复杂网络上博弈行为演化的合作激励

通过引入人类社会组织的激励机制,研究网络初始状态存在少量合作者时的囚徒困境博弈行为演化,着重探讨激励机制在网络结构作用条件下对群体合作行为产生的影响.首先从理论层面分析当方格网上存在一个合作者时,合作行为演化形成合作者聚集结构的激励条件;然后采用仿真实验方法研究方格网、规则小世界网络和异质小世界网络上随机分布少量合作者时,激励机制对合作行为演化的影响.研究发现,激励机制在不同的网络结构上总体表现出对合作行为演化的促进作用.但是在方格网和规则小世界网络上,由于节点度的同质化效应,针对合作行为的激励有时不一定会产生更好的合作状态,甚至可能起到负面的效果.     

惩罚机制对影响力不同群体合作行为演化的影响

在无标度网络中,研究惩罚机制对群体合作行为演化的影响.采用进化博弈论中重复囚徒困境博弈策略,考虑影响力的多样化,模拟分析在影响力同质和异质网络中分别引入惩罚策略对个体间合作关系的影响.仿真结果表明:在影响力同质网络中,惩罚机制会激励合作行为;在度小节点影响力大的网络中,惩罚机制也同样提高了群体合作率;而在度大节点影响力大的网络中,惩罚会使群体中策略分布趋于一个均衡状态.     

小世界网络中的公共物品博弈

研究了小世界网络中的公共物品博弈,分析了噪声以及网络节点的异质性对博弈行为的影响．我们发现,网络的小世界特性以及网络中的噪声对博弈过程中合作的涌现起抑制作用,而网络节点的异质性则对博弈过程中合作的涌现起促进作用．我们用平均场理论对得到的数值模拟的结果进行了对比和分析．     

基于Bak—Sneppen模型的舆论传播机制研究

BS模型通过简单的演化规则体现出复杂的演化动力学．将BS模型应用到舆论传播模型，在模型中植人一个新的参数一节点的质疑度，它是表示该个体对某一件舆论信息提出质疑的程度．质疑度越小，表明个体对舆论信息越相信，反之，越不相信．通过对模型性质研究和数值模拟发现，带有质疑度改进的BS模型上的舆论传播具有许多生物界进化的相似性．模型中的质疑度等性质在网络随时间演化充分时间后，网络能够自组织达到一个稳定临界态，稳定临界态指数也可以计算得到．     

复杂网络上的演化博弈研究

在自然界和人类社会中,合作行为是普遍存在的.如何理解自私个体之间合作行为的产生和维持吸引了来自各领域科学家的注意.目前,演化博弈理论被认为是研究合作行为的一个最有力的手段.随着复杂网络理论的迅速发展,复杂网络上的演化博弈受到广泛的关注.本文拟就复杂网络上的演化博弈研究做一综述,并对未来的研究提出展望.     

影响力异质性影响群体合作的演化

将进化博弈论与复杂网络相结合,借用经典的"囚徒困境"博弈策略来模拟研究个体之间在无标度网络中的合作演化行为.通过修改博弈规则,考虑不同个体具有不同影响力.模拟结果表明:个体影响力的差异性明显影响了群体的合作情况;不同影响力分布,有的可以促进合作的形成,有的却使群体很快陷入背叛的困境.     

复杂网络度分布的异质性对其同步能力的影响

讨论了一类度分布在无标度网络和随机网络之间连续可调的网络模型.提出连接密度的概念,在网络规模保持不变的前提下,研究度分布的异质性、连接密度对网络同步能力的影响.根据同步判据研究两类网络的同步能力.类型Ⅰ网络,其同步能力与网络度分布的异质性的相关性受网络连接密度的影响,连接密度较小时同步能力与度分布异质性无关.类型Ⅱ网络,其同步能力受网络度分布异质性和网络规模及网络连接密度共同影响.异质性越强、网络规模越大、连接密度越小,类型Ⅱ网络越不容易实现同步.     

生产商与销售商知识创新合作行为的演化博弈

研究供应链成员之间知识创新合作行为的演化趋势及其影响因素.在分析生产商和销售商策略选择收益的基础上,运用演化博弈理论,构建了知识创新合作行为的演化博弈模型,分析了系统的行为演化路径和演化稳定策略以及其影响因素的作用机理.结果表明:生产商与销售商的知识创新合作行为主要受到收益和成本等因素的影响,且当知识创新合作时所获得的净收益大于采取不合作策略时的净收益,生产商与销售商最终会趋于知识创新合作.     

一种超网络演化模型构建及特性分析

现实世界的很多超网络比如科学家合作超网络,演员合作超网络,WorldWideWeb（WWW）以及引文超网络都具有超边的增长和优先连接机制.基于这个原则,本文构建了一种超网络动态演化模型,并介绍了这个模型的一些基本拓扑性质,如节点度、节点超度、超边的度等.在此演化模型上重点理论分析了超度分布的特性,并进行了仿真实验,发现随着网络规模的增大,这个超网络动态演化模型的超度分布遵循无标度的特性.     

小世界网络上的差额选举模型

基于舆论演化模型,在小世界网络上建立了差额选举模型,研究了刻画网络结构的近邻数K和重新连接概率p及选举的差额度D对选举结果的影响．研究发现,在候选人初始支持率相同的情况下,K和p值增大,容易从候选人中产生代表,而且适当的差额度D有利于代表的产生．     

囚徒困境博弈策略在社团网络中的演化

为深入探讨社团网络的网络拓扑结构如何影响合作的演化和维持,在社团网络框架下,进行重复囚徒困境博弈.模拟结果表明了社团强度Q明显影响了群体的合作情况,具有适当社团强度的网络,可以促进合作的形成,且具有较高聚类系数的网络能激励合作行为的演化.当网络平均度越大,越无益于合作行为的产生.     

基于演化博弈的网络团购实现机制研究

基于演化博弈理论,构建网络团购实现过程中存在的三个演化博弈模型:团购网站与供应商之间的合作谈判博弈,团购网站与消费者之间的团购信任博弈,消费者、团购网站和供应商参与的三方博弈,并运用复制动态方程分析参与主体的行为演化及演化稳定策略.结果显示:合作谈判博弈中双方的演化稳定策略为(合作,合作)和(不合作,不合作);团购信任博弈中双方的演化稳定策略为(诚信,信任)和(不诚信,不信任);三方博弈的演化稳定策略则为(合作,合作,合作).     

无线传感器网络节点包转发策略重复博弈分析

针对无线传感器网络节点影响网络可用性与整体性能的自私行为,建立了一种传感器网络节点包转发策略的重复博弈模型.利用节点与邻居节点的重复博弈过程,理性节点采取合作策略,确保背离的自私节点参与合作;证明了该无限重复博弈模型可达到纳什均衡,能够有效地促进节点自发合作.仿真结果表明,在当前最优包转发概率下,节点之间合作获得增强,节点不愿采取背离策略,网络整体效用接近理想状态.     

合作演化与网络博弈实验研究进展

围绕合作的演化与涌现,本文基于两人囚徒困境和多人公共品博弈模型,重点介绍了近年来关于直接互惠和网络互惠的理论与实验研究进展.重复博弈为直接互惠的产生提供了必要条件.零行列式策略作为直接互惠中的一个新理论,近期被从理论与实验方面深入研究.零行列式策略是一种单步记忆策略,它可以单方面决定博弈双方的收益关系,这为探索人类决策行为规律提供了新工具.网络博弈实验研究发现,动态网络可以提升并维持人类的合作行为,而静态网络是否促进合作涌现尚存在争议.网络博弈实验有助于理解社会网络重要结构的形成机理与复杂系统中的行为涌现.     

生产商、批发商和销售商信息合作行为的演化博弈

针对低碳农产品供应链信息共享机制不完全与合作商之间存在博弈的现象,提出生产商、批发商和销售商信息合作演化路径,为了探究供应商信息合作的因素和利益关系,构建 3 种信息合作演化博弈模 型;首先,求解出生产商与批发商合作模型和批发商与销售商合作模型以及 3 方信息合作模型下的演化博弈 均衡解,通过对模型稳定性的分析,得到在供应链成员行为决策和期望利润驱使下系统整体随时间变化的动 态趋势;然后,将不同信息合作下的决策行为进行仿真分析,并对比3种模型,探索得出均衡策略和影响因素 的作用原理;最后研究结论表明:选择合作收益大于非合作情况下的收益,并且演化博弈系统最终趋向于合 作博弈策略,使总体和个体达到收益最大化。     

异质Erd?s-Rényi随机超网络上的演化博弈

提出了一种异质Erd9s-Rényi (ER)随机超网络.与传统同质ER随机超网络相比,异质ER随机超网络具有两个重要优点：能更有效地描述现实世界中的多层级结构和复杂关系,避免了孤立点的出现.同时,改进了传统同质ER随机超网络的构造方法,以避免出现孤立点.研究了在两种新的ER随机超网络上的演化博弈,采用了两种策略更新规则和一种博弈机制.实验揭示了以下结果：断连机制显著地促进了两种ER随机超网络的合作水平;基于两种策略更新规则,演化雪堆博弈的合作水平会随着成本效益比的增加而减小;虽然两种ER随机超网络的结构和性质是不同的,但是在其他参数相同的情况下,两种演化博弈的合作水平在两种网络上是相似的.     

演化少数者博弈在小世界网络上的信息传递效应

研究了演化少数者博弈在Newman和Watts提出的小世界网络(NW小世界网络)上的局部信息传递作用.在奖罚比R不同的情况下,经纪人对策略的选择不同,系统的p值分布存在一个相变.数值模拟结果显示,在Ps相同情况下,NW小世界网络上的标准方差比由Watts和Strogatz提出的小世界网络(WS小世界网络)上的标准方差小,对资源的利用效率更高.     

旅游供应链企业间合作策略的演化博弈分析

在旅游供应链中构建了服务提供商和旅行社的演化博弈模型,分析了影响演化路径及演化结果的因素、契约约束应满足的条件.结果表明:合作策略带来的超额收益可以增大双方合作的概率;机会主义行为带来的额外收益越小,整个系统演化到合作策略的概率越大;机会主义行为带给忠诚方的成本损失越小,系统演化到合作策略的可能性越大;双方制定的契约必须满足一定的条件,才能保证契约是有效的,避免整个系统陷入不合作策略的"囚徒困境".     

基于神经元连接的脑网络减边演化算法

神经元间的连接以先增大后减小的方式演化,这提示了大脑神经元网络在演化过程中存在“剪除”过程。以“剪除”为启发,本文首先使用数学方法对大脑网络进行建模,然后基于大脑网络中的神经元连接方式,设计了网络减边演化算法。最后,考虑布线消耗和信息传输之间的效率,建立了大神经元优先与距离优先的演化博弈模型,探索该模型对脑网络拓扑结构特性的影响。实验结果显示,在此演化过程中呈现了中心节点度≈200、小世界特性S>1和高效率代价比等性质, 表明该算法能够有效模拟仿神经元剪除机制。上述算法和模型为有效模拟高效低能耗的脑网络提供了一种新途径。     

基于神经元连接模式的脑网络减边演化博弈算法

神经元间的连接以先增大后减小的方式演化,提示了大脑神经元网络在演化过程中存在"剪除"过程。以"剪除"为启发,首先使用数学方法对大脑网络进行建模;然后基于大脑网络中的神经元连接方式,设计了网络减边演化算法。最后,考虑布线消耗和信息传输之间的效率,建立了大神经元优先与距离优先的演化博弈模型,探索该模型对脑网络拓扑结构特性的影响。实验结果显示,在此演化过程中,呈现了中心节点度约为200、小世界特性S1和高效率代价比等性质,表明该算法能够有效模拟仿神经元剪除机制。上述算法和模型为有效模拟高效低能耗的脑网络提供了一种新途径。