基于囚徒困境策略的改进HK网络上的合作博弈

为模拟现实世界的合作行为,本文在HK网络模型基础上提出了一种具有高聚类幂律可调性质的新的网络模型,并分析了囚徒困境博弈在此网络上的演化。通过仿真实验,研究了该网络的高聚类特性对合作行为的影响。大量实验表明,网络的高聚类特性可以极大促进合作现象的涌现。同时研究也发现,随着诱惑参数的变大,合作水平也会随之下降,但幅度不大。总之,该演化博弈模型可以促进合作现象的涌现并抵御背叛策略的传播。     

激励机制下合作行为的演化动力学

探索复杂系统中控制自私个体合作演化的激励机制,是国际系统与控制等诸多领域关注的重要科学问题.研究者曾探讨了引入惩罚机制对系统中个体合作的促进作用.但实际中,惩罚者可能会受到奖励的正激励,以及被惩罚个体报复的负激励影响.本文基于演化博弈论分别研究分散式和集中式惩罚机制下的合作演化,重点关注对惩罚行为施加不同的激励作用对系统演化的影响.研究发现,当系统中存在对惩罚行为的负激励时,分散式惩罚机制对合作行为的促进作用被完全抑制;然而集中式惩罚机制却依然可以促进合作行为的涌现.另一方面,对惩罚行为的正激励可以有效地抵制负激励的负面影响,从而使合作涌现.特别地,在采用集中式激励的大规模种群中,合作行为和惩罚行为能够在自然选择意义下占优.激励机制的研究对于复杂系统优化调度与配置、群体机器人协同控制等实际问题具有重要的理论意义和应用价值.     

基于激励机制的网络攻防演化博弈模型研究

随着网络信息系统的日益复杂化,网络的安全性和用户隐私性引起了人们的高度重视,寻找能够维护网络安全、分析和预判网络攻防形式的新技术尤为重要.由于演化博弈理论的特性与网络攻防的特性较为契合,因此,本文对网络环境进行了分析,构建网络攻防场景,并在惩罚机制的基础上引入激励机制,提出了基于激励机制的攻防演化博弈模型.通过给出群体不同的问题情境,利用复制动态方程对局中人的策略选取进行演化分析.另外,在第三方监管部门对局中人管理的基础上,分析不同攻击时长时攻击群体的演化规律,证明攻击具有时效性.通过激励机制对防御群体策略选取的影响以及引入防御投资回报,来进一步证明增加激励机制的可行性.根据实验验证表明,本文提出的攻防演化博弈模型在不同的问题情境下均可达到稳定状态并获得最优防御策略,从而有效减少防御方的损失,遏制攻击方的攻击行为.     

囚徒困境中贴标签控制的促合作设计

研究囚徒困境中促进合作演化的控制设计及控制下的合作演化路径问题.基于标签捐赠机制,设计对个体贴标签的规则,增加个体的认知能力,协助个体决策.建立反馈控制下的合作演化动态模型,分析贴标签控制促进合作演化的实现途径,论证容许控制上界与控制效果之间的一致性.通过基于合作识别和基于背叛识别两种控制的比较,得到两个结论.一是合作率较低时,基于背叛识别的控制更容易促进合作率提升,反之,基于合作识别的控制则更容易实现.二是这两种识别方式需要相同的博弈重复次数.仿真分析各参数和控制上界对控制律设计和合作演化轨迹的影响.     

基于演化博弈的领先用户知识共享行为激励机制

针对用户创新社区中未考虑企业激励机制对领先用户知识共享行为影响的问题,提出一种基于演化博弈的领先用户知识共享行为激励机制。首先,将企业和领先用户作为博弈主体,分别构建企业未采取激励措施和企业采取激励措施条件下的演化博弈模型;其次,分别对两个模型进行局部稳定性分析,以探讨系统的动态演化过程与演化稳定策略;最后,通过计算机模拟仿真,对比两种条件下领先用户知识共享行为的演化结果,分析领先用户知识共享行为的影响因素及最佳激励策略。实验结果表明,企业采取激励措施可以有效促进领先用户的知识共享行为,并且将激励分配系数控制在一定范围内时系统将达到最佳的稳定状态;最佳激励分配系数大小由知识共享成本、知识搜索成本及额外成本共同决定;知识共享成本、知识搜索成本以及激励分配系数会显著影响领先用户知识共享行为的水平。     

基于演化博弈论的WSNs 信任决策模型与动力学分析

针对无线传感器网络（WSNs）节点间信任关系建立时的信任决策和动态演化问题,引入与节点信任度绑定的激励机制,建立WSNs节点信任博弈模型以反映信任建立过程中表现出的有限理性和每次博弈过程的收益.基于演化博弈论研究节点信任策略选择的演化过程,给出WSNs节点信任演化的复制动态方程,提出并证明在不同参数条件下达到演化稳定策略的定理,为WSNs信任机制设计提供了理论基础.实验表明了定理结论和激励机制的效果.     

风险感知下开发商绿色开发决策演化博弈

根据绿色住宅分级制度,设定开发商之间的博弈支付矩阵,用演化博弈的分析方法对风险感知下的有限理性开发商群体的策略演化过程进行分析,研究有限理性个体的学习机制,分析个体间学习行为的影响因素,建立种群间动态复制方程;利用动力学仿真的方法对多种群群体演化博弈过程进行模拟与分析。实验结果表明,激励强度越大,群体演化的速度越快,同时绿色住宅激励机制设计应当与绿色住宅分级制度相结合,实施有差别的激励政策,才能更好地实现激励目标。     

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。     

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。     

基于节点策略学习行为的社交网络合作促进机制

已有节点合作激励机制通常使用节点历史交易信息,信息的存储和处理会带来较大开销,且可能存在恶意节点反馈的虚假信息。针对上述问题,提出一种基于节点自身属性调整的合作激励机制。节点依据自己在策略学习过程中是失败者还是成功者来对自己发起的交易数量进行调整。实验结果表明,网络中合作节点比例较不使用机制时有显著提高,且当存在节点策略选择扰动时,合作节点比例在网络演化均衡态保持了较好的稳定性。     

基于自适应零行列式策略的区块链矿池合作演化方法

矿工加入矿池是目前比特币挖矿最常见的方式。然而，比特币系统中存在矿池互相渗透攻击的现象，这将导致被攻击矿池的矿工收益减少，发起攻击的矿池算力降低，从而造成比特币系统的整体算力减小。针对矿池之间互相攻击，不合作挖矿的问题，提出自适应零行列式策略（AZD），采取"比较预期合作收益与背叛收益，选择促进高收益的策略"的思想促进矿池合作。首先，通过结合时序差分增强算法与零行列式策略的方法预测下一轮合作收益与背叛收益；其次，通过决策过程（DMP）选择策略进一步改变下一轮的合作概率和背叛概率；最后，通过迭代执行自适应零行列式策略，达到网络中矿池均互相合作、积极挖矿的目的。实验模拟表明，AZD策略与自适应策略相比，合作概率收敛为1的速度提高了36.54%；与零行列式策略相比，稳定度提高了50%。这个结果表明AZD策略能够有效促进矿工合作，提高合作收敛速率，保证矿池的稳定收益。     

A simulation framework for measuring robustness of incentive mechanisms and its implementation in reputation systems

In game theoretical analysis of incentive mechanisms, all players are assumed to be rational. Since it is likely that mechanism participants in the real world may not be fully rational, such mechanisms may not work as effectively as in the idealized settings for which they were designed. Therefore, it is important to evaluate the robustness of incentive mechanisms against various types of agents with bounded rational behaviors. Such evaluations would provide us with the information needed to choose mechanisms with desired properties in real environments. In this article, we first propose a general robustness measure, inspired by research in evolutionary game theory, as the maximal percentage of invaders taking non-equilibrium strategies such that the agents sustain the desired equilibrium strategy. We then propose a simulation framework based on evolutionary dynamics to empirically evaluate the equilibrium robustness. The proposed simulation framework is validated by comparing the simulated results with the analytical predictions based on a modified simplex analysis approach. Finally, we implement the proposed simulation framework for evaluating the robustness of incentive mechanisms in reputation systems for electronic marketplaces. The results from the implementation show that the evaluated mechanisms have high robustness against a certain non-equilibrium strategy, but is vulnerable to another strategy, indicating the need for designing more robust incentive mechanisms for reputation management in e-marketplaces.     

普适计算环境中防护策略的信任决策机制研究

普适计算信任模型中,存在自私用户为最大化自身利益而故意策略性谎报推荐信息的问题.文中提出了一种基于VCG(Vickrey-Clarke-Groves)机制的防护策略信任机制,用以获得用户的真实推荐.该机制实现了交互结果观测前的快速支付.一种基于连续多数加权算法的加权VCG防护策略机制被用于调整推荐权重.该文还给出了一般形式的信任决策机制并研究其激励相容特性以便可以构造更多的信任机制,这些信任机制结合已有的信任模型可以实现真实推荐.模拟结果显示,提出的信任机制有效,能保证自私用户提供诚实推荐.     

Encouraging user participation in a course recommender system: An impact on user behavior

User participation emerged as a critical issue for collaborative and social recommender systems as well as for a range of other systems based on the power of user community. A range of mechanisms to encourage user participation in social systems has been proposed over the last few years; however, the impact of these mechanisms on users behavior in recommender systems has not been studied sufficiently. This paper investigates the impact of encouraging user participation in the context of CourseAgent, a community-based course recommender system. The recommendation power of CourseAgent is based on course ratings provided by a community of students. To increase the number of course ratings, CourseAgent applies an incentive mechanism which turns user feedback into a self-beneficial activity. In this paper, we describe the design and implementation of our course recommendation system and its incentive mechanism. We also report a dual impact of this mechanism on user behavior discovered in two user studies.     

Enhancing tit-for-tat for incentive in BitTorrent networks

BitTorrent achives great success in its high performance for file distribution. It is commonly believed that this owes to Tit-for-Tat strategy adopted in choking algorithm for incentive in BitTorrent protocol. But there are still many issues in incentive mechanism in BitTorrent. In this paper, we study Tit-for-Tat strategy by constructing a game model in P2P environments and deducing the constraint under which the strict Tit-for-Tat is an equilibrium strategy. We then enhance and adapt the Tit-for-Tat strategy to the dynamic property in P2P networks, and deduce the constraint under which it is still an equilibrium strategy. We also study through simulations the performance improvement of the enhanced Tit-for-Tat, and give suggestion on how to choose proper system parameters under different network conditions. Finally, based on the enhanced Tit-for-Tat strategy, we propose a method to improve incentive in BitTorrent networks to cope with free-riding and fairness issues.     

Encouraging contributions in learning networks using incentive mechanisms

Abstract We investigate incentive mechanisms to increase active participation in Learning Networks (LNs). The LN under study is LN4LD, an LN for the exchange of information about the IMS Learning Design specification. We examine how to encourage learners in LN4LD to contribute their knowledge, and whether incentive mechanisms can increase the level of active participation. We describe an incentive mechanism based on constructivist principles and Social Exchange Theory, and experimentation using the mechanism designed to increase the level of active participation. The incentive mechanism allows individual learners to gain personal access to additional information through the accumulation of points earned by making contributions. Repeated measurements according to a simple interrupted time series with removal design show that the level of participation was indeed increased by the introduction of the reward system. It can therefore be considered worthwhile to use incentive mechanisms in LNs.     

基于虚拟积分激励的内容部署方法

移动自组织网络是个多跳无线网络,依靠节点间的合作和转发增强网络的性能,若将内容部署在网络中适合的位置可以极大地减少节点获取数据的成本,提高网络的性能. 由于节点是理性的,在没有利益驱动的情况下,节点难以与其他节点合作进行内容部署. 本文将虚拟积分激励的方法用于此类内容部署问题中,激励节点相互合作进行内容部署工作,从而提高网络性能和降低网络成本. 实验结果表明,本文的激励方法可以有效地减少内容部署成本.     

一种缩短下载时间优先的自适应BitTorrent激励协议

BitTorrent激励机制的目标是保证节点上传和下载之间的公平性,但相比公平性而言,实际应用中的节点更优先考虑的是文件下载时间,据此文中提出了一种缩短文件下载时间优先的自适应BitTorrent激励协议AIPS.文中首先基于Markov模型对BitTorrent现有激励机制的效果给出了定量分析,分析了激励机制下的文件传输结构,并用概率分析方法给出了该传输结构下最小化文件下载时间的条件.应用分析结果文中定义了一个以缩短文件下载时间为效用的博弈,在该博弈达到Nash平衡时各节点采用的策略就是激励协议AIPS.模拟实验表明文中提出的AIPS较现有的BitTorrent激励协议能明显提高文件共享系统性能,提高文件下载效率.     

A new marketing strategy map for direct marketing

Direct marketing is one of the most effective marketing methods with an aim to maximize the customer’s lifetime value. Many cost-sensitive learning methods which identify valuable customers to maximize expected profit have been proposed. However, current cost-sensitive methods for profit maximization do not identify how to control the defection probability while maximizing total profits over the customer’s lifetime. Unfortunately, optimal marketing actions to maximize profits often perform poorly in minimizing the defection probability due to a conflict between these two objectives. In this paper, we propose the sequential decision making method for profit maximization under the given defection probability in direct marketing. We adopt a Reinforcement Learning algorithm to determine the sequential optimal marketing actions. With this finding, we design a marketing strategy map which helps a marketing manager identify sequential optimal campaigns and the shortest paths toward desirable states. Ultimately, this strategy leads to the ideal design for more effective campaigns.