n人非合作博弈弱Nash均衡点的存在性

根据Nash均衡的定义,也即是局中人单独改变自己的策略不能使自己支付更大这一结论,提出了一种新的均衡,其思想是局中人通过改变自己的策略的确可以增加自己的支付,但是由于局中人改变策略会产生成本这一事实,当成本高于或等于增加的支付时使得局中人没有改变自己的策略。基于这样的事实背景,在博弈模型中引入了局中人的成本函数,重新建立了n人非合作博弈模型,以及n人非合作广义博弈模型,并给出了弱Nash均衡点的定义,在此基础上研究博弈模型中弱Nash均衡点的存在性;通过定义最优回应映射,应用相关引理证明最优回应映射是usco的、非空的、凸的;通过Fan-Glicksberg不动点定理证明了n人非合作博弈,以及n人非合作广义博弈弱Nash均衡点的存在性。     

部分合作多目标博弈均衡点的存在性

为解决部分合作多目标博弈均衡点的存在性问题,引入部分合作弱Pareto-Nash均衡和部分合作多目标主从均衡的概念,利用Fan-Glicksberg不动点定理,证明了部分合作多目标博弈均衡点的存在性.研究结果表明:部分合作博弈相比合作博弈和非合作博弈具有更重要的应用价值,不动点定理是研究部分合作多目标博弈均衡点存在性的一种有效手段.     

作业车间调度的非合作博弈模型与混合自适应遗传算法

采用博弈理论,建立了一种基于非合作博弈的作业车间任务调度模型.在该任务调度模型中,将源于不同客户的制造任务映射为非合作博弈模型中的局中人,并将与制造任务包含的工序集所对应的可选加工设备映射为可行方案集,使各制造任务的加工完成时间和成本组合形成的多目标综合指标映射为收益函数,从而将对任务调度模型的求解转换为寻求非合作博弈模型的Nash均衡点.通过设计的爬山搜索混合自适应遗传算法、自适应交叉和变异算子,实现了对该任务调度非合作博弈模型的Nash均衡点的有效求解,同时算例仿真结果也验证了所提出的调度方法的正确性.     

非合作流速与拥塞控制博弈的应用

针对Internet用户的贪婪行为,引入非合作博弈理论,为非合作网络中的流速与拥塞控制行为建立模型,论证了上述博弈模型中Nash均衡点的存在性和惟一性.在分析了求解Nash均衡点解析解的基础上,设计实现了一种分布式流速控制算法(FCAG-SL).仿真实验表明,FCAG-SL算法具有良好的收敛性,应用流可以获得比其他拥塞控制算法更高的效用和整个系统的效用,验证了算法的可行性和有效性.     

客户驱动的硫化车间非合作博弈生产调度研究

以客户利益为核心,建立客户驱动的非合作博弈的硫化车间多目标调度模型,将制造任务、硫化机映射到博弈模型中,将客户订单的完工时间和硫化成本组合形成收益函数,将模型的求解转化为对Nash均衡点的求解,设计遗传算法对非合作博弈模型的Nash均衡点进行有效求解,通过求解结果验证模型的正确性。     

多目标决策设计的博弈求解方法

提出多目标决策设计的博弈求解方法,给出多目标问题的博弈描述,通过计算影响因子和模糊聚类,将设计变量集合分解为各博弈方拥有的策略空间.分别采用Nash均衡模型、Stackelberg寡头模型和共谋合作模型求解多目标决策设计问题,并给出相应的技术步骤.对一数值算例和补偿滑轮组变幅机构进行了多目标博弈求解,计算结果证明了博弈求解方法的有效性和可靠性.     

NASH博弈问题的模拟算法

给出了求NASH博弈问题中均衡点的一个算法,讨论了这个算法的合理性,给出了这个算法的收敛条件,最后通过实例证明了这个算法的有效性。     

企业并购决策的非合作博弈

在经济全球化背景下,企业并购活动越发频繁,如以外资渗入中国化工行业为例.在企业并购活动中,科学合理的并购决策无疑是企业并购成功的关键.基于非合作博弈理论,建立了二阶段三人非合作博弈模型,对企业并购活动中的均衡、战略、报价以及期望收益进行了详尽的分析,为科学决策的做出提供理论指导.     

对粗糙集上的不完全信息非合作博弈的均衡分析

在经典不完全信息非合作博弈中,常常假定局中人知道其他局中人类型的概率分布,但是在现实的社会中,对于这样的概率分布往往无法知晓.本文借助粗糙集理论处理这种不完备性,首先利用其中一个局中人依赖于对其他局中人的信息判断,计算出其他局中人的类型近似精确度.其次,给出模型的Nash均衡的存在性定理,并利用Kakutani-Fan-Glicksberg不动点定理证明了Nash均衡的存在性.最后,通过一个实例验证了该博弈模型的实用性.     

基于合作博弈的公差稳健设计方法

结合合作博弈理论和装配产品公差稳健设计建模,提出一种基于Nash仲裁均衡的公差稳健设计方法.首先将考虑稳健设计要求的装配产品质量与成本视为多目标优化对象,通过建立博弈决策方、效用函数,对各博弈方策略进行归属分类,将装配质量和成本多目标优化问题转化为多目标博弈决策问题,并建立相应的博弈模型及效用矩阵,最后采用合作博弈中的Nash仲裁法进行优化求解.该方法应用于车身前端装配总成的公差设计案例,通过与单目标优化方法比较,说明了其工程应用的有效性.     

教育游戏中游戏任务的设计研究

教育游戏是教育与游戏的高度融合,教育性和游戏性是其重要的双重属性,游戏性是手段,教育性是根本。游戏任务作为教育游戏的教学目标与教学内容的外部表现形式,它可以最为直接的体现游戏设计的意图。本文从教育的视角出发,通过对教育游戏中游戏任务的设计研究,试图发现其中的设计原则和方法。     

基于博弈的云计算任务分解研究

云用户在同时拥有本地资源和云计算资源时,如何在二者之间进行任务分解,以最短化任务完成时间是云用户的一个优化决策问题。研究云用户的最优任务分解决策。针对云计算资源的共享特征,用户之间的决策会影响其余用户的任务完成时间;因此通过求解纳什均衡的方法来分析用户的策略行为,从而决定用户的最优决策。求解了大任务和小任务两类用户时的纳什均衡,并通过仿真给出了在不同大小任务量比、云资源本地资源速度比和大任务用户概率时云用户的最优决策。     

产品竞争与观念竞争博弈分析

针对市场营销竞争中的两个方面,产品竞争和观念竞争进行博弈分析,并且对于营销行为背后所蕴藏的深层次动因进行初步的探讨与分析.     

基于网格任务调度的Monte Carlo仿真建模

网格系统是异构和动态分布系统,其节点的计算能力存在差异。在多个节点共同完成任务时,容易产生计算瓶颈,影响计算吞吐量和造成延迟,甚至导致整个任务失败。利用Monte Carlo仿真的自然并行性,解决了网格任务调度问题,设计了基于网格的Monte Carlo仿真流程框架和节点状态机模型。在此基础上,建立了“N-M”调度策略的二项式概率模型,并在不同的参数条件下对Monte Carlo仿真任务的性能进行了测试和分析,结果验证了设计方案的有效性。     

寡头厂商博弈模型

在给定同质产品的市场需求函数条件下，对于由若干个厂商构成的寡头市场里，研究分别包括不同数目厂商所组成的两大竞争团体之间的产量决策博弈问题。在假定各个团体内部厂商具有产量决策的一致性后，提出用各自构成的代表厂商之问的产量竞争替代团体竞争的思路，分别讨论2团体真正合作形成完全垄断、团体假合作博弈、团体古诺博弈、团体斯坦克尔伯格博弈4种情形的博弈模型，得到古诺博弈为纳什均衡、囚徒困境、先动优势等结果的存在条件，并分别比较了古诺、斯坦克尔伯格和真合作博弈结果以及古诺、假合作和真合作博弈结果，推广了现有研究的相关结论。     

基于非合作博弈的航班时刻优化研究

在进行航班时刻优化时,为解决不同目标之间相互影响,相互制约,存在冲突的问题,提出基于零和博弈的航班时刻优化模型。首先,从零和博弈的角度,给出一种线性加权法,得出纳什均衡状态下各个目标的最佳权重系数;然后将该系数应用到航班时刻优化的多目标问题中,构建航班时刻优化模型;最后通过萤火虫算法(firefly algorithm,FA)进行求解。本文把航班延误总时间和航班调整总量作为目标,以杭州萧山国际机场为例进行验证,最终结果表明,该模型在减少航班总延误的同时,又有效减少了航班总调整量,提升了整体优化的效益。     

一种基于有向无环图的实时任务调度算法

给出了任务之间有优先关系并且存在通信开销的实时任务系统模型 ,其拓扑结构为一有向无环图 ,并针对该系统模型提出了一种实时任务调度算法 (RTSD—Real timeTasksSchedulebasedonDAG) .该算法保证所有实时任务在它的截止期之前完成 ,取得了较好的效果 .     

一种基于对策论的多Agent协作方法

针对带有时间约束的、可以动态加入到环境中的复杂任务,建立了一种基于对策论的任务协作模型,该模型至少存在一个纯策略Nash平衡解.给出了一种任务协作方法,该方法中Agent能够根据自身的局部信息进行行为选择,并利用虚拟行动学习方法确保Agent快速学习到一个纯策略Nash平衡,仿真实验结果表明该方法与Chapman和刘的方法同等有效.     

Parallel Genetic Simulated Annealing Hybrid Algorithm for Task Scheduling

In this paper combined with the advantages of genetic algorithm and simulated annealing, brings forward a parallel genetic simulated annealing hybrid algorithm （PGSAHA） and applied to solve task scheduling problem in grid computing. It first generates a new group of individuals through genetic operation such as reproduction, crossover, mutation, etc, and than simulated anneals independently all the generated individuals respectively. When the temperature in the process of cooling no longer falls, the result is the optimal solution on the whole. From the analysis and experiment result, it is concluded that this algorithm is superior to genetic algorithm and simulated annealing.