基于免疫粒子群算法的非合作博弈Nash均衡问题求解*

针对N人非合作博弈Nash均衡求解问题,将免疫算法中抗体浓度抑制机制和免疫记忆功能引入基本粒子群算法,提出了一种求解博弈问题Nash均衡的免疫粒子群算法。该算法通过抗体浓度抑制机制和免疫记忆功能来保持种群的多样性,不仅保持了粒子群算法简单、易于实现的特点,而且增强了粒子群算法的全局寻优能力,加快了算法的速度。实验表明,提出的算法具有较好的性能,优于免疫算法和基本粒子群算法。     

基于有限理性的信息集广义多目标博弈

研究基于有限理性的信息集广义多目标博弈的弱Pareto-Nash平衡问题的稳定性.在信息集广义多目标博弈的弱Pareto-Nash平衡问题的度量空间是完备度量空间的结论下,运用博弈论语言描述的有限理性模型建立此问题的有限理性模型,通过验证一些假设得到,弱Pareto-Nash平衡问题是结构稳定的,对ε-平衡是鲁棒的.     

基于自适应小生境粒子群算法的多重Nash均衡求解

针对n人非合作博弈多重Nash均衡求解问题,提出一种自适应小生境粒子群算法。该算法融合了序列小生境技术、粒子群优化算法的思想,并加入了变异算子和自动生成小生境半径机制,使得所有粒子尽可能分布到整个搜索空间的不同局部峰值区域,从而有效地求得博弈问题的多重Nash均衡。最后给出几个数值算例,计算结果表明所提出的算法具有较好的性能。     

多个损失规避零售商竞争下的收益共享契约

针对供应链上具有独立决策权的各个实体由于决策激励不一致导致供应链低效的问题,以单个风险中性的供应商与多个竞争的损失规避型零售商组成的两阶段供应链系统为背景,在收益共享契约中考察竞争和零售商的损失厌恶偏好对零售商的最优订购决策以及整个供应链协调性的影响.以博弈论为基本研究方法,证明T该供应链博弈存在惟一的对称纯策略Nash均衡,而且竞争使得零售商的总订购量上升,而损失规避则使得总订购量下降.研究还发现,传统的墓于风险中性假设的供应链优化模型指出,由于需求·偷窃效应导致供应链库存过量的结论,在损失规避供应链模型中不一定成立,损失规避将消除这种效应,并且当零售商的损失规避程度很高且不考虑缺货成本时,将导致供应链系统库存不足.     

基于多个损失厌恶型零售商的提前订购策略

在单周期易逝品供应链协调问题的研究中,常常借助于经典的报童模型,限制销 售商的订货机会只有一次。然而在实际中,对一些具有特定消费时间的易逝性商品( 如中秋 节月饼等) ,生产厂家为了更好地安排生产,通常提供提前购买价格折扣策略,销售商则在销 售期末进行再次订购。以单个风险中性的供应商与多个竞争的损失规避型零售商组成的两阶 段供应链系统为背景,在提前订购折扣( Advanced Booking Discount,ABD) 合约中考察竞争和 零售商的损失规避偏好对零售商的最优订购决策以及整个供应链协调性的影响。以博弈论为 基本研究方法,证明了该供应链博弈存在惟一的对称纯策略Nash 均衡,而且竞争使得零售商 的总订购量上升,而损失规避则使得总订购量下降,供应商通过制定提前订购折扣合约可以协 调整个供应链。最后通过算例,验证了提前订购折扣合约在协调供应链中的有效性。     

基于免疫粒子群算法的广义Nash均衡问题求解

针对广义Nash均衡求解问题, 提出了一种免疫粒子群算法。首先利用非线性互补问题, 将广义Nash均衡问题转换为非线性方程组问题, 然后把免疫算法中抗体的免疫记忆功能和抗体浓度抑制机制引入基本粒子群算法, 设计了一种免疫粒子群算法。最后通过数值实验表明, 该算法保持了粒子群种群多样性, 增强了粒子群算法的全局寻优能力, 加快了算法的收敛速度, 具有较好的性能。     

一种基于诚实机制的最优负载分配方法*

为了激励代理参与机制合作和提高系统性能,提出一种新的最优负载分配算法;对输出函数的单调性给出一种新的、简单的证明方法;给出机制设计及实现方法。理论分析及仿真实验结果表明,应用该机制设计,可以激励计算机代理诚实地向系统报告它们的类型值(计算机真实的处理能力),以最小化系统总体响应时间;该任务分配算法优于现有的同类算法。     

关于一类一般形式的非线性拟变分不等式问题

在本文中我们研究一类更一般的拟变分不等式解的存在性问题,本文结果统一和改进了许多人的最新结果。作为应用,我们讨论了与经济数学中著名的Nash平衡问题有关的拟变分不等式解的存在性问題,得出了一个推广形式的Debrunner-Flor定理。