“互联网+”引领创新2.0时代创新驱动发展“新常态”

所谓"互联网+",实际上是创新2.0下的互联网发展新形态、新业态,是知识社会创新2.0推动下的互联网形态演进。新一代信息技术发展催生了创新2.0,而创新2.0又反过来作用与新一代信息技术形态的形成与发展,重塑了物联网、云计算、社会计算、大数据等新一代信息技术的新形态,并进一步推动知识社会以用户创新、开放创新、大众创新、协同创新为特点的创新2.0,改变了我们的生产、工作、生活方式,也引领了创新驱动发展的"新常态"。     

非合作条件下基于责任延伸制的电子废弃物回收主体利益博弈研究

针对由两个制造商、两个回收商、当地政府和消费者构成的物流系统,研究了非合作条件下电子废弃物回收主体的利益博弈.在责任延伸制前提下,以回收商为斯坦伯格主导者,分别构建了非合作条件下的垄断回收模型和竞争回收模型,并采用逆推法求解了模型的纳什均衡条件.最后进行灵敏度分析,探讨了产品替代率和回收率对两种模式下产品销售价格和回收费用的影响.结果表明,对于回收商,垄断回收模式下的平均回收费用总比竞争回收模式高,且回收商需根据临界值选择回收模式;对于制造商,垄断回收模式下设定的价格总比竞争回收模式高,且制造商总是偏好竞争回收模式.研究结果可为决策者对回收模式的选择提供理论依据.     

基于博弈论的无线传感器网络保密容量优化研究

由于无线传感器网络传输数据时的广播性,很容易受到窃听。从信息论的角度,保证节点信道的保密容量,即可实现数据的安全传输。而在无线传感器网络中,节点与节点之间会产生相互干扰,从而影响信道各自的保密容量。使用非合作博弈求解无线传感器网络在节点发射功率受限、节点之间存在互相干扰的情况下选取各自的功率,达到纳什均衡,以获取最佳的收益。仿真结果表明,节点选取纳什均衡时的功率,可获得较好的保密容量,同时提高节点的可持续性。     

基于博弈论的机会网络激励机制的研究

机会网络是一种新型的网络,具有频繁的网络断开、高误码率、随机的拓扑变化等特点,该网络中的消息传播是依靠节点间的合作来完成存储—携带—转发的模式.由于能量、缓存以及处理能力的限制,一些节点表现出自私(拒绝帮助其他节点转发消息),甚至恶意(高报价)的特性,所以会给网络性能带来巨大的损失(低交付率、长延迟等).为了解决上面的问题,现存的基于虚拟货币的激励机制,如Credit,它依靠一个固定的中心来管理源节点向为它转发消息的中继节点支付虚拟货币的交易.但这个固定的管理中心在缺乏基础设施的机会网络中是很难实现的,所以提出一种新的基于博弈论的激励机制——GIS(game-based incentive strategy).该机制主要利用三次讨价还价博弈让交易双方在缺乏第三方管理的情况下仍然以合理的价格进行交易,它除了能够刺激自私节点的合作之外,最大的优势就是抑制恶意中继的虚假报价.大量实验表明,GIS能够很好地优化网络交付率和平均延迟,使得网络的有效性和公平性得到保证.     

多智能体环境下的情绪决策模型?

建立一种基于情绪的Nash-Q决策模型,它由认知层和情绪层组成。认知层模型由Nash-Q算法实现,情绪层建立在情绪记忆和评价理论之上,由高兴、伤心、恐惧、厌烦组成情绪空间,建立相应刺激与情绪映射模型、情绪与行为动作映射模型、每种情绪下的动作信任度评价模型。将文中模型应用到两智能体网格决策实验中,结果表明情绪层的引入可加快收敛速度,同时能有效防止陷入局部最优,更好兼顾在线学习的“保守”和“探索”平衡。     

基于谱聚类的动态网络社区演化分析算法

针对复杂网络社区受到个体兴趣和迁移的影响随着时间推移而演化的问题,提出一种基于谱聚类的动态网络社区演化分析算法,试图揭示动态网络社区结构随时间的演变过程.算法融合当前时刻快照拓扑结构和上一时刻社区结构两个因素,并用随机分块模型和Dirichlet分布分别对上述两个因素建模,从而将社区演化分析形式化为优化问题.从理论上验证了社区演化分析与谱聚类是等价的,为利用谱聚类解决社区演化分析奠定理论基础.在合成数据集上的实验结果表明,相比于以规格化割为目标的谱聚类,所提方法能显著提升动态社区检测的准确性和稳定性.     

信息网格协调性缺乏原因分析

大型信息网格容易产生协调性问题。作为一个典型的大型信息网格,全球信息网格已经出现了缺乏协调性的情况。大型信息网格都带着有多Agent系统的特征。非合作博弈理论可以很好地解释多Agent系统缺乏协调性的原因。使用非合作博弈的原理分析了全球信息网格的协调性问题,并把理论推广到普通的大型信息网格。没有一个统一管理,多Agent技术和网格计算的结合才是缺乏协调性的原因。     

基于多Agent城市交通仿真及控制系统博弈场景及建模的研究

城市交通仿真系统中多Agent之间的关系错综复杂,如何对这些关系进行仿真是实现仿真系统需要解决的难点问题.分析了系统中主要Agent类之间的"竞争-合作-影响"关系的实质--博弈,对其中影响交通拥堵的主要4类博弈关系进行详细分析,并分析它们各自形成的4类基本博弈场景、4种基本博弈场景动态生成、变化甚至消失,形成整体网状结构的交通博弈场景.通过建立对应的博弈模型来表达多Agent之间的相互作用关系;便于在交通仿真系统实现过程中有效地模拟现实交通.     

不完全信息下开发商Markov博弈均衡的最优策略

房地产开发商对于资源的争夺存在零和博弈的特点,在信息不对称条件下对开发商经济博弈模型的研究具有重要价值。该研究考虑到市场上存在开发商Cartel联盟的情形,以Markov博弈模型为核心,针对不完全信息下的Cartel联盟与竞争者的Markov博弈均衡进行研究,得到了博弈双方的最优策略及演算方法。最后,利用实例对该模型的有效性和可行性进行了说明。     

基于改进概率神经网络的纹理图像识别

引入差异演化（DE）算法来弥补基本概率神经网络的不足,从而提出一种基于改进概率神经网络（MPNN）的纹理图像识别方法。首先用树形结构小波包变换提取纹理图像的能量特征,用基于统计的纹理特征方法提取统计均值、平均能量、标准差和平均残余特征,得到纹理图像的特征矢量;然后用改进的概率神经网络训练纹理图像的特征矢量,从而实现纹理图像的识别。实验结果表明：采用基于改进概率神经网络的纹理图像识别方法较BP神经网络、RBF神经网络和基本的PNN有更高的识别正确率,且收敛更快。