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.     

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.     

基于演化博弈的无线传感器网络节能分簇路由算法

考虑到无线传感器网络中节点在冲突环境下决策时具有有限理性,近年来学者引入博弈论解决传感网分簇路由中自私节点的簇头选举问题。以往经典博弈分簇路由算法要求知道所有参与者行动的完全信息,并假设节点完全理性,这对于资源有限的传感器节点不切实际。本文提出了一种基于演化博弈论的无线传感器网络节能分簇路由算法(EECEG),通过演化博弈复制动态方程证明存在演化稳定策略(ESS)。算法将所有节点模拟为自私的博弈参与者,参与者可决策宣称自己成为簇头候选者(D)或不成为候选者(ND)。所有参与者根据自身剩余能量、邻居节点个数等因素自私决策,通过观察和模仿对手进行演化,直到收益均衡。实验结果表明,EECEG协议可有效延长网络生命周期,均衡节点间能耗,同时使数据传输更高效。     

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。     

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。     

无线网络中基于演化博弈论的功率控制研究

针对功率控制中存在的吞吐量受限问题,建立基于演化博弈论的功率控制吞吐量模型PCTBEGT。证明PCTBEGT模型中存在唯一的演化稳定策略并给出PCTBEGT博弈模型中网络吞吐量的定义。最后使用MATLAB工具对网络吞吐量和演化稳定策略进行实验仿真,结果表明,在使用演化博弈论的功率控制中,网络吞吐量和资源的利用率得到了进一步提高和优化。     

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。     

基于进化博弈的P2P网络中信任计算的动力学分析*

运用动力学原理,基于进化博弈理论,对信任计算的动力学方程进行了求解分析,并运用复制动态原理分析了节点之间信任关系的演化趋势,进一步揭示了信任计算的演化动力学规律。仿真实验表明,进化是网络节点信任合作的动力源泉。     

基于演化博弈的WSNs攻防策略选择动力学分析

针对无线传感器网络(WSNs)容易被恶意攻击的问题,引入奖励因子与惩罚因子,提出一种WSNs防御系统与恶意节点的博弈模型。通过对模型的量化分析,计算出博弈双方的收益函数,根据复制动态原理,进行演化动力学分析。给出博弈双方的演化稳定策略,揭示攻防双方策略选择的规律,为WSNs防御机制设计提供理论参考。数值实验验证了演化稳定策略命题的正确性和奖励因子、惩罚因子的有效性。     

复杂网络上的群体决策

现状和最新进展.首先介绍了观点动力学研究中的几种基本模型,即Ising模型、投票者模型、多数决定模型和有界自信模型等.其次以这些模型为基础,讨论了小世界、无标度等复杂网络上观点动力学的研究结果,然后指出了观点动力学与语言游戏、一致性和耦合振子同步问题的联系,接着给出了笔者在观点动力学方面所做的一些相关工作,最后指出了复杂网络上群体决策的未来发展方向和一些可能的应用前景.     

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.     

Replicator Dynamics of Evolutionary Hypergames

In evolutionary game theory, the distribution of strategies in the population is changed according to payoffs which individuals earn depending on their selected strategies. However, to the best of our knowledge, individuals' perceptions in evolutionary games have been disregarded. Individuals that select a strategy by trial and error may perceive the same conflict situation from different viewpoints. Hence, the influence of individuals' perceptions has to be taken into consideration. In this correspondence, interpretation functions in hypergames are introduced into evolutionary games. Using them, we formulate replicator dynamics considering individuals' perceptions. In a special case that there exist two populations, we show that its interior equilibrium point is stable if the corresponding point is a hyper-Nash-Pareto pair     

N人合作博弈的Nash及演化均衡稳定策略分析

在有限理性的基础上,对N人合作博弈的对称Nash均衡进行了分析,并引入演化博弈理论分析了参与人的演化均衡稳定策略,得到了不同策略选择下的均衡点。进而应用生物复制动态理论对离散时间及连续时间下的复制动态稳定集进行了研究。最后通过实例说明了该方法在博弈均衡选择上的有效性。     

复杂动态网络演化社团结构探测分析的研究进展

针对复杂动态网络中演化社团结构的探测,综述了该新领域的研究进展。首先对演化社团结构探测进行了问题描述,总结了四种研究思路。重点介绍了其中一些有代表性的分析方法及其特点,以及衡量探测方法好坏的基准图。最后指出该领域值得进一步探索的研究方向。     

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.     

A Class of Evolutionary Models for Participation Games with Negative Feedback

We introduce a framework to analyze the interaction of boundedly rational heterogeneous agents repeatedly playing a participation game with negative feedback. We assume that agents use different behavioral rules prescribing how to play the game conditionally on the outcome of previous rounds. We update the fraction of the population using each rule by means of a general class of evolutionary dynamics based on imitation, which contains both replicator and logit dynamics. Our model is analyzed by a combination of formal analysis and numerical simulations and is able to replicate results from the experimental and computational literature on these types of games. In particular, irrespective of the specific evolutionary dynamics and of the exact behavioral rules used, the dynamics of the aggregate participation rate is consistent with the symmetric mixed strategy Nash equilibrium, whereas individual behavior clearly departs from it. Moreover, as the number of players or speed of adjustment increase the evolutionary dynamics typically becomes unstable and leads to endogenous fluctuations around the steady state. These fluctuations are robust with respect to behavioral rules that try to exploit them.     

Algebraic formulation and strategy optimization for a class of evolutionary networked games via semi-tensor product method

Using the semi-tensor product method, this paper investigates the algebraic formulation and strategy optimization for a class of evolutionary networked games with “myopic best response adjustment” rule, and presents a number of new results. First, the dynamics of the evolutionary networked game is converted to an algebraic form via the semi-tensor product, and an algorithm is established to construct the algebraic formulation for the game. Second, based on the algebraic form, the dynamical behavior of evolutionary networked games is discussed, and some interesting results are presented. Finally, the strategy optimization problem is considered by adding a pseudo-player to the game, and a free-type control sequence is designed to maximize the average payoff of the pseudo-player. The study of an illustrative example shows that the new results obtained in this paper work very well.     

异构无线网络用户网络关联优化:一种基于群体博弈的方法

针对异构无线网络(Heterogeneous Wireless Networks,HWNs)负载平衡问题,提出了一种基于群体博弈的用户网络关联方案.首先将HWNs系统用户网络关联问题抽象成一个群体博弈模型,根据用户在网络中得到的收益函数,证明该群体博弈满足势博弈的条件.利用复制动态作为演化动态工具,证明演化的结果最终会收敛到纳什均衡,这个特性确保了每个用户关联到一个效用最优的网络.然后证明纳什均衡点能最大化整个HWNs系统的吞吐量,保证了纳什均衡的有效性.最后,基于复制动态原理提出了用户网络关联算法.仿真实验模拟了用户网络选择过程,得到了均衡点,验证了理论分析的结果.