基于演化博弈的多用户网络选择算法

无线通信技术的发展和演进,使得多种广域蜂窝网和大量无线局域网共存、重叠。针对热点区域,密集分布的大量用户同时发起同种业务请求应用场景,提出一种基于演化博弈的多用户网络选择算法,依据选择网络的用户数设计效用函数,给出了演化博弈的复制动态方程。与RSSI算法的对比仿真结果表明：该算法能快速达到演化均衡,用户平均收益高于RSSI算法,接入网络的用户分布更均衡,能合理利用网络资源。     

基于多阶段演化信号博弈模型的移动目标防御决策算法

当前网络安全事故频发,传统被动防御技术已经无法应对未知的网络安全威胁。针对这一问题,构建了多阶段演化信号博弈模型,并以防御方主动发射诱导信号进行安全防御为背景,提出了一种基于多阶段演化信号博弈模型的移动目标防御（MTD）决策算法。首先,以博弈双方不完全信息约束及完全理性前提为假设对模型的基本元素进行定义并进行模型整体理论分析;然后,设计了攻防策略的收益量化方法,并给出了详细的最优策略均衡求解过程;最后,引入MTD方法分析多阶段攻防情况下双方策略的演化趋势。实验结果表明,所提算法能准确预测出不同阶段最优防御策略,而且对新型网络主动防御技术研究具有指导意义。同时,通过蒙特卡洛仿真实验,将所提算法与传统随机均匀策略选择算法进行对比,所得结果验证了所提算法的有效性和安全性。     

基于稀疏贝叶斯算法的演化博弈网络重构

演化博弈是自然和社会系统中一种常见的互动类型,探知演化博弈网络的拓扑结构是理解其功能和集体行为的基础。对于演化博弈网络,个体的博弈行为通常难以用动力学方程进行描述,而且相关的时序信息一般数量有限并且是离散的,因此在有限的个体博弈信息下重构网络的结构有着重要的研究意义。本文基于稀疏贝叶斯学习方法进一步发展了演化博弈网络的重构方法,通过在随机网络和小世界网络上的数值模拟验证该方法的有效性。与先前的基于L1范数的方法相比,该方法同样能够在较少的个体博弈信息下实现网络的重构,并且具有更高的重构效率和更强的噪声鲁棒性。     

网络组织信息共享的演化博弈研究

根据管理系统工程理论,网络组织具有自主性、动态性、经济性和可扩展性等特点,针对当前网络组织信息共享研究的微观、静态等局限性,运用演化博弈理论方法,建立了一个网络组织信息共享机制的演化博弈模型,分析了网络信息节点共享的动态演变过程。研究结果表明,网络组织的演化方向与双方博弈的支付矩阵以及系统初始状态相关,信息共享产生的超额利润、初始成本、网络组织成员服务能力的差异及其贴现因子是影响网络组织信息共享演变的关键因素。     

复杂网络上的演化博弈

主要介绍了近年来复杂网络上的演化博弈研究现状和研究方向．复杂网络理论的发展为描述博弈关系提供了系统且方便的框架，网络上的节点表示博弈个体，边代表与其邻居的博弈关系．介绍了经典演化博弈论中的演化稳定策略概念和复制动力学方程，以及二者的相互联系．介绍了混合均匀有限人口中随机演化动力学问题，并给出了与确定复制方程的相互转化关系．介绍了小世界、无标度等复杂网络上演化博弈的研究结论，给出了复杂网络上演化博弈论的未来发展方向．     

基于多种群遗传算法的复杂网络社区结构发现*

提出了一种基于多种群遗传算法的复杂网络社区结构发现新算法,该算法无须预先知道社区内节点的数量以及任何门限值,同时引入并行遗传算法的思想,进一步提高了算法的运行效率。实验结果表明,与传统算法相比,在无先验信息的条件下,使用该算法对不同规模的网络图Zachary和Dophins网络结构进行验证时,能够以较低的时间复杂度、高效并准确地完成对网络社区的有效划分。     

基于社区划分的多智能体网络快速蜂拥控制

针对复杂网络社区特性对多智能体系统协同控制效率的影响,面向具有ER(Erdos-renyi)网络或BA (Barabasi-albert)网络性质的多智能体系统,提出一种基于社区划分的快速蜂拥控制算法.该算法充分考虑社区内个体的相对密集特性,通过在社区间引入虚拟领导者作用,避免系统在演化过程中因通信受限而导致的“分块”现象,可有效提高系统拓扑的代数连通度.仿真结果表明:具有相应性质的多智能体系统蜂拥行为的收敛速度与ER和BA网络的平均度以及BA网络度分布的幂指数正相关;优化社区个数有利于提高蜂拥收敛速度.     

融合多粒度社区信息的网络嵌入方法

现有大多数网络嵌入方法仅保留了网络的局部结构信息,而忽略了网络中的其他潜在信息.为了保留网络的社区信息,并体现网络社区结构的多粒度特性,提出一种融合多粒度社区信息的网络嵌入方法(EMGC).首先,获得网络的多粒度社区结构,并初始化节点嵌入和社区嵌入;然后,根据上一粒度上的节点嵌入和本层粒度的社区结构,更新社区嵌入,进而...     

面向多租户网络资源分配的博弈优化策略

为了应对5G及未来网络中用户间差异化的服务需求,改善多租户网络切片资源利用率低和部署成本高的问题,提出一种基于多租户网络资源分配的博弈优化策略。在多租户网络中,网络切片租户（NSTs）租用基础设施提供商基站的无线频谱资源,将接入服务切片构建为网络切片即服务,为用户提供网络接入服务。将NSTs和用户的关系建模为一个多主多从的Stackelberg博弈,引入切片流行度和服务命中率指标,建立博弈双方的策略空间和收益函数,并证明NSTs的切片订购策略存在唯一的纳什均衡。通过逆向归纳法分析博弈模型,提出一种分布式迭代算法求得用户的最优吞吐量需求以及NSTs的最优切片定价。仿真结果表明,与传统考虑切片资源分配的优化策略对比,基于多租户网络资源分配的博弈优化策略能够有效提高资源利用率和用户满意度,并降低切片部署能耗,较好地实现频谱带宽资源的合理分配。     

机会网络中基于信誉度惩罚的重复博弈模型

节点的自私行为将严重影响机会网络的传输性能.为激励节点协作,提出一种基于信誉度惩罚策略的重复博弈模型.惩罚策略以信誉度度量节点的历史行为,并设计不同程度的惩罚,重复博弈中节点考虑未来的长久收益以及对自私表现下惩罚的恐惧而选择协作转发.利用演化博弈理论分析并证明了节点由自私向协作行为转变的动态过程中的演化稳定性.仿真结果表明,该模型可有效激励节点参与协作,在自私节点较多时,也能保证较高节点传输成功率和较低的网络延迟.     

互联网资源命名寻址技术综述

介绍了几种寻址技术的基本概念和相互关系,并从标志方案解析方案、名字空间、可扩展性等方面分析比较几种寻址技术的优缺点,最后对互联网资源命名寻址技术的未来发展趋势进行了展望。     

基于网络的游戏式教学系统的设计

本文分析了网络游戏的现状，在现有的学习模式的基础上，提出了一种新的学习模式（游戏式网络学习模式），并探讨了基于网络的游戏式教学系统的特征与设计要点。     

基于网络的游戏式教学系统的设计

本文分析了网络游戏的现状,在现有的学习模式的基础上,提出了一种新的学习模式(游戏式网络学习模式),并探讨了基于网络的游戏式教学系统的特征与设计要点。     

拓扑元素永久命名综述

从参数化系统的模型表示方法出发,分析了拓扑元素永久命名问题,探讨了解决该问题的4个基本条件及其内在关系.将拓扑元素永久命名问题分为唯一命名及其辨识问题和模型重建阶段拓扑结构发生改变时的语义辨识问题2个层面展开综述.其中,第一个层面涉及到原始名字和边界模型的关联,引用名字的构造2个问题;在第二个层面中,按照所引用的信息类型分为引用拓扑对象的几何信息和拓扑对象本身2种处理模式.对其他相关研究中的名字问题进行了概述.最后对今后研究方向进行了探讨.     

基于单点多步博弈的网络防御策略选取方法

当前复杂环境下网络安全问题频发,而现有攻防博弈网络防御模型未考虑网络攻击单点多步的特性,无法有效进行网络防御.针对网络攻防实际需求,通过模拟攻防环境和过程,提出一种基于单点多步网络攻防博弈模型的防御策略选取方法.建立单点多步攻防博弈模型,将全局博弈缩小为漏洞上的局部博弈以适应各种防御体系的攻防分析,采用漏洞评分系统量化...     

现代虚拟游戏的符号学分析

本文主要讨论游戏中符号的一个变化过程,从最初单向式的用户被动接受的单机游戏的符号特点,到后来的双向的互动的网络游戏的符号特点。虚拟游戏对符号的关注,经历了一个从由个性化需求到群体化认知的变化过程。游戏中符号的社会性的特点随着网络游戏的产生,慢慢体现出来。     

基于Markov博弈模型的网络安全态势感知方法

为了分析威胁传播对网络系统的影响,准确、全面地评估系统的安全性,并给出相应的加固方案,提出一种基于Markov博弈分析的网络安全态势感知方法通过对多传感器检测到的安全数据进行融合,得到资产、威胁和脆弱性的规范化数据;对每个威胁,分析其传播规律,建立相应的威胁传播网络:通过对威胁、管理员和普通用户的行为进行博弈分析,建立...     

基于能量驱动的网络进化稳定性博弈分析

基于生态网络中的能量机制,对网络的进化稳定性进行分析研究。给出一个能量熵的概念,用以衡量系统稳定性的敏感度。基于能量熵,对网络的进化稳定性进行博弈分析,提出稳定的全局纳什均衡策略。仿真实验结果表明,能量驱动的系统具有良好的适应性和有效性。     

基于动态博弈的粗糙网络安全分析模型

基于攻击图的主动网络安全测评是网络安全的战略研究方向,但目前多数网络攻击模型都是从攻击一方的角度进行分析,忽略了整个攻防过程中连接关系及知识体系的粗糙性。为此,结合攻击粗糙图和动态博弈理论提出粗糙网络安全分析模型RNSAM。以粗糙部件访问关联图为基础,刻画某一时刻网络拓扑结构状态下网络部件主体之间的粗糙访问关系,通过对攻击策略集和防御策略集在知识域空间上的粗糙刻画来反映攻防过程中的动态决策机制,同时给出攻击策略选取算法,指出在当前网络连接状态和攻防双方知识水平下的最优防御策略。实例分析结果表明,RNSAM能够完整模拟网络攻击过程,使网络管理员以最小的代价采取相关防御措施。