农产品供应链中生产商深加工博弈分析

一个供应链的各个环节上的主体都在为实现自身利益最大化进行着博弈.主要针对农产品供应链中生产商就深加工方面的策略选择问题,运用博弈论的基本方法,对完全信息静态下供应链中生产商深加工博弈问题进行了研究.通过建立博弈模型,得出不同情况下的Nash均衡结果和均衡解,并对均衡结果进行灵敏度分析.分析结果表明,生产企业采取不同的策略时,其均衡解与影响均衡结果的因素也不尽相同.图2,参7.     

电子商务生态系统的动态演化博弈分析

针对电子商务生态系统中各种群在所掌握信息不对称条件下,因追求各自利益最大化所导致的各种群间的长期持续博弈现状。本文以电子商务生态系统的中三个主要种群为博弈主体,运用博弈理论,建立了有限理性及信息不对称假设条件下,关于三方合作共生的动态演化博弈模型和复制动态方程。研究发现影响电子商务生态系统稳定演化的主要因素为合作策略的收益率,结果表明:电子商务生态系统趋于合作状态的概率与合作策略的收益率成正比。     

噪音水平和交互频次对策略演化的影响

囚徒困境是研究合作策略演化的重要工具,重复囚徒困境下的博弈者可以通过合作实现长期利益的最大化。采用生态演化模拟实验的方法研究在重复囚徒困境中初始环境设定的噪音水平和个体间交互频次对博弈策略演化的影响。研究结果表明,噪声水平和个体间交互频次对最终系统中优胜的博弈策略有决定性作用,这说明环境的初始设定条件是影响博弈策略演化的重要因素。     

保险欺诈博弈与基于最优博弈策略的保险契约

运用不完全信息动态博弈和机制设计的有关理论,以伪造风险损失的保险欺诈问题为例,建立了保险欺诈博弈模型,研究了伪造风险损失欺诈博弈问题的纳什均衡及其保险双方的最优博弈策略.在此基础上,得出了使保险人的期望利润为零的保险定价公式,讨论了基于保险双方最优博弈策略的最优保险合同形式,证明了基于保险双方最优博弈策略的保险合同是部分保险.     

企业环境行为的监管演化博弈分析和稳定性控制——基于系统动力学

企业环境行为监管中,政府、排污企业、公众等多主体的动态交互和信息不对称导致环境治理的复杂性,本文考虑环境污染治理过程中的信息不对称,利用演化博弈理论建立政府、排污企业、公众参与的三方博弈模型。并利用系统动力学探讨演化博弈模型,动态模拟分析利益相关者互动的稳定性,同时确定均衡解的方案。仿真结果表明,三个利益相关者的策略选择反复波动,这表明演化稳定策略不会存在于利益相关者之间。因此,动态惩罚控制方法和优化的动态奖惩控制方法被提出来控制波动,然后再次进行模拟。仿真结果表明,动态惩罚控制方法能有效地抑制波动,使利益相关者的相互作用更稳定。此外,优化的动态奖惩控制方法,不仅可以有效地抑制波动,同时也得到了一个理想的演化稳定策略,其中排污企业可以选择对污染物处理作为自己的最优策略。本文的分析和结果可为环境治理提供相应的参考。     

PPP项目提前终止下社会资本机会主义行为研究

Public-private partnership (PPP)项目提前终止时易发生社会资本的机会主义行为,很有必要研究提前终止过程中社会资本机会主义行为的产生机理与应对措施,以保护政府和公众利益.本文根据公私双方在PPP项目中的关系,构建了政府与社会资本的博弈模型,并在前景理论的假设下,对存在终止预期的公私双方不完全信息静态博弈进行了分析.研究结果发现有限理性使得社会资本在博弈中会从混合策略偏离到纯策略;在不同的终止预期情况下,对偏离造成的影响不同.     

逆向物流的演化博弈分析

为探究政府管制在企业实施逆向物流中的作用,在分析政府和企业在不同策略下各自的成本和收益的基础上,运用演化博弈理论构建一个政府与企业的演化博弈模型,模型分析结果显示:企业实施逆向物流的成本与收益、政府监管的有效性以及对企业不实施逆向物流的惩罚力度都直接影响系统演化的结果;政府群体和企业群体在3种情况下存在演化稳定策略;在一定条件下,系统的演化呈现出周期性的特征.政府加大惩罚力度、提高监管效率,企业树立逆向物流的思想、加强企业间的合作与交流,是双方实现长期共赢的唯一途径.     

不完全信息条件下象征式竞购合谋的均衡策略分析

研究象征式竞购合谋这种典型合谋方式的均衡策略问题.考虑到竞购双方估值信息的不完全,以拍卖理论中的竞标模型为基础,确定了合谋激励条件,求解了合理的利益补偿价值,并在此基础上通过博弈分析得出了竞购舍谋的均衡策略,最后分析了目标公司针对竞购双方合谋在保留价格上的响应策略.研究表明,竞购者合谋并未降低收购活动的经济效益,目标公...     

中国PPP模式的演化博弈研究

运用演化博弈理论构建演化博弈模型,研究双方在合作中的博弈策略,通过复制动态方程、Jacobi矩阵和局部稳定性分析科学手段,得出双方的演化博弈路径,并定性分析双方的合作稳定策略选择。提出应科学的对风险进行准确预判和合理规避,同时政府应将激励、惩罚和监督手段科学化、合理化并规范化,结合第三方监督模式,提高与企业的合作效率,保证项目完工。     

基于不完全信息博弈的云制造群智能优化方法

为解决云制造过程中云平台经营方与需求方之间的不完全信息以及相互竞争制约的关系导致制造服务难以抉择的问题,提出了一种基于不完全信息博弈模型的云制造群智能优化方法。以各自理性追求自身收益函数最大化为目标,针对需求方与云平台之间的利益竞争关系建立了基于不完全信息的静态博弈模型,并提出了需求方与云平台之间的竞争规则,通过海萨尼转换引入自然,将其转换为完全信息下的动态博弈得到贝叶斯扩展式,并证明了贝叶斯纳什均衡的存在性和唯一性。提出了一种基于高斯函数与扰动策略更新的粒子群算法对上述模型进行求解。仿真结果表明：改进算法相对其他算法有较快的收敛速度与较高的云制造系统总收益,不完全信息博弈模型能够兼顾不同类型的需求方提高云制造系统的总收益。     

Dynamic Decision Model in Evolutionary Games Based on Reinforcement Learning

In evolutionary games, it becomes more difficult to choose optimal strategies for players because of incomplete information and bounded rationality. For bounded rational players, how to maximize the expected sum of payoffs by learning and changing strategies is an important question in evolutionary game theory. Reinforcement learning does not need a model of its environment and can be used online, it is well-suited for problems with incomplete and uncertain information. Evolutionary game theory is the subject about the decision problems of multiagent with incomplete information. In this article, reinforcement learning is introduced in evolutionary games, multiagent reinforcement learning model is constructed, and the learning algorithm is presented based on Q-learning. The results of simulation experiments show that the multiagent reinforcement learning model can be applied successfully in evolutionary games for finding the optimal strategies.     

风险投资退出决策的复合模型研究

针对多阶段风险投资过程中信息不对称性以及收益不确定性的特征,在考虑投资策略组合的基础上,采用不完全信息静态博弈理论和动态规划方法,构造了股权债权混合投资时,目标函数为风险投资公司退出效用最大化的退出决策复合模型.该模型合理分配了股权投资和债权投资比例,有效解释了风险投资投资退出时机和退出方式的选择,可以作为风险投资公司进行投资退出决策的依据.     

基于Stackelberg博弈与深度强化学习的计算卸载策略

为使5G混合专网结构的2种用户能获得最优计算卸载策略，将2种用户竞争移动边缘计算(mobile edge computing,MEC)服务器资源的问题建模成Stackelberg博弈，并分别讨论了完全信息博弈和不完全信息博弈下的策略。完全信息博弈下，存在唯一纳什均衡解；不完全信息博弈下，将环境建模为部分可观测的马尔可夫决策过程(partially observable Markov decision process,POMDP)，并提出一种基于二阶段深度强化学习(two-stage deep reinforcement learning,TSDRL)的最优卸载策略。仿真实验表明：该算法相较于D-DRL算法能减少20.81%的时延及3.38%的能耗，有效提高用户QoE(quality of experience)。     

涉诉信访博弈模型构建与风险防范策略研究

涉诉信访工作具有复杂性、敏感性等特点,办理工作稍有不慎即会引发危害人民群众生命财产安全的社会问题.本文首次应用博弈论方法分析涉诉信访的风险防范策略,运用不完全信息静态博弈模型分析上访风险事件之前人民法院的案件审理决策;运用不完全信息动态博弈模型分析上访风险事件之后人民法院的初访接访决策.通过求解博弈均衡结果分析得出,人民法院现有的审理接访策略存在不合理因素,建立科学的风险预警体系可以防范涉诉信访风险,有效配置司法资源.本文以人民法院为视角,将博弈论模型均衡结果与风险预警模型相结合,创新性地提出了在司法资源约束下防范涉诉信访风险的应对策略.     

发电企业经营博弈过程中的效仿行为仿真研究

提出一种基于Swarm的仿真模型,对信息不完全市场下发电企业经营过程中的静态、动态和学习演化行为进行仿真.模型刻画了发电企业利用在博弈过程中所获取的信息,不断修正自己行为规则的演化过程.通过仿真发现:具有效仿能力的发电企业的平均供电量高于不具有效仿能力的发电企业;市场退出机制能够促进发电企业进行行为优化,最终生存在市场上的是能够准确预测对手的发电商,此时发电企业平均供电量高于无市场退出机制下发电企业;在无退出机制下,由于缺乏优化决策的激励,采用优化博弈模型的发电企业的个数较少.     

双寡头企业主动开发新产品或拷贝式模仿的博弈分析

主动开发新产品，还是等待其他企业先开发出来新产品然后进行模仿是企业R＆D的一个战略问题。本文在一定时间区间内客户是忠诚的假设下，分别计算主动开发和等待模仿在完全信息动态和不完全信息动态两种情况下双方的利润和利润均衡点，给出企业进行新产品开发或进行拷贝式模仿博弈的量化公式。     

信息不完全下联盟结构合作对策的比例Owen解

不完全信息下联盟结构合作对策(简称不完全信息对策)是指特征函数中部分联盟价值缺失的联盟结构合作对策.Owen值应用前提是可行联盟的特征函数完全已知,因此Owen值不适用于求解不完全信息对策.根据不完全信息对策中已知可行联盟的特征函数,定义了比例Owen值.比例Owen值按照"二步法"对合作收益值进行两个层次的分配:一是优先联盟之间,二是优先联盟内部.与Owen值不同的是,在优先联盟内部比例Owen值依据每个成员对所在优先联盟的贡献率切割优先联盟的所得收益.比例Owen值满足一定的个体理性,并且通过公理化证明可知:比例Owen值是满足有效性、线性、零元联盟性和比例性等性质的唯一解,具有一定优良的性质.最后,将比例Owen值应用到一带一路背景下供应链中局中人作为整体参与合作的问题中,作为不完全信息下多层次合作的一种分配方案.     

排污申报机制设计的博弈分析

基于不完全信息 Stackelberg动态博弈模型 ,建立了排污权交易制度中政府管理机构让各排污企业申报排污量的博弈模型 .分别就政府管理机构的平均主义与非平均主义偏好两种情况对模型进行了分析 ,并对政府政策的动态一致性问题进行了讨论.     

基于供应链环境的企业IT战略匹配

企业能够利用IT运行成本作为传递信号,来实现企业战略匹配.通过Harsanyi转换,将不完全信息下的Stackelberg博弈转换为完全信息下的Stackelberg博弈,证明了在分离均衡中,均衡IT战略能够成为传递均衡企业战略的信号,并分别讨论了供应商、分销商均衡IT战略函数为IT运行成本系数的单调递减凸函数的条件,最后证明了通过IT运行成本系数匹配,双方可以实现企业战略匹配.     

Clustering routing algorithm of wireless sensor networks based on Bayesian game

To avoid uneven energy consuming in wireless sensor networks, a clustering routing model is proposed based on a Bayesian game. In the model, Harsanyi transformation is introduced to convert a static game of incomplete information to the static game of complete but imperfect information. In addition, the existence of Bayesian nash equilibrium is proved. A clustering routing algorithm is also designed according to the proposed model, both cluster head distribution and residual energy are considered in the design of the algorithm. Simulation results show that the algorithm can balance network load, save energy and prolong network lifetime effectively.