基于单向时延的自适应拥塞控制的研究

提出了一种基于非完备策略的演化少数者博弈模型,它在演化的同时允许参与者的策略包含部分随机位,并且规定当主规则随机选择时,由次规则顶替指导.对比分析和数值模拟表明,新模型由于在策略结构上采用"缺席的等级制度",其性能相对于普通演化MG模型有显著提升,能够以更小的记忆步长和更稳定的策略组成,进化到一个近乎理想的协作状态.     

面向服务的构件可信演化策略

针对目前软件动态演化研究很少考虑可信方面的不足,以面向服务的构件为对象,提出一种构件可信演化策略。该策略包括构件可信演化的相关定义、推理规则、计算公式和声望更新模型。在演化过程中,该策略根据构件提供的各种服务的可信性计算出构件的声望值,由构件的声望值向导构件的可信演化,并根据实际演化情况动态更新构件的声望值。最后,通过案例进行分析,验证了该策略的有效性。     

一种数据完整性策略的形式化描述

数据完整性是信息系统的安全目标之一，该文描述了一个时间相关的数据库管理系统的完整性策略模型。该模型将数据的完整性与时间联系起来，定义数据完整性的演化规则，解决了低可靠性的主体需要更新高完整性级别数据的问题。     

基于本体的特征模型演化的一致性验证

针对特征模型的演化导致特征间的冲突问题, 从特征模型的演化方面进行研究, 提出了一种基于本体的特征模型演化的一致性验证方法。首先采用本体理论方法对特征模型的演化进行分析和建模, 建立本体的特征模型元模型; 其次基于上述元模型, 为网上购物系统实例建立相应的网上购物的领域特征模型, 根据需求裁剪出产品特征模型; 然后在Eclipse集成开发环境下, 通过Jena推理机加载规则和产品特征模型进行一致性验证, 当检测到冲突时, 采用演化策略来消除冲突; 最后通过实例研究说明了该方法的有效性。     

峰度驱动的云进化策略

为了从传统进化策略的角度分析并改进云进化策略,研究云分布的峰度统计量及其应用。云分布在固定标准差时,也可通过调整峰度来改变噪声形状,可能产生更有效的变异。推导云分布峰度计算公式,以支持熵-超熵空间和标准差-峰度空间的相互转换。比较峰度和峰比对云分布噪声的影响,证明峰度更适宜自适应演化。给出峰度驱动的云进化策略,它的参数演化结合基于1/5规则的标准差演化和自适应峰度演化。对8个测试函数的实验结果显示,高峰度利于全局寻优,低峰度利于局部寻优,而峰度的自适应调整可综合二者优势。     

基于演化博弈的最优防御策略选取研究

无线传感器网络极易遭受各种安全威胁,基于博弈论的入侵检测方法能有效平衡网络的检测率和能耗,但是基于完全理性假设的传统博弈模型存在不足。因此,针对不同的攻击方式,引入演化博弈理论,从攻防双方的有限理性出发,构建入侵检测攻防演化博弈模型,然后利用复制动态方程分析了攻防双方策略的演化趋势,提出了最优防御策略选取算法。仿真实验表明了所提模型的合理性和算法的有效性,与其他策略相比,所提防御策略更贴合实际应用场景,在保证检测率的前提下,减少了资源消耗,延长了网络生存时间。     

CA与生命游戏演化的组合模型*

基于摩尔奇偶型CA,提出一种结合生命游戏的演化模型.首先设置初始构型进行摩尔奇偶型规则演化,再引入生命游戏规则,按游戏规则演化;最后依此重复摩尔奇偶规则和生命游戏规则,直到演化整个元胞空间.证实在摩尔奇偶型CA的基础上,结合生命游戏在很大程度上减小了演化过程对初始构型的依赖,出现更为丰富的图元以及基于图元和演化框架的动态图案,且演化过程仍然符合摩尔奇偶型CA的演化规律.结合模型可以避免演化过度依赖初始构型以及演化过程的单调性,而且组合演化模型可以应用于图案生成,生成保持风格的规则几何纹理图案,丰富图案的生成方法.     

时间尺度与选择倾向性协同作用下的演化博弈模型

针对合作行为的涌现与维持问题，基于演化博弈理论和网络理论，提出了一种促进合作的演化博弈模型。该模型同时将时间尺度、选择倾向性引入到演化博弈中。在初始化阶段，根据持有策略的时间尺度将个体分为两种类型：一种个体在每个时间步都进行策略更新；另一种个体在每一轮博弈后，以某种概率来决定是否进行策略更新。在策略更新阶段，模型用个体对周围邻居的贡献来表征他的声誉，并假设参与博弈的个体倾向于学习具有较好声誉邻居的策略。仿真实验结果表明，所提出的时间尺度与选择倾向性协同作用下的演化博弈模型中，合作行为能够在群体中维持；惰性个体的存在不利于合作的涌现，但是个体的非理性行为反而能够促进合作。     

基于演化博弈研究移动和噪声对合作的影响

针对规则格子上的节点的自私行为不能有效抑制的问题,提出一个结合个体移动和噪声因素的演化囚徒困境模型。该模型结合ALLC、ALLD、TFT和TF2T四种策略来分析个体移动和噪声两个因素分别和共同对演化博弈中合作行为的影响。模型中的博弈者根据收益差异,可以移动到比当前位置收益高的邻居域的空位置,并且在反复博弈过程学习、模仿,不断调整博弈策略,提高博弈所得,最后达到进化稳定状态。最后在Matlab平台上进行仿真实验,实验结果表明,该模型能够促使个体合作,并且对个体的欺骗行为具有抑制作用。     

基于JBoss AOP的软件动态演化

大型的长期运行的系统往往要求软件系统不能停止运行,而软件演化作为软件维护的重要部分是每一个软件系统不可或缺的,这就要求能够实现软件的动态演化.提出了一种基于AOP技术的软件动态演化机制,这种机制分为两种策略:运行时软件的功能更新方法和代码更新方法.根据对软件进行更新依赖的静态分析,按照一定的规则将一个个更新的动作作为一个系统的横切方面动态编织到系统中去,从而实现软件的动态演化.     

区块链51%双花攻击的进化博弈及防控策略研究

双花攻击作为支付领域的一种安全隐患,给区块链系统的正常运行带来了严重影响。针对双花攻击中破坏力较强的51%双花攻击,构建了区块链中51%双花攻击的进化博弈模型,揭示了节点策略的动态演化趋势,并通过推导进化稳定策略,预测双花攻击出现的概率。同时把交易价格和交易费用作为进化博弈模型中的两个重要变量,探究该变量的不同取值对博弈结果的影响规律。仿真实验验证了上述模型的有效性,最后从交易费用和交易价格两个方面提出了51%双花攻击风险防控的策略和建议。     

虚实互动网络环境下的双群体演化博弈仿真研究

针对虚实互动网络环境下的双群体演化博弈问题,首先给出了一般博弈模型并进行了复制动态分析;然后,建立了双同质群体的多智能体仿真模型,并将仿真结果与复制动态分析和单同质群体进行了对比;最后,从策略更新时间、网络结构、学习机制三方面提出了双群体的异质演化机制。仿真结果表明,不同演化博弈机制下的演化稳定策略基本一致,但演化稳定策略的收敛速度及鞍点取值不同,应用时要根据实际问题的异质特征来构建恰当的博弈演化机制。     

Evolutionarily stable sets in quantum penny flip games

In game theory, an Evolutionarily Stable Set (ES set) is a set of Nash Equilibrium (NE) strategies that give the same payoffs. Similar to an Evolutionarily Stable Strategy (ES strategy), an ES set is also a strict NE. This work investigates the evolutionary stability of classical and quantum strategies in the quantum penny flip games. In particular, we developed an evolutionary game theory model to conduct a series of simulations where a population of mixed classical strategies from the ES set of the game were invaded by quantum strategies. We found that when only one of the two players’ mixed classical strategies were invaded, the results were different. In one case, due to the interference phenomenon of superposition, quantum strategies provided more payoff, hence successfully replaced the mixed classical strategies in the ES set. In the other case, the mixed classical strategies were able to sustain the invasion of quantum strategies and remained in the ES set. Moreover, when both players’ mixed classical strategies were invaded by quantum strategies, a new quantum ES set was emerged. The strategies in the quantum ES set give both players payoff 0, which is the same as the payoff of the strategies in the mixed classical ES set of this game.     

基于动态拓扑的空间演化博弈与群体行为分析

从惯性特征与空间博弈的角度探讨智能体的策略选择与系统涌现特征的关系。构建拓扑结构时刻变化的空间演化博弈模型,分析了当智能体在具有完全惯性与不完全惯性这两种时间维度下系统演化的稳定策略,通过分析稳定策略探讨集群簇的涌现、时间与空间分布等特征。进一步地,基于时刻演化的动态拓扑构建少数者空间博弈模型,分析在负反馈机制下智能体的微观惯性特征与系统演化特征的关系。     

复杂系统多智能体建模的博弈进化仿真

采用基于复杂系统多智能（Multi-Agent）体的整体建模仿真方法,利用Swarm仿真软件平台建立进化博弈仿真模型（EGM）,对该模型进行了描述和定义,运用EGM对各类对称博弈模型进行仿真运行,并对结果进行分析。仿真结果表明在不同类型的对称博弈中初始策略选择概率和收益矩阵对动态稳定策略的获得有不同的影响,在给定不同的收益矩阵和初始策略选择概率下可以获得不同的进化稳定策略。     

A stochastic evolutionary coalition game model of secure and dependable virtual service in Sensor-Cloud

Various intrusion detection systems (IDSs) have been proposed in recent years to provide safe and reliable services in cloud computing. However, few of them have considered the existence of service attackers who can adapt their attacking strategies to the topology-varying environment and service providers’ strategies. In this paper, we investigate the security and dependability mechanism when service providers are facing service attacks of software and hardware, and propose a stochastic evolutionary coalition game (SECG) framework for secure and reliable defenses in virtual sensor services. At each stage of the game, service providers observe the resource availability, the quality of service (QoS), and the attackers’ strategies from cloud monitoring systems (CMSs) and IDSs. According to these observations, they will decide how evolutionary coalitions should be dynamically formed for reliable virtual-sensor-service composites to deliver data and how to adaptively defend in the face of uncertain attack strategies. Using the evolutionary coalition game, virtual-sensor-service nodes can form a reliable service composite by a reliability update function. With the Markov chain constructed, virtual-sensor-service nodes can gradually learn the optimal strategy and evolutionary coalition structure through the minimax-Q learning, which maximizes the expected sum of discounted payoffs defined as QoS for virtual-sensor-service composites. The proposed SECG strategy in the virtual-sensor-service attack-defense game is shown to achieve much better performance than strategies obtained from the evolutionary coalition game or stochastic game, which only maximizes each stage's payoff and optimizes a defense strategy of stochastic evolutionary, since it successfully accommodates the environment dynamics and the strategic behavior of the service attackers.     

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。