基于博弈论-VIKOR法的科研项目立项评审研究

针对科研项目立项评审的特点,建立了基于博弈论-VIKOR法的科研项目立项评审模型。目的在于提高定性指标定量化处理的科学性,并通过具体科研项目评审实例描述该方法的运用过程。表明了该方法具有科学性、有效性与可操作性。     

Understanding massively multiplayer online role‐playing game addiction: A hedonic management perspective

Massively multiplayer online role‐playing game (MMORPG) addiction presents a serious issue worldwide and has attracted increasing attention from academic and other public communities. This article addresses this critical issue and fills research gaps by proposing and testing a research model of MMORPG addiction. Building on the conceptual foundation of the hedonic management model of addiction and the technology affordance perspective, we develop a research model explaining how MMORPG affordances (ie, achievement, social and immersion affordances) are associated with the duality of hedonic effects (ie, perceived positive mood enhancement and perceived negative mood reduction) and the extent of MMORPG addiction. Using structural equation modelling, we empirically test our research model with 406 MMORPG players. The results show that both perceived positive mood enhancement and perceived negative mood reduction positively correlate with the extent of MMORPG addiction. Furthermore, achievement and immersion affordances are positively associated with the duality of hedonic effects, whereas social affordance is not. Our study contributes to the growing body of technology addiction literature by revealing the relationships between the two hedonic effects and the extent of MMORPG addiction, and by offering a contextualised explanation of the role of MMORPG affordances in these relationships. We offer an alternative perspective on the far‐reaching, unintended relationships between technological affordances and addictive technology use. Our study provides game developers and policymakers with insights into preventing MMORPG addiction to create an entertaining, healthy virtual playground.     

面向5G网络云原生应用资源调度的博弈优化策略

随着5G网络和云原生技术的发展,面向服务的5G云原生核心网应运而生,传统应用正朝着云原生化方向发展。目前云原生服务提供商和云原生应用商数量众多且关系复杂,使得应用在云原生化过程中的资源调度面临新挑战。提出一种5G网络云原生应用资源调度优化策略,将云原生应用商和云原生服务提供商构建为多主多从的Stackelberg博弈模型,对传统收益进行具体描述并联合能耗构建利润函数和策略空间,证明给定一组微服务资源定价的情况下存在云原生应用商的纳什均衡点。在此基础上,引入柯西分布对策略进行优化,提高其收敛性能,通过分布式迭代方法得到云原生服务提供商的最佳微服务定价和云原生应用商的最佳微服务租用比例。仿真结果表明,相比ACA算法、QOS PA算法以及GOS策略,该策略能够有效提高网络收益和用户体验质量,同时降低应用开发能耗。     

考虑风电和储能接入电网的多目标协同博弈区间经济调度

针对风电的不确定性对电网调度的经济和安全运行造成影响的问题, 充分考虑储能灵活充放电的运行优 势, 提出了一种基于改进均衡协调算法的多目标区间储能经济调度优化方法. 本文综合考虑有功调度与无功优化之 间的内在耦合关系, 以典型日运行的电压偏差和系统综合运行总成本最小化为优化目标, 建立多目标区间储能经济 调度优化模型. 在优化过程中, 首先考虑在直流潮流的区间调度模型中, 通过优化储能和发电机的有功出力来实现 对风电不确定性的处理, 然后采用改进均衡协调算法对考虑交流潮流的有功–无功储能调度模型进行综合优化, 从 而获得兼顾电网安全性与经济性的均衡最优解. 本文还从风电的不同区间波动以及风电场并网规模的角度出发, 分 析了对系统储能调度运行的影响. 最后本文将改进算法获得的最优解与采用带权重系数的理想点法分析获得的 Pareto最优解进行对比分析, 可避免确定权重因子时的人为主观因素. 本文通过对IEEE RTS–24节点系统进行算例 仿真, 验证了所提模型的合理性和可行性.     

考虑非线性奖惩机制的多主体主从博弈模型

本文针对以往电价机制仅由供方主导而缺乏电能供需双向调节功能的缺点问题,构建了一个考虑双边非线性奖惩机制的电力市场多主体主从博弈模型,以实现市场多主体的利益均衡.首先,在零售端提出了一种由供需双方共同参与且具有动态奖惩激励的电价机制.其次,在此基础上构建了一个以零售商为领导者、用户为跟随者的主从博弈模型,同时利用演化博弈描述用户的动态选择过程.然后,证明了该主从博弈模型纳什均衡解的存在性,并设计了分布式算法进行求解.最后,通过算例分析证明了本文所提博弈模型的合理性,并验证了电价机制在引导用户合理用电、保证供需平衡以及实现成本节约等方面的有效性;同时仿真结果表明给出的分布式求解算法具有较快的收敛速度和良好的稳定性能.     

基于概率性能感知演化博弈策略的“云+边”混合环境中任务卸载方法

针对“中心云服务器+多个边缘服务器”构成的“云+边”混合环境中多任务卸载效率不足的问题,提出了一种基于概率性能感知演化博弈策略的任务卸载方法。首先,在一个“中心云服务器+多个边缘服务器”构成的“云+边”混合环境中,假设其中分布的边缘服务器具有时变波动的性能,采用一种基于概率性能感知演化博弈策略的任务卸载方法对边缘云服务器的历史性能数据进行概率分析,以获得演化博弈模型;然后,生成服务卸载的演化稳定策略（ESS）,使每个用户都能在获得高满意度的前提下进行任务的卸载。基于云边缘资源位置数据集和云服务性能测试数据集进行模拟实验,在24个连续时间窗口上进行不同方法的测试比较。实验结果表明,所提方法在多个性能指标上都优于传统的贪婪（Greedy）算法、遗传算法（GA）和基于纳什均衡的博弈论算法等任务卸载方法。该方法的平均用户期望达成度相较于三个对比方法分别提升了13.7%、117.0%、13.8%,平均卸载时延分别降低了6.5%、24.9%、8.3%,平均货币成本分别降低了67.9%、88.7%、18.0%。     

多智能体博弈强化学习研究综述

使用深度强化学习解决单智能体任务已经取得了突破性的进展。由于多智能体系统的复杂性,普通算法无法解决其主要难点。同时,由于智能体数量增加,将最大化单个智能体的累积回报的期望值作为学习目标往往无法收敛,某些特殊的收敛点也不满足策略的合理性。对于不存在最优解的实际问题,强化学习算法更是束手无策,将博弈理论引入强化学习可以很好地解决智能体的相互关系,可以解释收敛点对应策略的合理性,更重要的是可以用均衡解来替代最优解以求得相对有效的策略。因此,从博弈论的角度梳理近年来出现的强化学习算法,总结当前博弈强化学习算法的重难点,并给出可能解决上述重难点的几个突破方向。     

融合攻击图和博弈模型的网络防御策略生成方法

近些年威胁网络安全的事件日趋频繁,黑客的攻击手段越来越复杂,网络安全防护的难度不断增加。针对实际攻防环境中攻击策略复杂多变和攻击者不理性的问题,文章将攻击图融入攻防博弈模型,并引入强化学习算法,设计了一种网络主动防御策略生成方法。该方法首先基于改进攻击图的网络脆弱性评估模型,成功压缩策略空间并有效降低建模难度,然后对网络攻防进行博弈模型构建,将攻击者和防御者对网络的攻防策略问题设计为一个多阶段的随机博弈模型,引入强化学习Minimax-Q设计了自学习网络防御策略选取算法。防御者在经过对一系列的攻击行为学习之后,求解出针对该攻击者的最优防御策略。最后,本文通过仿真实验验证了该算法的有效性和先进性。     

虚幻引擎5来临之际游戏专业课程改革与探索

2020年5月,世界著名游戏引擎商家Epic官方揭开了“虚幻引擎5”的神秘面纱。在视频中提到的亿面级数实时渲染“黑科技”更是将这次重大升级提升到了一个前所未有的高度。这次技术的革新之于游戏开发行业的意义可以类比为手机从功能机到智能手机的跃迁。本文笔者将浅谈一些对于游戏引擎的功能介绍,阐述现在游戏引擎对于整个游戏开发行业的重要性,在教学上扩容引擎类软件的学习内容方向和课程安排的一些教学改革思路。     

异构蜂窝网络中用户非均匀分布的CRE和eICIC优化

在假设用户均匀分布的场景中,联合优化小区范围扩展(CRE)和增强型小区间干扰协调(eICIC)不适用用户分布非均匀的实际场景.考虑到用户非均匀分布的特点,提出了相应的CRE和eICIC联合优化方案.考虑到建模的复杂性,使用了斯坦伯格博弈建模CRE和eICIC的联合优化过程, 将宏基站作为领导者决定eICIC策略,将pico基站作为跟随者决定CRE策略, 进而提出一种求解算法,以获得斯坦伯格博弈均衡解.仿真结果表明了所提出的斯坦伯格均衡解算法的收敛性及有效性.