基于博弈论的P2P激励机制的研究与设计

针对P2P系统中普遍存在的搭便车和公共悲剧问题,提出了一种基于博弈论的P2P服务质量激励机制.在分析节点在网络中的贡献和收益的基础上,通过引入激励值的概念来体现网络节点服务质量的高低,同时给出了有关节点服务质量四个方面的定义.实验表明,该激励机制能够有效地抑制节点的自私行为和提高网络的服务质量,并促使每个节点自发地共享自己的资源,从而构建一个良好的P2P环境.     

基于博弈理论的无线传感器网络融合路由

主要研究了无线传感器网络路由路径的链路质量及节点剩余能量对网络整体可靠性及能效的影响,提出了无线传感器网络数据融合可靠路由的博弈论模型。该模型的求解属于NP问题,论文还提出了一种基于节点效用进行路由选择的分布式实现算法。仿真结果表明该算法能提高网络路由路径的可靠度和能效性。     

保供电型光储微电网运营策略分析

针对传统应急电源车保供电存在的资产利用率不足、成本较高等问题,结合微电网的发展趋势,提出了一种保供电型光储微电网的运营策略,重点讨论了微电网应用于保供电领域的经济性。提出了光储微电网代替应急电源车的保供电思路,从初始投资成本、运维成本、收益三方面初步分析了微电网应用于保供电领域的经济性;为了解决现阶段储能投资效益差的难题,提出了供电企业向储能投资商给予补贴的建议,并为此提出了虚拟保电量的概念;为了合理确定供电企业给予储能投资商的补贴数额,提出了非博弈和博弈2种补贴方案,并对3种运营模式中共同博弈投资模式的内部交易和定价机制进行了详细讨论。基于算例分析了不同的运营模式下供电企业和社会资本的经济效益,以确定最优的运营策略。     

考虑交通预测的居民区充电桩共享博弈研究

为进一步推进居民区电动汽车共享充电桩发展,建立了共享平台、提供充电桩的居民和充电用户三方的博弈数学模型,根据三方博弈关系图,特别对交通预测情况参数化,运用系统动力学软件进行仿真,分析提高交通预测质量对共享充电桩发展的内在激励关系,为居民共享充电桩的发展策略提供理论参考。     

基于双重拍卖的移动边缘计算任务卸载和资源分配策略

在移动边缘计算(mobile edge computing, MEC)系统中,用户的卸载策略会影响能耗和计算成本,进而影响用户效益.然而,目前多数研究未考虑边缘服务器随机分布场景中用户的卸载策略和资源请求策略对效益的影响.针对该问题,提出了一种基于改进双重拍卖算法的计算卸载和资源分配策略.首先,该策略将用户与边缘服务器之间的交互过程建模为Stackelberg博弈,并且证明了在该博弈内存在唯一纳什均衡点;其次,计算出用户对于不同服务器的卸载意愿以及计算资源请求量,并将用户与最优服务器进行拍卖;最后,采用遍历法交换上一轮拍卖中部分交易中的用户与服务器,以实现系统整体效益最优.仿真实验结果表明,与其他基准算法相比,所提算法在服务器随机分布场景下提高了33.4%的系统用户总效益,有效降低系统损失.     

基于强化学习的频控阵-多输入多输出雷达发射功率分配方法

当前电磁环境日益复杂多变,新式干扰手段层出不穷,对雷达系统带来了极大的挑战和威胁。该文引入频谱干扰模型并提出了一种在频控阵-多输入多输出(FDA-MIMO)雷达与干扰机动态博弈框架下基于强化学习(RL)的发射功率分配优化方法,使雷达系统能够获得最大的信干噪比(SINR)。在此基础上,构造了频谱干扰模型。其次,雷达和干扰机之间存在一种Stackelberg博弈关系,且将雷达作为领导者,干扰机作为跟随者,建立动态博弈框架下的发射功率分配优化模型。采用深度确定性策略梯度(DDPG)算法,结合功率约束设计了奖赏函数,对雷达发射功率进行实时分配来获得最大的输出SINR。最后,仿真结果表明,在雷达与干扰机博弈的框架下,所提优化算法能够有效地对雷达发射功率进行优化,使雷达具备较好的抗干扰性能。     

基于Markov攻击图和博弈模型的区块链安全态势感知方法

全面准确地感知区块链网络中各节点所遭受的日蚀攻击情况是一个难题,该文针对该难题提出一种基于Markov攻击图和博弈模型的区块链安全态势感知方法。该方法结合区块链网络各节点以及日蚀攻击的特点建立Markov攻击图模型,随后将该模型进行量化从而计算各攻击路径的转换概率,选择较高概率的攻击路径进行多阶段攻防博弈并计算双方的最大目标函数值。通过分析这些函数值,完成对整个区块链网络节点的安全态势感知,达到对未来安全情况的预测和系统维护的目的。实验对比表明,该模型方法不但具有较低的入侵成功次数,还具有较好的确保系统完整性等方面的优势。     

基于博弈论的多服务器多用户视频分析任务卸载算法

在过去的近10年中,人工智能相关的服务和应用大规模出现,它们要求高算力、高带宽和低时延.边缘计算目前被认为是这些应用最适合的计算模式,尤其是视频分析相关应用.研究多服务器多用户异构视频分析任务卸载问题,其中用户选择合适的边缘服务器,并将他们的原始视频数据上传至服务器进行视频分析.为了有效处理众多用户对有限网络资源的竞争和共享,并且能够获得稳定的网络资源分配局面,即每个用户不会单方面地改变自己的任务卸载决策,该多服务器多用户异构视频分析任务卸载问题被建模为一个多玩家的博弈问题.基于最小化整体时延的优化目标,先后研究非分布式视频分析场景和分布式视频分析场景两种情形,分别提出基于博弈论的潜在最优服务器选择算法和视频单元分配算法.通过严格的数学证明,两种情形下提出的算法均可以达到纳什均衡,同时保证较低的整体时延.最后,基于真实数据集的大量实验表明,所提方法比其他现有算法降低了平均26.3%的整体时延.     

基于MADDPG和智能合约的微电网交易决策优化

为解决微电网在传统集中化交易模式下面临的决策耗时长、信任成本高和隐私安全等问题,提出了基于多智能体深度确定性策略梯度(multi-agent deep deterministic policy gradient, MADDPG)算法与智能合约的微电网去中心化市场交易体系。首先,对微电网市场中多智能体进行划分后设计了适用于各主体参与分布式交易的微电网去中心化交易机制,以保障市场主体利益。其次,为实现交易确认阶段微电网市场主体的交易策略优化,采用MADDPG算法对各主体追求利益最大的竞价模型进行求解。最后,通过算例仿真验证了MADDPG算法在智能合约下微电网市场主体交易策略优化过程中的可行性和经济性。     

认知雷达抗干扰中的博弈论分析综述

雷达对抗的核心研究内容主要是干扰策略与抗干扰策略之间的对抗博弈,其作为电子战研究领域的热点一直备受学者们关注.该文综述了学者们利用合作与非合作博弈方法来分析雷达在进行目标探测和干扰抑制时所使用的策略,主要通过不同体制的雷达利用认知技术感知和学习外界复杂的电磁环境,合理地分配发射功率、控制编码序列、设计波形、研究检测和跟踪方法以及分配雷达通信资源等.这样雷达既节约发射所消耗的功率,又可以自适应地搜索和跟踪目标而不被敌方所发现,从而使雷达在复杂多变的现代战场环境中达到自身最优的性能.最后,对认知雷达抗干扰中的博弈论分析研究进行总结和展望,并指出了一些博弈论在认知雷达抗干扰策略应用中所面临的潜在问题和挑战.