基于不完全信息博弈的网格资源分配方法研究

针对网格环境下用户难以获得资源竞价所需的信息而导致的决策风险,将不完全信息资源竞价转化成完全信息下的重复博弈问题。分析了该博弈均衡解的存在性及求解过程,给出了相应的竞价算法,讨论了对用户低价联盟的抑制方法。仿真实验表明用户通过各阶段资源预配置的信息调整竞价策略,资源配置可逐步逼近均衡解,实现网格资源的优化配置。     

基于博弈理论的经济网格资源配置研究

针对经济网格中,由于网格系统的复杂性和用户的私利性,使得网格用户在资源竞价过程中往往因相关信息的匮乏而导致资源竞价的盲目性问题,根据重复博弈分阶段执行的特点,将网格用户间对网格资源的竞争看作多阶段的重复博弈过程.用户依据前一阶段博弈的竞价值及竞价结果对当前阶段的竞价策略进行调整,通过有限次的阶段博弈达到均衡出价策略组合,实现用户最大效用下的资源分配.仿真表明,在不完全信息的网格环境中,该竞价模型可逐步改善网格用户的资源竞价策略,实现优化目标最大化下的网格资源分配.     

一种基于端系统竞价博弈的网络资源分配模型

随着网络流量以指数形式急剧增长,各种应用对网络资源的需求随之增加,特别是需要严格QoS保证的实时网络多媒体应用要求更多的网络资源.资源分配是QoS分配的最终实现,QoS分配目的是为了进行合理的资源分配,因而有效的资源分配十分重要.在描述资源分配问题的基础上,对资源分配博弈进行了深入研究,提出了能够反映供求关系的基于竞价的网络资源定价机制,并设计了端系统的效用函数,论证了资源分配博弈中Nash均衡点的存在性和唯一性以及实现Nash均衡解端系统的竞价策略.最后,为完善上述资源分配博弈模型,对该模型中的资源价格和相同竞价问题进行进一步讨论.该研究为基于竞价的资源分配算法的设计提供了理论上的支持.     

基于模糊博弈的英式拍卖动态模型

为了给竞价人或其代理的竞价提供决策支持,提出了模糊博弈的英式拍卖动态模型.以模糊参数出价意愿取代估价作为分析的基础,采用Bellman和Zadeh的模糊决策理论替代博弈论中的Nash平衡理论,分析英式拍卖中的竞价行为,建立英式拍卖静态博弈均衡模型,进而提出动态博弈模型和分析动态拍卖策略.通过仿真实验证明算法的有效性.     

云环境下基于神经网络和群搜索优化的资源分配机制

在云环境下,各种闲置资源可以通过池化形成资源池,进而利用虚拟化技术将资源池中的不同资源组合以服务的形式提供给用户使用,因此需要合理而有效的机制来分配资源.针对云环境下资源的特点,将经济学和智能方法相结合,提出了一种基于双向组合拍卖的智能资源分配机制.在该机制中,提出了基于体验质量（quality ofexperience,简称QoE）的威望系统,引入威望衰减系数和用户信誉度,降低拍卖中恶意行为造成的影响,为资源交易提供QoE 支持.对拍卖中的竞价决策,综合考虑多种因素,提出了基于BP 神经网络的竞标价格决策机制,不仅可以合理确定竞标价,而且使价格可以动态适应市场变化.最后,由于组合拍卖胜标确定问题是NP 完全的,因此引入群搜索优化算法,以市场盈余和总体威望为优化目标,得到资源分配方案.仿真研究结果表明,该机制是可行和有效的.     

基于拍卖理论和高斯过程回归学习的频谱分配算法

针对认知无线网络中认知用户的频谱分配问题,提出了一种基于拍卖理论和高斯过程回归学习的频谱分配算法。该算法基于VCG拍卖模型,考虑认知用户对通信质量的要求,构造出更有效的收益函数。在频谱拍卖过程中,认知用户通过学习拍卖历史数据预测其他认知用户的竞价,并最优化其竞价策略。频谱拍卖人根据各认知用户提交的竞价来分配频谱资源。理论分析和仿真结果证明了该算法是有效的,并且能够提高频谱利用率和认知用户的收益。     

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.     

基于认可度的主服务博弈频谱共享算法

针对包含多个主服务和单个次服务的频谱共享场景,提出一种市场驱动的认知频谱共享算法。在频谱水平差异下考虑次服务的频段选择偏好和主服务的信誉度,引入认可度机制,对基于Bertrand博弈的频谱共享模型进行改进,提出新的次服务效用函数,形成新的博弈,并证明其纳什均衡存在;构建频谱租赁框架,定义算法周期和阶段,提出认可度更新机制,实现认可度参数的动态更新,以体现次服务在不同算法周期中的买家意愿,并对主服务的不诚信行为进行惩罚,从而优化频谱共享环境;将算法扩展到了不完全信息条件下的动态博弈情形,并探讨了其局部稳态。仿真实验结果表明,该算法适应实际情况,并提高了频谱共享的合理性和有效性。     

物联网中基于信任的频谱资源分配机制

随着无线网络的快速发展,物联网中频谱资源的高效分配问题亟需解决,为此,提出一种基于信任的频谱资源分配机制TSRA.借鉴拍卖理论建立频谱资源拍卖系统模型,根据信任理论确定用户间的信任关系以缩小客户网络范围,利用属性加密理论保护交易数据.在此基础上,采用改进的蚁群算法为用户合理规划资源分配路径,从而实现频谱资源的多目标分配.实验结果表明,该机制可以为用户的交易数据提供细粒度的保护,且具有较高的社会效益和较低的系统计算与通信开销.     

基于MAS市场机制的动态计算资源调度模型研究

针对动态计算网格资源调度问题,结合多Agent系统(multi agent syste,MAS)协同技术和市场竞价博弈机制,对计算网格资源分配技术进行了深入研究,提出了能够反映供求关系的基于市场经济的网格资源调度模型,该模型一方面能够充分利用消费者Agent的协商能力,另一方面能够充分考虑消费者的行为,使得消费者的资源申请和分配具有较高的合理性和有效性.同时,设计了消费者的效用函数,论证了资源分配博弈中Nash均衡点的存在性和惟一性以及Nash均衡解.基于所提资源调度模型,设计了一种网格资源调度算法.仿真实验表明,资源调度算法能够为消费者的资源数量提供参考,规范消费者竞价,从而使得整个资源的分配趋于合理.     

基于预售机制的动态频谱分配算法研究

在认知无线网络环境下,为高效合理地进行频谱资源的管理与分配,引入经济活动中的预售机制,提出了基于预售机制的动态频谱管理(PS-DSM)方案.针对方案频谱市场分级架构及运作流程进行详细阐述,对方案中基础市场(BM)频谱分配细节进行了基于超模博弈方法的分析与仿真,实验结果表明,该方案能有效的减少时延,加快收敛速度,提高频谱利用效率.     

基于拍卖机制的网格在线信誉系统模型

在现有的网格经济模型和在线信誉系统的基础上,提出了基于拍卖机制的网格在线信誉系统模型.该模型侧重于保护资源提供者,为资源提供者提供了贡献与共享资源的动机,吸引更多更好的资源加入网格,实现资源优化分配.保证交易双方均获取最大利益,有利于网格资源的市场管理及供需均衡.并以市场为平台,构建一种新的网格信任模型,由交易事件和衰减函数共同驱动信任度的在线更新,并引入激励机制,尽可能增强信任模型的合理性和可操作性.     

不完全信息议价博弈的序贯均衡分析与计算实验

本文从理论研究和计算实验两个层次分析和验证了一类带有时间 偏好的单边双类型不完全信息议价博弈模型及其序贯均衡, 运用单阶段偏离法则分别推导和证明了该议价博弈的合并均衡与分离均衡, 并通过策略比较和构造静态出价博弈证明了合并均衡是议价博弈的唯一理性解. 在此基础上, 本文设计不完全信息议价博弈计算实验场景, 基于协同演化计算实验方法验证了议价博弈的序贯均衡解. 最后, 本文探讨了该序贯均衡对于议价双方相应管理策略的实践指导意义.     

基于演化博弈的用户接入机制

用户接入问题就是无线终端选择接入某个服务基站的问题。用户接入可以看作无线资源管理的第一步,对于网络性能有着重要的影响,在实现负载均衡、控制干扰、提高频谱和能量效率等方面起着非常重要的作用。针对包含宏基站和全双工小基站的多层异构网络特点,考虑了分离多接入机制,即允许一个终端在上行和下行接入到不同的多个基站,从而实现性能的提升。在此基础上,将异构网络中的上行下行分离多接入的用户接入问题建模成一个演化博弈问题,其中用户是博弈方,相互之间进行资源的竞争,基站的接入选择就是博弈中的策略,每个用户希望能通过策略的选择实现自身效用的最大化。此外,基于演化博弈和强化学习设计了低复杂度自组织用户接入算法,用户可以根据当前的策略选择收益来进行策略调整,并最终达到均衡状态,实现了用户公平性。最后通过大量的仿真实验验证了所提方法的有效性。     

基于博弈资源分配的认知异构网络干扰协调算法

基于underlay频谱共享模式的认知异构网络可有效缓解频谱资源短缺问题,但同时会加剧网络中的干扰。针对该问题,提出了一种基于非合作博弈模型的动态频谱分配和功率控制算法进行干扰协调。首先,考虑频谱共享造成的干扰问题,引入认知用户优先等级,将问题构建为联合动态频谱分配与功率控制的频谱定价博弈模型;其次,通过两阶段动态博弈得到纳什均衡解,实现认知网络层频谱资源合理分配和发射功率控制。仿真表明,所提算法能够实现不同优先级用户频谱资源的合理分配和认知基站发射功率控制,有效抑制认知异构网络的跨层干扰和层内干扰。     

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。     

物联网环境下基于演化博弈的动态频谱分配算法

研究物联网环境下垄断频谱市场中两个有限理性的服务提供商基于需求响应的价格竞争。服务提供商购买频谱拥有者提供的频谱,相互动态竞争提供给次用户使用以谋求自身利益的最大化。引入动态频谱接入,同时考虑次用户对价格的反应,将服务提供商的动态价格策略选择建模为演化博弈模型。通过复制动态,提出的算法收敛到演化稳定均衡(ESS)。仿真结果表明所该算法是收敛的,可以达到ESS,分析结果验证了演化博弈算法的稳定性和有效性。     

OFDMA认知无线电网络中面向功率控制的频谱定价与分配

针对OFDMA认知无线电网络,提出一种基于Stackelberg博弈的频谱定价和分配模型.对于次基站控制次网络传输功率来保护主网络通信的场景,主基站可通过该模型获得最优的频谱定价方案.从功率控制的角度,重新设计次用户的效用函数,运用Stackelberg博弈对单个主基站和多个次用户在频谱租赁市场中的交易行为进行建模.通过逆向归纳法,求解市场均衡下的最优频谱定价,使得主基站在考虑主网络QoS降级的同时获得最大收益.此外,对于主基站只能获取本地信息的情形,提出了基于动态Stackelberg博弈的分布式频谱定价和分配模型.仿真实验表明,该模型能够在控制次网络传输功率的基础上,提供最优频谱定价和频谱分配方案.     

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.