产业创新动态系统的进化博弈模型

文章利用进化博弈理论建立了产业创新复制动态系统的数学模型,并分析了该系统的进化稳定状态和进化稳定策略;模型得出创新策略的收益、成本及保守策略的收益三者之间的相对关系,是产业创新成功与否的决定因素.     

住房租赁市场监管的进化博弈分析

针对住房租赁市场监管问题进行了进化博弈分析。首先,构建了房东群体间及房东和住房租赁监管部门间的进化博弈模型。其次,通过对不同博弈模型复制动态方程和进化稳定策略的分析,得到影响房东及住房租赁监管部门策略选择的因素。最后,给出规范住房租赁市场的建议。研究表明,博弈方的进化稳定策略与其收益、初始状态、监管力度、处罚力度、监管成本等因素相关。     

采用危险度预警的进取麻雀搜索算法

为了解决麻雀搜索算法在迭代后期种群多样性降低且容易陷入局部最优的问题,提出一种采用危险度预警的进取麻雀搜索算法。首先制定保持进取策略,选取种群中适应度值优秀的个体与适应度值变化幅度大的个体共同培育生成学习样本,加快寻优速度。然后将种群进化过程分为稳定阶段和进取阶段,并在每个阶段执行不同策略：稳定阶段策略利用全局最优解和学习样本引导种群进化,增强局部开发能力;进取阶段策略利用个体历史最优解和学习样本引导种群进化,增加种群多样性并提高全局探索能力。此外,设计危险度预警策略用于检测种群是否陷入局部最优,并通过保存的优秀样本动态更新较差个体,帮助种群跳出局部最优。与其他几种有代表性的改进麻雀搜索算法一起针对CEC2017测试集进行对比实验,其结果证明了本文算法在收敛速度和收敛精度上有明显改进,能有效避免陷入局部最优。     

基于物种选择的遗传算法求解约束非线性规划问题

将信赖域思想和基于稳定进化策略思想相结合,提出一种基于物种选择的遗传算法.根据当前代最优点,采用稳定最优种群数目和收缩最优种群边界的方法将种群划分为最优种群和全局种群,并提出基于构造优化方向的一种新的交叉算子.研究结果表明:对这2种群按不同的策略协调进化,较好地平衡了种群的多样性和选择压力,兼顾了局部搜索和全局搜索;缺少合适的搜索方向是进化后阶段收敛速度慢的重要原因之一;本算法能有效地提高遗传算法的收敛速度,并具有比较好的鲁棒性.     

动态环境下基于可变记忆的进化算法

常规基于记忆的进化算法在动态环境中往往达不到期望的效果,这主要是由于记忆体大小的限制.为此提出了动态环境下基于可变记忆的进化算法(IMEEA),其核心思想是算法中拥有两个种群,即搜索种群和记忆种群,同时采用过度变异策略来增加种群的多样性.算法中的两个种群有最小和最大的允许长度,并且种群的大小根据进化过程的进行而不断变化...     

基于二阶声誉测度的自组织网络合作激励机制

将二阶声誉测度Standing应用到自组织网络的合作激励机制中,设计了一种基于Standing的包括服务和声誉管理的分布式合作管理协议,克服了间接互惠所面临的二阶搭便车问题.数学分析和模拟实验表明,在二阶声誉作用下,区分策略是演化博弈惟一的进化稳定策略,从而促进了用户的合作.同时,采用完全的分布方式所构建的可信第三方架构能够有效应对合谋、虚假的声誉反馈与声誉提供等欺骗行为.该合作机制在一般的动态环境中具有良好的适应性.     

研发人才区域性流动的进化博弈分析

运用进化博弈理论,建立了流出地研发人才和流入地研发人才之间的非对称进化博弈模型.通过系统相位图分析,研究了在不同条件下进化博弈系统的进化稳定策略,从而揭示了研发人才空间集聚、更替、消散、凝滞的一般规律.由稳定性分析可知,当流出地和流入地初始环境相同时,研发人才区域性流动是个体的流动成本、流动收益及研发人才集聚外部效应共同作用的结果,政府可以通过调节流动成本、流动补贴、社会保障福利及控制知识溢出便利性等来选择人才流动的进化路径.     

虚拟货币发放的进化博弈分析

针对虚拟货币发放问题中各博弈方的策略选择进行了进化博弈分析。首先,构建了虚拟货币发放企业间及虚拟货币发放企业和监管部门间的进化博弈模型及与之对应的复制动态方程,在对复制动态方程的分析基础上得到了博弈模型中各博弈方的进化稳定策略。研究表明企业所获的超额收益,监管部门的监管力度以及惩罚力度等将影响企业的策略选择;监管部门的监管成本、企业的策略选择等影响着虚拟货币市场的监管成效。并根据所构造的进化博弈模型,提出相应建议。     

基因表达式编程中的精英个体产生策略

为提高基因表达式编程(GEP)算法的进化效率,提出了一种用于产生GEP初始种群的精英个体产生策略.该策略通过逐步扩大染色体到目标值的距离,采用随机方式在较短时间内产生具有较高个体适应度的染色体,从而在初始种群中快速产生精英个体,使种群可以从一个较高的基础上开始进化,缩短了GEP算法的进化距离,从而提高了种群的进化效率.实验结果表明,在GEP算法挖掘函数的过程中,采用文中提出的策略,可以使GEP算法的进化效率提高17%.     

基于演化博弈的高校垃圾分类监管机制研究

以高校校园垃圾分类为研究对象,借助博弈论方法构建大学生和高校的演化博弈模型,分析了两者在不同策略下的成本和收益,研究了演化稳定策略,并进行仿真分析.结果表明,大学生垃圾分类行为与其分类成本、因分类而获得的环境正效应和因不分类而受到的声誉损失关系最为密切;学校制定的奖惩制度仅在短期内有效,但想使垃圾分类长期处于稳定状态,关键在于降低学生垃圾分类成本、提升垃圾分类的环境价值以及建立信息披露制度.     

进化计算中的精英个体产生策略

初始种群是影响基因表达式编程算法（GEP）的重要因素之一。提出了精英个体产生策略,产生具有较高的适应度的精英个体,使种群从一个较高的基础上开始进化,从而提高种群的进化效率。在此基础上,提出了综合精英个体产生策略和基因空间均匀分布策略优点的综合种群产生算法。实验表明,精英个体产生策略可以提高进化效率17%,综合算法可以更加有效地提高系统的进化效率。以上算法的思想还可以应用于其它进化计算中。     

环路的平均固定时间研究

进化图可以动态刻画一个种群的动态演化,定置概率描述进入种群的新突变体占据整个种群的概率,而平均固定时间反映了该种群的平均进化速度.本文研究了环路的平均固定时间.在种群个体数量很大的情况下,给出了环路上单个突变体的平均固定时间及其性质.当相对适应度0r1时,随着r的增加,环路的固定概率和平均固定时间都增加;而在r1时,随着r的增加,环路的固定概率增加了,而平均固定时间却减少了.     

基于代沟信息的自适应遗传算法

针对现有自适应遗传算法无法兼顾群体特性 ,难以稳定地收敛到最优解的问题 ,从种群多样性和适应度均值变化的角度 ,分析了进化停滞或退化的原因 .以种群适应度均值和多样性作为概率调整依据 ,提出了一种新的基于种群代沟信息的自适应遗传算法 .利用相邻两代群体间的适应度差异和多样性差异信息 ,设计了遗传概率的自适应调整策略 ,使算法维持较好的多样性 ,有效避免了早熟 .并证明了算法收敛性 .仿真结果表明该算法能够使种群保持良好的可进化性和收敛性 .     

南海利益相关体贸易合作复杂网络博弈仿真

在构建南海利益相关体经贸合作复杂网络的基础上,利用网络博弈模型深入分析邻居的奖励、区域合作的溢出效益、合作成本、背叛时的收益对节点国家合作策略选择的影响,并利用MATLAB软件对模型进行仿真.结果表明,奖励、溢出效益对节点国家选择合作行为有正向影响,牧鹿博弈比囚徒困境博弈、雪崩博弈更容易在合作策略上稳定下来.     

求解交货期可变动态调度问题的差分进化算法

针对差分进化算法求解动态优化问题时存在多样性缺失、寻优效率低的问题,提出一种多种群差分进化算法,将这种用于求解连续解空间优化问题的进化算法应用于顺序编码的动态调度问题求解中.该算法利用随机键编码表示法将连续位置向量转化为顺序编码,提出自组织多种群策略,将种群按动态空间特征自动分成主种群与子种群;由主种群不断探索峰值所在...     

基于可信度的多次重复博弈研究

提出了一种基于可信度的多次重复博弈算法,通过参与人在每轮博弈中采取的行动策略统计其可信度,参与人下一轮的行动策略与其可信度有关,根据可信度建立相应奖惩机制,单方面提高参与人收益会造成可信度下降,同时证明了在重复博弈中最终趋向于帕累托最优.     

动态参数调整的多策略差分进化算法

针对差分进化算法在处理函数优化问题时存在的收敛速度较慢和过早收敛的问题,提出了一种动态参数调整的多策略差分进化算法.先将种群随机分为3个独立的子种群,分别采用3种不同的变异策略来避免种群陷入局部最优,并通过动态参数调整机制提高算法的收敛性能.经过一定代数的进化后,将种群中的优秀个体进行择优保留.采用CEC2005的25个标准测试函数对算法进行仿真,实验结果表明,新算法能够有效避免过早收敛,具有较好的优化性能.     

并行多任务环境下Agent联盟的快速生成算法

针对并行多任务环境下Agent联盟的生成问题,提出了基于多种群蚂蚁算法的Agent联盟生成策略.在该联盟生成策略中,种群内部蚂蚁相互合作,协调资源分配并完成相应任务;种群间蚂蚁进行资源竞争,协调解决并行多项任务间的资源冲突.同时,改进的信息素更新策略在综合考虑局部联盟收益和全局联盟收益的基础上提高了算法的全局搜索能力和生成联盟的质量.仿真实验结果表明,文中算法在多种典型条件下都能生成比现有算法更加高效的联盟结构.     

一种改进的快速高效的差分进化算法

文章针对差分进化算法收敛速度和全局搜索能力之间不能同时兼顾这一问题,提出了一种改进的差分进化算法,该算法从动态更新种群、递增策略的交叉概率因子及递减策略的缩放因子对标准DE算法进行了改进,并用6个典型的测试函数对改进的差分进化算法和标准差分进化算法进行测试比较,结果表明改进后的差分进化算法在收敛速度、收敛精度和算法鲁棒性方面都要优于标准差分进化算法,采用动态更新种群的策略也有效地提高了算法的运算效率.     

基于子种群保留的可逆电路合成混合算法

为了进一步降低4bit以上中小规模可逆逻辑电路的量子代价,提出一种基于子种群保留的变长染色体编码混合算法.该算法在已有变长染色体编码混合算法的基础上,将子种群保留策略用于变长编码种群的进化,以保持种群多样性,避免陷入局部最优解;定义了变长编码染色体的近似度,以此作为种子提取和子种群划分的基础;提出了子种群重新启动策略和新的启发式子种群更新操作,克服变长编码种群进化过程中的遗传漂移,从而提高可行解率和解的质量.对4bit以上常用标准可逆函数测试结果表明该算法能大大降低合成可逆电路的量子代价.