基于博弈论的P2P系统分析

P2P系统近几年来在网络上有飞速的发展,然而随着用户对网络和P2P系统的了解,使得P2P系统中大量存在欺骗行为,从而导致效率下降。文中以解决P2P系统中的欺骗为目的,通过引入博弈论思想从宏观和微观两方面对P2P系统进行分析:宏观上通过建立数学模型分析P2P系统效率下降甚至崩溃的原因;微观上,通过合理的论证,提出一种以牙还牙机制对P2P系统的欺骗问题进行解决。     

基于博弈论的P2P系统分析

P2P系统近几年来在网络上有飞速的发展,然而随着用户对网络和P2P系统的了解,使得P2P系统中大量存在欺骗行为,从而导致效率下降。文中以解决P2P系统中的欺骗为目的,通过引入博弈论思想从宏观和微观两方面对P2P系统进行分析：宏观上通过建立数学模型分析P2P系统效率下降甚至崩溃的原因;微观上,通过合理的论证,提出一种以牙还牙机制对P2P系统的欺骗问题进行解决。     

基于博弈论的P2P激励机制

对等(P2P)网络中的搭便车问题使得网络节点只享用信息资源服务而不为系统贡献资源,导致网络中的共享资源不断减少,严重影响P2P网络系统的性能。为此,根据博弈论中的纳什均衡理论提出基于RDEC算法的激励机制。通过模拟实验并对相关数据进行分析,结果表明,该策略能改进P2P网络中资源的公平共享,最大化系统的效用。     

基于博弈论框架的用户行为决策模型

从风险与安全的角度提出一种新的用户行为决策模型,将服务提供者和用户作为非合作博弈的对立方,在不完全信息静态博弈的基础上研究博弈参与者之间的交互行为。从博弈参与者的相互依赖的行动选择角度建立博弈模型,求出最优混合策略。在此基础上,服务提供者从最大化自己利益的角度作出决策。     

P2P网络中搭便车行为分析与抑制机制建模

在现实网络中,节点日益严重的搭便车行为对P2P可信流媒体网络的健壮性、可用性、服务响应速度和生命周期等产生了重要的影响.设计合理且有效的搭便车行为抑制和鼓励自私节点为系统作贡献的策略已成为P2P可信流媒体系统应用研究的一个重要方向.在全面分析节点的搭便车行为机理和搭便车行为对网络性能影响的基础上,对节点在P2P可信流媒体网络中的行为建模,在保证网络性能的前提下引入“适度安全、容错不容罪”的思想以保持网络系统共享资源的丰富,以P2P可信流媒体网络中节点的信誉度、贡献度和收益等为评价指标,运用博弈论构建了一个具有纳什均衡的搭便车行为抑制和激励节点为系统作贡献的策略模型,给出了相应的规则和约束条件,并进行了较为详细的分析.仿真实验表明,该策略模型能很好地解决搭便车行为抑制和激励节点为系统作贡献的问题,提高了P2P可信流媒体网络的性能和服务质量,使P2P可信流媒体网络系统实现相对平衡.     

移动P2P网络基于博弈论方法的协作激励机制

在移动P2P网络中,部分自私的移动节点只是大量地消耗已有网络资源而不提供自己的资源。考虑到移动P2P网络的资源有限性以及部分节点具有自私行为的特点,提出了一种基于博弈论的协作激励机制。该机制根据移动节点的不同贡献大小来提供不同网络服务质量,最大限度地鼓励了每个移动节点参与协作和共享。同时,详细描述和分析了协作激励机制中的网络资源分配策略,并且证明了该协作激励机制的博弈存在一个稳定的纳什（Nash）均衡。通过仿真实验发现,该激励机制有效地激发了移动节点间的协作,优化了整个网络的性能。同现有的协作激励策略相比,提高了数据包转发率等。     

基于价格的认知网络频谱共享博弈论模型

随着各种无线移动终端和各种无线电新应用业务得到飞速发展,人们对无线频谱的使用更加频繁,对无线频谱资源的需求日益增加,从而使无线频谱成为一种稀缺资源。频谱的稀缺会成为制约无线通信行业发展的瓶颈。为了更加有效地利用频谱资源,文中利用经典的经济学中的古诺博弈模型来分析认知网络中的频谱分配问题,考虑主要(授权)用户频谱供给量对频谱价格的影响,对原有价格函数进行改进,体现主要用户对频谱价格的影响,构建新的频谱分配模型,并提出新的效用函数,来更好地分析认知无线电网络中频谱分配问题,证明纳什均衡的存在性,有效提高频谱利用率。仿真结果表明,该算法更加贴近实际网络,更好地反应了主要用户的竞价意愿,达到了一定的实际应用能力。     

基于博弈论的P2P激励机制的研究与设计

针对P2P系统中普遍存在的搭便车和公共悲剧问题,提出了一种基于博弈论的P2P服务质量激励机制.在分析节点在网络中的贡献和收益的基础上,通过引入激励值的概念来体现网络节点服务质量的高低,同时给出了有关节点服务质量四个方面的定义.实验表明,该激励机制能够有效地抑制节点的自私行为和提高网络的服务质量,并促使每个节点自发地共享自己的资源,从而构建一个良好的P2P环境.     

基于博弈论的网络攻防对抗模型及应用研究

网络攻防模型是研究网络攻防仿真建模的一项重要内容。目前使用较多攻击树等模型存在不能描述攻防双方的对抗、互动等特性的缺陷。文章研究了基于博弈论的攻防对抗模型,定义了攻防双方博弈的基本要素及相应的纳什均衡,剖析了常见的字典攻击,给出了博弈双方的攻防策略、攻防效用等的具体描述;最后结合Gambit工具进一步细化了字典攻击中的博弈模型,并给出了其纳什均衡。     

一种基于博弈论的疏散出口选择模型

针对紧急情况下人员疏散行为的特点,提出一种基于博弈论的疏散模型。模型考虑了疏散过程中疏散者之间的相互影响,每个逃生者根据其他逃生者的策略进行最优决策,逃生者的策略为纳什均衡下的策略。给出纳什均衡的求解方法,通过实例模拟验证其合理性。模型采用基于元胞自动机的仿真技术对人员疏散过程进行仿真,通过仿真表明模型能有效模拟多出口条件下人员应急疏散特性。     

基于Multi—agent的对策论协商模型

1 引言对策论的研究是以每个Agent的效用和赢利为基础的,每个Agent都希望能够在协商过程中求得Nash平衡的策略组合,使得那些基于理性假设的Agent均可获得一个稳定并且满意的解。当任何理性Agent达到Nash平衡点后,它们都不会试图离开,这是因为只有Nash平衡点,才能获得较大的赢利。可惜的是,Nash平衡不一定总是存在,或者可能存在多个,在这些情况下,如何寻找满意解,是人们一直试图解决的     

一种基于均衡理论的网格资源分配模型

针对网格资源特点提出一种基于市场经济均衡理论的网格资源分配模型,将整个网络资源系统看成是一个价格随供求关系浮动的竞争市场,网络用户购买网络资源以满足个人的服务质量(QoS),利用流量控制技术优化网络资源分配,使之公平有效。借助经济学中的均衡理论对网格参与者之间的交互行为进行分析,并结合迭代算法给出初步仿真试验的分析结果。     

NGI中一种基于食物链算法的柔性QoS组播路由算法

针对下一代互联网（Next Generation Internet,NGI）难以精确测量和用户服务质量（Quality of Service,QoS）需求难以完全表达的特点,设计了一种基于食物链算法（Food Chain Algorithm,FCA）的柔性QoS组播路由算法。给出了QoS组播路由问题模型及其数学描述,针对NGI中QoS参数信息不精确和用户需求柔性的特点,通过博弈分析确定用户和网络方在边上的效用能否达到Nash均衡,基于模糊数学的相关知识并结合FCA的寻优能力,找出在给定条件下用户效用、网络方效用和满足用户QoS需求的可信度同时达到最大的组播路由树。对算法进行了仿真实现与性能评价,结果表明,它是可行和有效的。     

基于博弈论的多媒体传感器网络MAC协议

IEEE802.1 le媒体接入控制(MAC)协议不能较好地满足无线多媒体传感器网络不同类型业务节点间的公平性要求.为解决该问题,提出一种基于博弈论的无线多媒体传感器网络MAC协议.将节点间的信道竞争过程建模为非完全信息动态博弈,在不同的负载情况下,通过改变普通业务的权重提高不同业务间的公平性.仿真结果表明,该协议能在保证多媒体业务服务质量的同时,增加普通业务数据流接入信道的机率,提高整个网络的平均吞吐量.     

基于用户请求服务的QoS评价模型

进行SOA系统构建时,在选择同一功能服务不同物理实现的过程中,需要考虑用户适合度。提出根据用户需求确定服务QoS属性集的方法,该方法用扩展的WSDL协议描述服务QoS,量化服务QoS和用户QoS需求。构建基于用户请求的服务质量模型和相应算法,完成对最佳用户适合度服务物理实现的选择。     

基于势博弈的多路径网络编码研究

介绍反向共乘的网络编码形式,基于博弈理论提出用于多路径网络编码通信分割的势博弈模型。分析一种8个节点的网络拓扑,以网络传输总成本作为优化目标设计势函数,使用博弈中的BNN动态作为激励结构调整流在不同路径上的通信分割,使网络系统收敛于Wardrop均衡,即最低成本状态。仿真结果表明,该模型使用BNN动态能够有效调整流的通信分割,从而最小化网络传输总成本。     

地理社交网络中重叠种子的广告博弈决策机制

作为社交影响最大化问题的重要应用之一,社交广告(或社交营销)已成为一个热门行业.其目标就是寻找k个最具影响力的种子节点,使产品公司利用成员间推介的“级联”效应推销产品.然而,由于所用数据集的限制,大多数现有影响力最大化问题的研究成果只能用于分析用户在虚拟世界中的行为,忽略了位置信息所起的作用.在信息传播过程中,用户间的距离也会对传播概率造成影响.因此,对地理社交网络中的位置敏感的影响力最大化(location-aware influence maximization, LAIM)问题进行了定义,并提出一种贪婪框架下考虑位置的影响力最大化算法,该算法将营销位置信息引入现有影响力最大化(influence maximization, IM)问题定义中,解决了传统IM中由于缺少位置信息所导致的传播范围与实际需求不符问题.此外,鉴于同一领域不可避免的竞争会引发种子重叠现象,从而导致种子个体不能实现预期传播范围,立足重叠种子角度,旨在对公司选择进行决策博弈并找到纳什均衡点,从而降低了种子集合的重叠率与影响力损失.实验结果验证了贪婪框架下考虑位置的影响力最大化算法和重叠种子下决策博弈策略的有效性.