基于模糊博弈的英式拍卖动态模型

为了给竞价人或其代理的竞价提供决策支持,提出了模糊博弈的英式拍卖动态模型.以模糊参数出价意愿取代估价作为分析的基础,采用Bellman和Zadeh的模糊决策理论替代博弈论中的Nash平衡理论,分析英式拍卖中的竞价行为,建立英式拍卖静态博弈均衡模型,进而提出动态博弈模型和分析动态拍卖策略.通过仿真实验证明算法的有效性.     

有限理性下的企业合作竞争的进化博弈分析

在有限理性的条件下,应用进化博弈论中的模仿者动态模型来分析企业合作竞争博弈的演化,用进化稳定策略来描述合作竞争博弈的长期演化趋势。并分别讨论了对称和非对称的合作竞争博弈的进化均衡与稳定性。最后,指出确定性模仿者动态模型的不足,以及当今随机动态系统理论的发展。     

基于Stackelberg安全博弈的动态防御策略选取方法

网络攻防对抗的本质是攻防双方非对等主体之间的博弈过程。针对现有网络防御策略研究中攻防博弈双方主体地位对等的先验假设缺陷,将博弈论非对等局中人思想引入网络防御策略生成模型构建过程,提出一种基于Stackelberg安全博弈的动态防御策略生成方法,通过建立网络模型,利用Stackelberg安全博弈强均衡策略算法生成网络的最优防御策略,既充分考虑攻防行为中双方关系彼此影响,又能确保防御策略生成的准确性。实验结果表明所提模型和方法的可行性和有效性。所提模型和方法能够加强系统的安全性。     

竞争与合作——复杂网络结构化形成的内因

采用博弈理论来探究复杂网络进化过程中结构化形成的内在原因.如今用于研究复杂网络的基本方法有3类:随机图模型(ER模型)、小世界模型、无尺度模型.但这3类方法都没有从根本上解释复杂网络结构化形成的原因,毕竟在现实世界中网络的演化过程并不是一个纯粹的优化过程.考虑到博弈论强调博弈者通过按照既定规则选择不同策略形成各自的博弈结果,认为它是一种用来解释不确定性演化过程的理想工具,而图论又可以很好地表示复杂系统以及系统内部的相互关系和相关属性,故将博弈论和图论结合到一起,对复杂网络进化过程中结构化形成的内在原因进行探讨,得出"参与者之间的竞争和合作是促成复杂网络结构化形成的内因"这个结论.     

基于博弈论的网络社区舆情传播模型

针对网络社区动态、交互的舆情传播问题, 提出了基于博弈论的舆情传播模型(POBGT)。利用在动态概率条件下的博弈策略构成博弈树和收益矩阵, 从网络社区内部与外部分别对动态舆情传播进行分析; 构建的模型能够从动态和交互两方面描述传播过程, 最终能够形成稳定的状态。仿真结果表明, 网络社区中舆情传播在一般情况下具有初期传播平稳, 后期倾向某一方形成具有一定影响的舆论。     

面向容侵系统可生存性量化的随机博弈模型研究

提出面向生存性研究的容侵系统状态转换模型,提高对容侵过程的描述能力,将入侵者和入侵容忍系统作为随机博弈的局中人,建立了描述入侵过程的随机博弈模型,使用纳什均衡计算了博弈结果,使用基于连续马尔可夫过程的方法对容侵系统可生存性进行了量化评估.最后,利用博弈分析的结果和所建立的评估模型进行了容侵系统的生存性分析,指出了容侵系统生存性敏感的参数.     

系统直和博弈模型下的合作演化

演化博弈论是生物进化论与博弈论结合产生的理论,已成为研究合作演化行为的有力工具.本文研究了基于系统直和博弈模型下的合作演化行为.首先,利用复制者方程分析了双人双策略及三策略对称博弈的演化动力学过程.然后,以石头剪刀布模型和雪堆模型为基础,采用矩阵直和构建系统直和博弈模型,并将所构造的直和矩阵转化为含参数的系统总支付矩阵.随后,说明了这种方法可推广到n个博弈的情形.最后,利用MATLAB对系统直和博弈模型进行仿真模拟,从系统整体的角度分析合作演化.仿真结果表明,混合之后的系统直和博弈较单一博弈而言,合作策略的占比明显增加,且整个系统稳定性更好.这种合作演化机制呈现了全局互惠.     

VANET中基于博弈论的信任模型

为了提高车载自组织网络中通信的安全性,VANET迫切需要有效的信任管理;针对该问题提出一种基于博弈论的信任模型,该模型引入了时间衰减函数来提高信任评价的准确性和动态适应能力,并在推荐信任计算中引入节点交易密度函数来计算推荐节点的推荐可信度;为了有效激励节点积极提供高质量的服务,惩罚不良行为节点,还引入博弈论,对节点的信任值进行博弈分析,并根据分析结果决定是否转发消息;通过仿真实验证明,该信任模型在抵御恶意节点方面有很好的效果,并且能够识别自私节点并能在信任节点之间建立信任,而且有效地隔离了自私节点。     

棋牌游戏与事件对策

博弈的原意便是下棋,博弈论的概念也源于棋类游戏．而博弈论的现有成果还难以描述和处理棋牌游戏这一类复杂的动态过程．为此．在分析棋牌游戏特点的基础上．指出它们属于离散事件的动态过程;在阐述离散事件动态系统（DEDS）特点与方法的基础上,应用DEDS的有关理论为象棋博弈过程建模,并提出了事件对策的概念与形式框架．探讨了事件对策理论在战争模拟中的应用,为迅速发展的机器博弈研究创造了良好的理论条件．     

认知无线电中基于博弈论的频谱分配算法*

利用博弈论分析了认知无线电网络中动态频谱分配问题,构建了基于博弈论的认知无线电频谱分配问题模型,提出了基于潜在博弈论的分布式频谱分配算法,并得到了相应博弈过程的纳什均衡。仿真结果表明,该算法能在较短时间内收敛到稳定状态,潜在函数取值达到最大值、系统总干扰水平降到最小、用户的SIR水平得到明显改善,达到了潜在博弈下信道分配的纳什均衡,实现了提高频谱利用率的目的。     

对博弈解概念认知和理性条件的逻辑分析

在博弈求解中参与者被假定为理性的,即总是追求其最大期望效用。但这一理性假设在博弈论中没有一个很清晰的形式定义,通常是把主体间对理性的相互认识假设为公共知识(common knowledge),然而这样的做法具体到某个博弈,尤其是有限博弈,就会显得粗糙,所涉及的嵌套问题也为系统复杂度的计算造成困难。其实,在一个具体的有限博弈G中,只需要有限次的嵌套。基于此形式化地分析了某些算法所要求的具体的认知和理性条件,提出了一种满足强理性条件的博弈求解可行算法。另外,通过在公开宣告逻辑中不断地宣告各种强度的理性概念,同样可以得到相应博弈算法求解的结果。     

个性化推荐系统综述

信息超载是目前网络用户面临的一个严重问题,个性化推荐系统是解决该问题的一个有力工具,并受到了众多的关注和研究。给出推荐系统的定义,同时阐述了推荐系统的几项关键技术,包括用户建模、推荐对象的建模和推荐算法。后来总结了推荐系统的体系结构和性能评价指标,并尝试给出了推荐系统未来研究的重点、难点和热点问题。     

基于互信息博弈的侧信道攻击安全风险评估

侧信道攻击的攻防过程可以视为互信息博弈过程,博弈的双方分别为密码设备设计者(防御方)和攻击者。 防御方的博弈目标是通过制定相关的防御策略,减少由侧信道泄漏所引发的局部风险和全局风险;对攻击方而言,其 博弈目标正好与之相反。从制定安全策略、降低安全风险的角度出发,将互信息博弈理论引入密码芯片设计者(防御 方)和攻击者的决策过程,考察攻防策略的选择对安全风险的影响,并结合互信息的量化方法,给出了 Nash均衡条件 下攻防双方的优化策略选择方法及Nash均衡下攻防双方的互信息收益。     

基于结构的多级逻辑优化

本文提出一个基于结构的多级逻辑优化算法ＭＬＯＢＬＳ，多级组合逻辑网络的优化通过分析名逻辑门的可替代函数，并用简单的替代函数作替代变换完成。算法ＭＬＯＢＬＳ具有良好的逻辑结构重构能力，能得到近似最优的多级逻辑结构。整个优化过程在多级逻辑结构上直接进行，其时／空复杂性较少依赖于多级逻辑结构的基本输入／输出数目。／     

A novel deep recommend model based on rating matrix and item attributes

Journal of Intelligent Information Systems - Traditional recommendation systems only consider the content of users to predict the rating of items in the recommendation process, and ignore the...     

Bayes–Nash Equilibrium: Infinite-Depth Point Information Structures

The notion of Bayes–Nash equilibrium in a game with point hierarchy of mutual beliefs of players about an uncertain parameter was introduced. Finiteness of the depth of the game information structure was shown to play the key role: conditions were presented under which any action in the two-person game is equilibrium if the depth is infinite.     

基于互信息博弈的侧信道攻击风险评估模型

将互信息博弈理论引入密码芯片设计者(防御方)和攻击者的决策过程,建立一种互信息博弈的风险量化评估模型。考察攻防策略的选择对安全风险的影响,并结合互信息的量化方法,给出Nash均衡条件下攻防双方的优化策略选择方法及互信息收益。通过案例分析,验证了该策略的有效性。     

一个选择最大似然互信息特征的网络关系预测通用模型

信息网络结构特征作为影响关系生成与演化的主要因素在信息网络关系分类与推断领域占据重要地位。现有的关系分类与推断算法在处理网络结构特征的过程中,无法达到令人满意的效果。为此,结合互信息的定义,提出一种基于互信息特征选择的关系分类与推断算法。通过定义CN、AA、Katz等相似度指标充分抽取局部和全局(半全局)两类网络结构特征,利用基于密度比函数的最大似然估计来计算特征之间的近似互信息。该密度函数有效地解决了特征选择中全局最优解的过程,同时筛选出更具判别性的特征。通过多个真实信息网络数据集上的实验结果表明,无论是经典分类算法还是新近提出的基于学习理论的关系分类算法,经过互信息特征选择步骤的算法在Accuracy、AUC、Precision等评价指标上均比基准算法要优。     

开放网络环境中推荐信任关系研究

探讨了信任的定义和基本属性,研究了推荐信任的传递与合成方法,详细描述了推荐信任网的形成过程并给出了算法,并在此基础上提出了一种推荐信任模型。这对于防止恶意推荐和构筑分布式系统信任机制具有重要意义。     

基于行为序列分析的学习资源推荐算法研究

利用数据挖掘技术分析网络学习行为数据可以挖掘出其隐含的行为规律特征,为学习者提供个性化的学习资源服务。针对现有的数据挖掘算法在对网络学习行为数据进行分析时普遍存在模型适用性不高的问题,提出了一种基于行为序列分析的学习资源推荐算法。首先,提出行为序列及其相关概念的定义,并提出行为序列相似度计算方法;然后提出基于行为序列相似度的协同过滤推荐算法,计算学习者相似度并为待推荐学习者生成学习资源推荐列表;接着给出基于学习风格的推荐方法,将学习者学习风格特征融入推荐过程;最后,给出基于行为序列分析的学习资源推荐算法的模型。提出的算法没有对行为序列的模式进行限制,具有较高的适用性,对深入研究网络学习行为序列数据为学习者提供个性化学习服务具有一定的借鉴作用。