪比算法进行比较。结果表明该文算法的性能要优于最大信噪比算法,并且讨论了不同参数对该文算法的影响。     

基于权重优化的WMN信道分配算法研究

针对无线Mesh网中信道分配的适应性欠缺的问题,提出了一种基于权重优化的信道分配算法。该算法引入损耗因子使每次节点博弈的权重自动更新,将传统的静态博弈变为动态博弈,通过非强占优先制排队模型求节点的优先级使得信道分配更加公平。仿真结果表明,该算法在吞吐量和传输延时方面有所优化,验证了信道分配的公平性。     

无线传感器网络中基于潜在博弈的分布式节点定位

分布式定位是无线传感器网络研究中的热点问题.传统的分布式定位机制存在定位精度低,算法求解复杂等问题.为此,以与邻居节点集距离误差和作为效益函数,提出基于博弈论的分布式定位模型.给出了该博弈模型为潜在博弈的形式化证明,并从理论上证明了纳什均衡的存在性及最终收敛解的有效性.进一步,仅通过与邻居节点进行策略信息交互,提出基于潜在博弈的分布式定位算法.最后设计了博弈策略空间的决策机制与未知节点的升级机制,以避免陷入局部最优并加速收敛至全网最优解.一系列仿真实验验证了所提算法的有效性.     

基于攻防信号博弈模型的防御策略选取方法

当前基于博弈理论的防御策略选取方法大多采用完全信息或静态博弈模型,为更加符合网络攻防实际,从动态对抗和有限信息的视角对攻防行为进行研究。构建攻防信号博弈模型,对策略量化计算方法进行改进,并提出精炼贝叶斯均衡求解算法。在博弈均衡分析的基础上,设计了最优防御策略选取算法。通过实验验证了模型和算法的有效性,并在分析实验数据的基础上总结了攻防信号博弈的一般性规律,能够指导不同类型防御者的决策。     

基于博弈论的无线资源管理算法综述

无线资源管理对实现资源的有效利用,保证用户的QoS起着重要作用。文章对基于博弈论的无线资源管理算法的研究状况进行了概述;根据不同的博弈类型,分别从非合作博弈、合作博弈、进化博弈等方面,对无线资源管理算法的基本思想和方法进行了阐述与分析。     

认知无线电网络中基于随机学习博弈的信道分配与功率控制

传统的认知无线电频谱分配算法往往忽略节点的传输功率对网络干扰的影响,且存在节点间交互成本高的问题.为此,通过量化传输功率等级,以最大化弹性用户收益为目标,构建联合频谱分配与功率控制非合作博弈模型,证明了该博弈为严格潜在博弈且收敛到纳什均衡点.进一步,将随机学习理论引入博弈模型,提出了基于随机学习的策略选择算法,并给出了该算法收敛到纯策略纳什均衡点的充分条件及严格证明.仿真结果表明,所提算法在少量信息交互前提下能获得较高的传输速率,并提升用户满意度.     

认知无线电环境下MIMO—OFDM系统的无线资源管理

本文以IEEE802．22无线广域网标准为基础，研究了认知无线电环境下MIMO-OFDM系统中分布式无线资源管理问题．基于博弈理论分析，文中首先证明了在全局容量最大化的博弈情况下分布式多用户信道功率分配是Supermodular博弈，并给出了相应的分布式多用户信道功率分配算法，并进一步给出了在认知无线电环境下MIMO-OFDM多用户子载波功率分配问题的解决方法．仿真结果表明，本文算法通过有限的重复博弈，可以有效的提高网络容量。     

认知无线电中基于多次博弈的功率控制算法

基于博弈论对认知无线电网络中的功率控制问题进行了建模分析,提出了一种基于多次博弈的功率控制算法,证明了该算法中纳什均衡的存在性和惟一性。仿真结果表明,基于该博弈模型的功率控制算法收敛性比传统算法好,经过7次左右迭代即可收敛,满足系统实时性要求,同时又能够以较低的功率水平满足不同用户对信干比的要求,实现了对不同用户发射功率的有效控制,系统性能明显提高。     

多主多从Stackelberg博弈下的边缘缓存资源分配算法

为鼓励视频服务提供商参与到缓存过程中,本文提出一种基于Stackelberg博弈的激励缓存资源分配算法。与传统激励缓存资源分配方案不同,本文考虑同时存在多个网络运营商和多个视频服务提供商,视频服务提供商从网络运营商处购买存储空间以缓存热门视频。针对该场景,本文将该激励缓存模型建模为多主多从Stackelberg博弈问题,分别构建主方和从方的效用函数,证明了在网络运营商价格确定的情况下,视频服务提供商之间的非合作博弈存在纳什均衡。文章利用分布式迭代算法对该博弈模型进行求解,获得了视频服务提供商的最优缓存策略和网络运营商的最优价格策略。仿真结果表明,本文提出的激励缓存机制可使视频服务提供商获得比其他缓存分配算法更高的单位成本收益。      

基于两方法博弈的马尔可夫随机场红外图像分割算法

电路板红外图像芯片提取是电路板红外故障检测系统中的重要环节,已成为红外图像分割领域关注的一个重点。针对红外图像的特性及传统分割算法效率和精度不足的缺陷,提出一种基于两种优化策略博弈的马尔可夫随机场红外图像分割方法。首先通过OTSU算法对图像进行初始分割;然后利用马尔可夫随机场理论建立图像分割模型;最后,通过SA、ICM优化策略间的博弈对图像进行分割,将两种优化策略视为博弈的两个局中人,通过寻找博弈的纳什均衡点来实现分割;实验结果表明,算法能够无人工干预地准确提取电路板红外图像所有芯片发热区域,并且很好地抑制噪声,准确处理边缘信息,具有一定的实用性和鲁棒性。     

基于博弈论的UWB功率控制

博弈理论在功率控制方面的应用得到了广泛研究,博弈论是研究理性参与人在竞争冲突的环境下的决策行为,通过数学模型的求解和分析,探讨局中人的决策行为。基于博弈论提出一个适用于多用户UWB通信网络的功率控制算法,并利用MATLAB语言进行仿真,证明了该算法的有效性和收敛性;和传统的功率控制算法做比较,新算法具有更好的性能。     

Competition system for automatically evaluating edge detection algorithms based on the evolutionary game theory

An ensemble learning algorithm based on game theory is proposedto evaluate algorithms of image analysis and image feature extraction. A competition system is established to implement the algorithm for evaluating the applicability and efficiency of different edge detection algorithms. Through the game in the algorithm competition system, the most suitable algorithm as a winner in the competition can be selected. A group of optimal parameters for the corresponding edge detection can also be found. Firstly, based on the evolutionary game theory, a strategy of the competition of edge extraction algorithms is developed. Secondly, after selecting the most suitable algorithm from the candidates, the overall parameters are optimized. Experiments show that for a specific class of images, several candidate algorithms can be used as a class of preference algorithms based on the final evolutionary result. When analyzing the images, the priority algorithm can be recommended as the best edge detection algorithm from these reference algorithms. It is more effective than traditional methods in determining an algorithm and choosing parameters.     

基于博弈思维的雷达智能探测概念与研究思路

雷达与目标之间的探测-反探测对抗是一个典型性的作战博弈问题,博弈是其本质和核心特征。随着主要作战对手智能反探测博弈技术手段的发展,传统雷达探测技术已很难有效应对。文中从作战博弈的思维和视角出发,提出雷达智能博弈探测的技术概念,给出了其观察-判断-决策-行动(OODA)博弈过程的基本模型,并结合干扰-反干扰问题的分析,围绕建立可解释、可理解、鲁棒的智能算法,探讨了智能行为、智能判断、智能决策等关键问题的研究思维与方法。     

基于Markov演化博弈的网络防御策略选取方法

当前运用博弈理论的网络安全研究大多采用完全理性假设,本文针对现实社会中攻防双方的有限理性限制条件和攻防过程的动态变化特征,基于非合作演化博弈理论,从有限理性约束出发,将演化博弈模型与Markov决策相结合,构建多阶段Markov攻防演化博弈模型,实现对多阶段、多状态攻防对抗的动态分析推演;依据博弈的折扣总收益设计目标函数,提出多阶段博弈均衡的求解方法,给出最优防御策略选取算法.通过实验验证了模型和方法的有效性.     

Stability-Based RREQ Forwarding Game for Stability-Oriented Route Discovery in MANETs

In traditional stability-oriented route discovery of mobile ad hoc networks, in-between nodes need to rebroadcast identical route request (RREQ) packets, which contain same source node ID and broadcast sequence number, to discover more stable route, yet it increases routing overhead and data transmission delay obviously. Therefore, a stability-oriented route discovery algorithm is proposed to limit routing overhead and decrease transmission delay. In this algorithm, all neighbor nodes of some node will play a mix strategy game named stability-based RREQ forwarding game after receiving an identical RREQ, and independently determine the RREQ forwarding probability based on Nash equilibrium, respectively. The simulation results show that the proposed stability-oriented route discovery algorithm not only reduces routing overhead and transmission delay effectively, but also improve other routing performance.