基于收益优化的虚拟数据中心网络资源分配模型

为解决虚拟数据中心内部虚拟网络间对物理带宽资源的竞争问题,借鉴博弈理论提出了网络资源分配模型.首先给出基于收益最优的整体带宽分配优化目标,然后将其拆分为可以运行于网络内部交换机上的分布式博弈模型,并给出了证明和求解过程,其中虚拟网络作为参与者在给定的定价机制下运行非合作的博弈,在博弈达到纳什均衡点时带宽分配最优.实验结果显示,提出的模型能够实现公平、合理的虚拟网络带宽资源分配.     

基于Stackelberg博弈的资源动态定价策略

针对计算密集型任务卸载时边缘云计算能力有限引起的公平性问题,提出一种基于Stackelberg(斯坦克伯格)博弈的资源动态定价策略.首先,分析边缘云系统资源剩余量和用户需求之间的实时关系,设计边缘云网络收益及用户成本函数.然后,通过验证用户之间非合作博弈纳什均衡点的存在性,获得基于完全状态信息下用户成本最低时的最优卸载策略.最后,采用双向迭代搜索算法求解边缘收益问题,获取经价格调整因子调节后的边缘云网络最优定价策略.仿真结果表明:所提算法当计算资源较少时能保证边缘云收益,并在保证用户公平性前提下提高用户服务质量.     

更新产品销售定价博弈研究

当今社会市场竞争激烈,企业需要通过不断推出新产品来满足消费者的需要,赢得市场.因此,市场中经常存在新老产品共同在市场中销售的情况.建立了更新产品和市场中已存在产品的销售定价模型,给出了完全信息下生产两种产品的两个企业在纳什博弈和Stackelberg博弈情况下的定价均衡策略,并对所得结论进行了理论分析和算例分析.     

基于粒子群优化的协作网络资源分配的博弈策略

应用基于竞价机制的斯坦克尔伯格博弈提出协作中继网络中的一种资源分配策略,用以解决单一中继节点对多用户节点协作带宽的分配问题。首先中继根据用户的协作带宽需求对资源定价,然后用户根据价格调整其纳什均衡策略,即获取协作效用最大化的最优带宽购买量。证明了纳什均衡的存在性,提出基于粒子群优化的均衡求解算法,分析了均衡的有效性,仿真给出了粒子群优化的全局最优带宽分配结果。仿真结果表明,所提出的博弈可以激励中继节点参与协作,并协调多用户节点间的资源分配。     

基于非完全信息博弈竞标的无线传感器网络资源分配方法

针对无线传感器网络任务调度过程中造成的资源冲突问题,将其考虑为节点间的非完全信息博弈竞标过程;在参与竞标的节点进行决策时,引入隐马尔可夫链预测其他竞争者的决策,将资源分配过程中的多个优化目标,分别由任务和节点进行优化,并提出一种非完全信息博弈竞标算法;在假设节点个人理性的前提条件下,论证此非完全信息博弈竞标模型满足经济学原理中的激励相容性和最大化系统收益.最后并从实验仿真证明其有效性.     

求解两人博弈纳什平衡问题的定制临近点算法

针对一类不允许校正的两人轮流博弈纳什平衡问题,提出一种定制临近点分裂算法.该算法可用于模拟一种实际博弈活动:参与博弈的两个局中人轮流决策,且在一轮博弈中,每位局中人综合考虑对手上一轮与本轮所给出的决策,根据最优响应规则做出自己的相应决策.在一定假设条件下证明定制临近点算法全局地收敛到所考虑博弈的纳什平衡,数值算例验证了算法的有效性.     

基于非完全信息博弈竞标的无线传感器网络资源分配方法

针对无线传感器网络任务调度过程中造成的资源冲突问题,本文将其考虑为节点间的非完全信息博弈竞标过程,在参与竞标的节点进行决策时,引入隐马尔可夫链对其他竞争者的决策进行预测,同时资源分配过程中的多个优化目标,分别由任务和节点进行优化,并提出一种非完全信息博弈竞标算法。最后,在假设节点个人理性的前提条件下,论证了此非完全信息博弈竞标模型满足经济学原理中的激励相容性和最大化系统收益。并从实验仿真证明其有效性。     

非合作寡头博弈与干扰信道资源分配

将多用户干扰信道频率和功率资源分配问题用寡头博弈模型进行分析. 寡头博弈中有一个超级用户,它知道其它用户的所有信道信息,并且知道它们所采取的策略,那么这个超级用户将可以计算出对自己更有利的资源分配方案,获取比纳什模型更高的速率. 通常在非合作分布式系统中,获取其它用户信息是非常困难的,本文提出的算法可以让用户从干扰强度的变化中学习得到有用信息,从而设计出基于寡头博弈模型的分布式算法.      

基于非零和博弈的多路径组合攻击防御决策方法

针对网络攻防中多路径组合攻击的防御策略问题,根据网络中多攻击路径对抗的非合作及双方收益的特点,提出了一种基于非零和博弈的防御策略选取方法。首先,根据网络攻防的实际资源受限定义了攻击成本、惩罚因子、防御代价等参数,并对攻防双方的收益计算方法进行了优化;其次,基于多路径组合攻击过程,构建了非零和动态博弈模型,并计算出相应的攻防效益矩阵;最后,利用纳什均衡原理得出攻击者的最佳攻击效用,以及防御者的最优策略。该策略在多条攻击路径并存的威胁下,能够选择出防御效果最优的策略进行安全加固及防护。仿真实验验证了本文所提出方法的有效性,并分析了实际资源受限下攻击成本、惩罚因子、防御代价等参数设置对防御策略选取的影响。     

基于零和博弈方法的多智能体系统H∞一致性

针对存在外部扰动情形下离散多智能体系统的H_∞一致性问题,利用二人零和博弈方法,一致性协议和外部扰动分别被看作博弈双方参与者,通过寻找二人零和博弈的纳什均衡点,可以设计出针对最坏情形干扰时的最优一致性协议.而获得博弈问题的纳什均衡需要求解耦合Hamilton-Jacobi-Isaacs(HJI)方程,因此给出了解耦方法,并且使用强化学习中的双环策略迭代算法对解耦后的HJI方程进一步求解.最后给出的算例仿真结果验证了提出方法的有效性.