非理性环境影响下的双边动态协商模型*

针对当前协商模型中大多未考虑非理性因素影响的问题,提出一种非理性环境影响下的双边协商模型。在该模型中,通过对决策者性格特征MI、个性偏好W和心理优越度MS的描述模拟非理性环境,同时利用协商过程中的协商状态等作为对非理性环境的外部影响。为体现非理性环境对协商决策的影响,采用了基于扰动的效用评估方法和环境依赖的协商策略。仿真实验表明,定义的非理性协商环境能够较好地模拟真实情况;同时,利用效用评估函数和协商提议策略更好地体现了非理性环境对决策的影响。经验证,提出的协商模型是有效的。     

具有学习机制及情绪特征的连续进化博弈仿真

当前博弈理论的研究主要集中在合作竞争及稳定性的分析上,有关心理因素对博弈过程的影响的研究尚不多见。将情绪特征引入连续进化博弈过程,可更为真实地仿真群体博弈过程。针对不同决策风格的个体,建立个体学习机制及根据情绪特征的策略变异机制。仿真结果表明,学习能力有助于个体之间的博弈平均合作率及群体收益总量的提高;情绪对个体收益产生一定的波动性影响,但对群体平均收益的波动性影响不大。     

不确定竞争及合作环境影响下的动态协商模型

提出一种动态多议题协商模型(DMNM),该模型由环境分析模型(PCCM)和协商决策模型(NDM)两部分组 成。PCCM利用生态学中的种群自生长原理,结合种群密度变化情况对竞争及合作环境进行有效分析。NDM通过 引入个体战略特征提高决策模型的灵活性,并利用一种基于协同进化的混合优化算法(CE-HOA)实现多议题让步平 衡,以保证决策者的利益。实验结果表明,提出的协商模型(DMNM)不仅能够有效平衡决策者对当前利益和长远利 益的选择,而且最大化地保证了决策者的收益。C;E-HOA算法在保证解质量的前提下提高了搜索效率,使得决策过 程更为高效。     

不确定竞争及合作环境影响下的动态协商模型

提出一种动态多议题协商模型(DMNM),该模型由环境分析模型(PCCM)和协商决策模型(NDM)两部分组成.PCCM利用生态学中的种群自生长原理,结合种群密度变化情况对竞争及合作环境进行有效分析.NDM通过引入个体战略特征提高决策模型的灵活性,并利用一种基于协同进化的混合优化算法(CE-HOA)实现多议题让步平衡,以保...     

基于对称粒子群算法的动态环境问题求解

针对动态环境问题,提出一种具有自学习功能的对称粒子群算法(SymPSO)。该算法提出利用静态粒子群检测环境的变化,并基于对称粒子思想,在不增加运算量的前提下生成多个对称虚拟粒子群,扩大了种群搜索能力。为保证算法尽快逃离局部最优,给出广域学习策略,用以提高粒子的自学习能力。基于DF1环境下的仿真对比试验表明,SymPSO算法能快速跟踪最优值变化及迅速跳出局部最优,证实了其有效性。     

基于任务能力排序的虚拟企业联盟生成方法

将虚拟企业联盟生成问题转化为多Agent问题,针对传统求解多Agent问题过程中仅考虑成本和联盟值最优的局限性,引入“一企多标”和资源配置等实际问题并给出解决方案。重点论述了基于改进的蚁群算法及任务能力排序的虚拟企业联盟生成方法,在求解过程中首先根据任务所需的核心能力对Agent集进行划分,然后利用改进的蚁群算法来求解该问题,以使满足该任务能力要求的Agent优先被选择,从而避免优势资源得不到利用的现象,起到合理配置资源的作用。通过模拟算例分析表明,该方法能有效、快速求解多虚拟企业联盟生成问题,表现了该方法的正确性。