基于OBE和博弈论的Java Web在线教学与考核探究

针对高校Java Web课程传统教学中出现的一些典型问题,探究了结合OBE理念和博弈论的在线教学与考核方法,将学生们的学习看成一个博弈问题,以学习成果为导向引导学生在学习过程中进行资源共享、互相帮助,从而实现合作博弈。     

基于博弈论-VIKOR法的科研项目立项评审研究

针对科研项目立项评审的特点,建立了基于博弈论-VIKOR法的科研项目立项评审模型。目的在于提高定性指标定量化处理的科学性,并通过具体科研项目评审实例描述该方法的运用过程。表明了该方法具有科学性、有效性与可操作性。     

基于概率性能感知演化博弈策略的“云+边”混合环境中任务卸载方法

针对“中心云服务器+多个边缘服务器”构成的“云+边”混合环境中多任务卸载效率不足的问题,提出了一种基于概率性能感知演化博弈策略的任务卸载方法。首先,在一个“中心云服务器+多个边缘服务器”构成的“云+边”混合环境中,假设其中分布的边缘服务器具有时变波动的性能,采用一种基于概率性能感知演化博弈策略的任务卸载方法对边缘云服务器的历史性能数据进行概率分析,以获得演化博弈模型;然后,生成服务卸载的演化稳定策略（ESS）,使每个用户都能在获得高满意度的前提下进行任务的卸载。基于云边缘资源位置数据集和云服务性能测试数据集进行模拟实验,在24个连续时间窗口上进行不同方法的测试比较。实验结果表明,所提方法在多个性能指标上都优于传统的贪婪（Greedy）算法、遗传算法（GA）和基于纳什均衡的博弈论算法等任务卸载方法。该方法的平均用户期望达成度相较于三个对比方法分别提升了13.7%、117.0%、13.8%,平均卸载时延分别降低了6.5%、24.9%、8.3%,平均货币成本分别降低了67.9%、88.7%、18.0%。     

多智能体博弈强化学习研究综述

使用深度强化学习解决单智能体任务已经取得了突破性的进展。由于多智能体系统的复杂性,普通算法无法解决其主要难点。同时,由于智能体数量增加,将最大化单个智能体的累积回报的期望值作为学习目标往往无法收敛,某些特殊的收敛点也不满足策略的合理性。对于不存在最优解的实际问题,强化学习算法更是束手无策,将博弈理论引入强化学习可以很好地解决智能体的相互关系,可以解释收敛点对应策略的合理性,更重要的是可以用均衡解来替代最优解以求得相对有效的策略。因此,从博弈论的角度梳理近年来出现的强化学习算法,总结当前博弈强化学习算法的重难点,并给出可能解决上述重难点的几个突破方向。     

虚幻引擎5来临之际游戏专业课程改革与探索

2020年5月,世界著名游戏引擎商家Epic官方揭开了“虚幻引擎5”的神秘面纱。在视频中提到的亿面级数实时渲染“黑科技”更是将这次重大升级提升到了一个前所未有的高度。这次技术的革新之于游戏开发行业的意义可以类比为手机从功能机到智能手机的跃迁。本文笔者将浅谈一些对于游戏引擎的功能介绍,阐述现在游戏引擎对于整个游戏开发行业的重要性,在教学上扩容引擎类软件的学习内容方向和课程安排的一些教学改革思路。     

异构蜂窝网络中用户非均匀分布的CRE和eICIC优化

在假设用户均匀分布的场景中,联合优化小区范围扩展(CRE)和增强型小区间干扰协调(eICIC)不适用用户分布非均匀的实际场景.考虑到用户非均匀分布的特点,提出了相应的CRE和eICIC联合优化方案.考虑到建模的复杂性,使用了斯坦伯格博弈建模CRE和eICIC的联合优化过程, 将宏基站作为领导者决定eICIC策略,将pico基站作为跟随者决定CRE策略, 进而提出一种求解算法,以获得斯坦伯格博弈均衡解.仿真结果表明了所提出的斯坦伯格均衡解算法的收敛性及有效性.     

基于非零和随机博弈的APT攻击主动防御策略选取

为解决APT（高级持续性威胁）攻防对抗过程中的防御滞后性问题,并在有限资源下做出最优主动防御决策,针对APT攻击过程中攻防双方意图、可行策略集随攻击阶段推进而演变的特点进行了研究,基于非合作博弈理论构建了多阶段APT攻防随机博弈模型AO-ADSG（APT-oriented attack-defense stochastic game）。针对APT攻防对抗中双方效用不对等的现象引入非零和思想,设计符合APT攻击特征的全资产要素效用量化方法;在分析博弈均衡的基础上给出最优防御策略选取算法。最后,通过“夜龙攻击”模拟实验验证了提出方法的可行性及正确性。     

基于动态偏好机制的学生群体演化合作研究

社交网络具有随机性和复杂性的特点,针对大学生群体中社交关系的异质性以及动态变化情况,构建博弈模型并设计动态偏好机制用于模拟和促进学生在交互网络中的合作行为。在该机制中,首先构建了加权网络用于描述学生交互网络的异质性;然后通过学生动态的交互关系,模拟学生的社交偏好。仿真结果表明,该机制能够有效促进合作者密度。为了进一步验证该机制在学生群体交互中的有效性,通过线下社交网络收集系统收集学生群体的交互行为信息并构建交互网络,通过数据分析发现学生群体在动态偏好机制下更愿意与其他个体进行交流。研究结果对学生合作行为演化具有参考作用。     

边缘计算中基于博弈论的数据协作缓存策略研究

针对边缘计算中服务器存储能力有限的问题,提出一种基于博弈论的数据协作缓存策略。该策略根据基站覆盖范围将边缘计算环境划分为多个区域,每个区域与相邻区域协作缓存数据资源。在每个区域中,计算每个数据块对本地区域及相邻区域的缓存价值,根据待缓存资源的缓存价值进行缓存决策,最小化用户获取数据资源的延迟。仿真实验结果表明,提出缓存策略比现有非协作缓存策略数据资源平均获取延迟降低了36.55%,有效降低了数据资源平均获取延迟。     

复杂产品共性技术研发的政府最优成本补贴

为发挥政府资助的最优杠杆作用,探究政府在复杂产品共性技术研发中最优成本补贴,从政府分担研发成本的角度,运用博弈模型构建了一个主制造商与一个供应商协同研发、政府扶持下的共性技术研发成本分摊模型,并分析求解了Nash非合作博弈和合作博弈下的政府研发成本最优补贴比例以及主制造商、供应商的最优物质性成本投入,最后基于所构建的模型进行了算例分析。研究表明,复杂产品共性技术的"共性度"和产品复杂度与政府对主制造商和供应商补贴比例成正比,主制造商供应商的物质性成本投入与政府的补贴比例成正比,其研发成果带给主制造商和供应商的利润也与政府补贴比例成正比。