资源共享P2P网络的进化博弈激励模型

根据进化博弈的观点,提出一种资源共享型P2P网络博弈激励模型。对P2P网络进行描述,并对节点的行为进行量化分析,建立节点资源访问的概率模型,给出共享型P2P网络中的个体模拟动态方程。在随机博弈收益矩阵的基础上,通过调整相关参数引导P2P网络向动态平衡的状态演化。仿真实验结果验证了该模型的可行性和灵活性。     

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．     

博弈收益控制研究进展

在博弈论中,单个个体控制全部个体的收益通常被认为是不可能的.一个例外是20世纪末在重复囚徒困境中提出的均衡器策略:使用这种策略的个体可以将对手的收益设置为由收益函数所决定的某个区间内的任意值.十余年后发现的零行列式策略通过单方面设置个体收益的线性关系,将该结果一般化.在此基础上,关于博弈收益控制的研究取得了一系列成果.本文概述了博弈收益控制的研究现状;介绍了单次博弈和重复博弈中的收益控制技术;从收益控制的基本概念、能控制的收益关系、收益控制策略的形式和收益控制策略的演化特性等方面总结了博弈中收益控制的主要进展和成果;并讨论了博弈收益控制的未来发展趋势.     

复杂网络上演化博弈动力学研究综述

博弈论是研究个体之间相互作用的,演化博弈论能够很好地解释现实中的网络,因而博弈演化理论的研究越来越来得到关注。本文对常见的复杂网络博弈理论做了介绍,然后我们探讨了这一领域的研究趋势。     

局部信息约束下网络演化博弈的动力学与优化

网络演化博弈的优化问题是混合值逻辑网络的一个自然推广.本文研究了一类网络演化博弈的优化控制问题,其中每个控制个体在极大化自己的收益时只能获取到邻域信息.首先,利用矩阵的半张量积,将局部信息约束下控制网络演化博弈的动力学转化为相应的代数形式.然后得到了局部信息约束下确定型网络演化博弈的最优控制序列.最后,基于动态规划的解,研究了局部信息约束下概率型网络演化博弈的优化控制问题,得到了最优控制序列的简单计算公式.两个数值例子验证了本文的理论结果.     

局部信息约束下网络演化博弈的动力学与优化（英文）

网络演化博弈的优化问题是混合值逻辑网络的一个自然推广.本文研究了一类网络演化博弈的优化控制问题,其中每个控制个体在极大化自己的收益时只能获取到邻域信息.首先,利用矩阵的半张量积,将局部信息约束下控制网络演化博弈的动力学转化为相应的代数形式.然后得到了局部信息约束下确定型网络演化博弈的最优控制序列.最后,基于动态规划的解,研究了局部信息约束下概率型网络演化博弈的优化控制问题,得到了最优控制序列的简单计算公式.两个数值例子验证了本文的理论结果.     

基于利他激励的群体演化合作模型

为探究个体与系统状态的演化,构建了个体行为策略与网络结构的演化模型,探讨个体在利他激励机制下对合作演化的影响。在该模型中,个体首先通过对其他个体的帮助获得一定的额外互惠收益,并通过个体混合收益累计个体收益与帮助其他个体获得额外收益的加权,以此来激励个体合作。然后在博弈过程中,通过个体混合收益取代费米函数中的个体累计收益用于促进个体选择利他合作策略,从而促进整个群体的总收益与合作水平。蒙特卡罗仿真实验结果表明,个体在利他激励机制下更愿意帮助其他个体。在不同网络结构中,小世界网络最能扩散利他激励机制,其系统合作者密度最高。     

基于博弈理论的农田能量异构网络节点协同资源利用

针对无线传感器网络中耗能不均问题,以及可再生能源节点在农田无线传感器网络中应用的具体情况,将博弈理论引入无线传感器网络能耗问题研究中,建立了基于博弈理论的节点成簇方法,实现提高可再生能源利用率、均衡非可再生能源节点能耗的目标。方法首先建立簇收益与簇内节点收益评估模型,进行簇收益计算、簇内的两类能量异构节点个体收益的计算。在计算簇收益和节点收益的基础上进行节点成簇博弈,使得成簇方案向收益更高的策略空间进行跳转,最终达到博弈中的均衡状态。仿真实验表明,通过博弈进行无线传感器网络成簇,能够充分利用可再生能源节点能量,降低和均衡非可再生能源节点能耗,最终达到延长网络寿命的目标。     

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。     

基于多智能体建模的知识转移激励机制的演化博弈模型与仿真

虚拟企业盟员间的知识转移,能够增加盟员企业收益;盟主企业对盟员企业知识转移的激励行为,能够适当降低盟员企业知识转移的风险和成本,提高整个虚拟企业的知识收益。依据演化博弈理论及虚拟企业知识转移基本理论,采用复杂适应系统多智能(Multi-Agent)体的整体建模仿真方法,在NetLogo仿真平台上建立知识转移激励行为的演化博弈仿真模型,在不同的收益参数下对盟主企业的知识转移激励行为与盟员企业间知识转移进行演化博弈分析,得出盟主企业在针对盟员企业知识转移行为时应采取的策略。通过对虚拟企业知识转移激励机理的演化博弈分析,将有助于虚拟企业知识转移激励机制的建立。     

基于演化博弈论的p-坚持CSMA网络接入控制研究

考虑到存在无线信道差错,针对p-坚持CSMA网络的非合作系统行为,建立了p-坚持CSMA演化博弈模型,推导了唯一的演化稳定策略,以饱和吞吐量最大、平均能耗最小为目标求解了最优演化稳定策略。然后,进一步研究了收益时延、成功收益以及比特差错概率对最优演化稳定过程的影响。数值仿真结果表明,当比特差错概率一定、收益时延较小时,选择合适的成本和收益,使多路访问博弈在最优传输概率处演化稳定,可获得一个稳定且性能最优的p-坚持CSMA网络。     

Equilibrium Trajectories in Dynamical Bimatrix Games with Average Integral Payoff Functionals

This paper considers models of evolutionary non-zero-sum games on the infinite time interval. Methods of differential game theory are used for the analysis of game interactions between two groups of participants. We assume that participants in these groups are controlled by signals for the behavior change. The payoffs of coalitions are defined as average integral functionals on the infinite horizon. We pose the design problem of a dynamical Nash equilibrium for the evolutionary game under consideration. The ideas and approaches of non-zero-sum differential games are employed for the determination of the Nash equilibrium solutions. The results derived in this paper involve the dynamic constructions and methods of evolutionary games. Much attention is focused on the formation of the dynamical Nash equilibrium with players strategies that maximize the corresponding payoff functions and have the guaranteed properties according to the minimax approach. An application of the minimax approach for constructing optimal control strategies generates dynamical Nash equilibrium trajectories yielding better results in comparison to static solutions and evolutionary models with the replicator dynamics. Finally, we make a comparison of the dynamical Nash equilibrium trajectories for evolutionary games with the average integral payoff functionals and the trajectories for evolutionary games with the global terminal payoff functionals on the infinite horizon.     

基于演化博弈的P2P网络资源共享机制的研究

根据P2P网络的自组织、动态性、可扩展性等特点,针对当前P2P网络资源共享的微观、静态等研究方法的局限性,运用演化博弈理论方法,建立了一个P2P网络节点资源共享机制的演化博弈模型,分析了网络节点资源共享的动态演变过程。研究结果表明,该系统的演化方向与双方博弈的支付矩阵相关,同时与系统初始状态相关。并得出,共享产生的超额利润、共享的初始成本、节点服务能力的差异及其贴现因子是影响网络资源共享演变的关键因素。     

P2P网络中一种基于进化博弈的资源配置模型

合理的资源配置能够有效地改进非结构化P2P网络的查询性能,提高资源副本的可获得性.当前,资源配置研究多集中在各种类型资源副本的定量分析和分布式配置策略上,节点独立地选择资源副本进行配置,并未考虑节点间配置行为的交互作用.P2P网络中节点只维护若干与邻居节点的连接,掌握局部信息,因而在交互过程中可将节点视为有限理性节点.在分析查询性能与节点资源配置行为之间关系的基础上,构造查询性能相关的节点收益函数,将资源配置问题模型化为一种进化博弈,通过对进化过程的描述能够有效分析节点在资源配置过程中的交互关系以及可获得的查询性能.仿真实验结果表明,资源配置进化模型可获得更高的查询成功率和近似最优的平均查询跳数,且保持相对较低的冗余度.     

基于演化博弈论的功率控制和垂直切换研究

基于演化博弈论分别构建了无线资源管理中功率控制和垂直切换的形式化模型,设计了一种基于定价机制的功率控制收益函数,根据3GPP对无线通信业务的分类,将切换判决过程划分为4个不同层次,降低了切换决策的复杂性,定义了目标网络的代价函数,将网络参数划分为成本型参数和收益型参数两类,并对其进行归一化处理,实现了异构网络参数比较的公平性.证明了功率控制博弈和垂直切换博弈中存在唯一的演化稳定策略,给出了基于演化博弈论的功率控制算法和垂直切换方案.仿真结果表明,给出的功率控制算法减少了网络中隐终端的数目,提高了网络容量;垂直切换方案既可以减少切换发生的频率,增加网络选择的准确性,又使运营商与用户之间的利益得到平衡.     

认知无线网络中基于进化博弈的动态频谱接入*

研究了认知无线网络环境中基于价格动态性的动态频谱接入,即不同的授权网络服务商以不同的价格将空闲频谱出售给认知网络,且认知用户可以根据自己获得的报酬动态地接入不同的网络。为最大化认知网络的效用,提出了基于进化博弈的动态频谱接入方案。仿真结果表明,当认知用户群体到达进化均衡时,接入每个主网络的认知用户数量的比例达到稳定状态,最大化了认知用户和网络的效用。     

Complexity and stochastic evolution of dyadic networks

A strategic model of network formation is developed which permits unreliable links and organizational costs. Finding a connected Nash network which guarantees a given payoff to each player proves to be an NP-hard problem. For the associated evolutionary game with asynchronous updating and logit updating rules, the stochastically stable networks are characterized.     

三方多策略式博弈系统的长期演化稳定均衡特性研究

演化博弈论(EGT)基于有限理性假设且更加贴近现实,近年来已在众多领域得到了初步应用.基于此,本文关注一类较为常见的三方多策略式演化博弈系统,尝试通过理论分析总结其长期演化稳定均衡(ESE)特性,并进行仿真验证研究.首先,研究了一般情形下的三方两策略对称与非对称演化博弈系统;然后,将其扩展到更复杂的三方三策略非对称演化博弈类型,并对其长期ESE特性进行了理论分析与动态仿真验证;进一步,对通用三方n-策略(n 1)非对称演化博弈的建模思路进行了阐述与总结,给出其收敛迭代的计算方法.研究过程中详细定义了各类演化博弈模型的相对净支付(RNP)参数.实验结果表明可通过一些外部因素适当调整RNP参数使各类系统朝着期望的长期ESE状态自发收敛.最后,进行了实例验证.本文研究模型、方法和所得结论具有一定普适性,旨在丰富EGT研究,尤其是三方多策略演化博弈问题研究,并为相关领域非完全理性人参与的行为决策问题研究提供一些思路和理论参考.     

复杂网络上重复囚徒困境博弈的研究*

为了研究博弈理论在复杂网络上的影响,对Zachary网络应用重复囚徒困境博弈的思想提出了两种网络演化算法,即随机算法和伪度优先算法,并对重复博弈后的复杂网络特性进行了分析,其中包括度分布特性和聚集系数。最后采用Newman算法,对经过伪度优先算法后的网络进行社团结构分析,发现伪度优先算法可以明显改善网络的社团结构。结果表明经过两种算法后的网络,度分布依然服从幂律分布,聚集系数均有所增加,而且伪度优先算法增加幅度很大。