一种改进的BP算法

讨论了网络学习过程中的假饱和现象，并给出了克服方法，同时，也讨论了学习样本输入编排机理，给出了一种避免网络学习出现的局部极小的算法。通过实例验证此方法非常有效。     

基于复杂网络少数者博弈模型的金融市场仿真研究

本文构造了具有学习机制、学习结构及时间控制策略(持续期策略)的复杂金融网络少数者博弈模型. 基于少数者博弈模型, 以网络学习作为Agent的主要学习机制, 基于随机网络、小世界网络及无标度网络三种网络, 分别对应金融市场中全局信息下的投资者随机决策, 基于社会网络的决策, 及寡头垄断下的决策, 以持续期期作为时间控制要素, 通过仿真观察到金融市场收益分布的"尖峰厚尾"特征、寡头市场股价异常等金融市场复杂现象, 并分析了学习机制、 学习结构及持续期策略在博弈中的作用及产生的不同市场效应.     

进化博弈模型中有限理性个体学习机制设计框架

进化博弈突破了传统博弈理论完全理性的限制，提出了一种动态分析方法，模型中的动态产生的根源就是个体的学习行为，因此学习机制的设计是分析进化博弈问题的基础。本文在划分决策过程的基础上提出学习机制的设计框架，并针对不同的决策阶段具体设计了不同的学习机制模型，为进一步研究进化博弈问题提供了理论依据。     

有限理性下的演化博弈与合作机制研究

指出了以Nash为代表的经典博弈论及其纳什均衡解在完全理性假设下的理论缺陷,从而引入有限理性下的演化博弈论.介绍了演化博弈论中策略进化的思想,提出有限理性的实质是怎么去学习,进而探讨了演化博弈中的各种学习模型.介绍了基于个体的学习模型和网络上的演化博弈研究进展;提出了用演化博弈去解释现实复杂网络的设想;分析了网络结构和博弈策略的互演化思想.讨论了演化博弈框架下合作的进化及合作机制的研究进展.最后,对演化博弈今后的发展趋势和研究方向给出了评述.     

基于深度强化学习的应急通信网络规划方法

针对应急通信网络规划传统算法对先验知识要求高、时效性不强等问题,提出一种基于深度强化学习的应急通信网络拓扑规划方法。研究了基于蒙特卡罗树搜索与自博弈相结合的网络规划样本数据生成方法,设计了基于残差网络的策略网和价值网,在此基础上使用Tensorflow库对模型进行构建和训练。仿真结果表明,提出的规划方法能够有效实现网络拓扑的智能规划,且具有较高的时效性和可行性。     

基于深度强化学习的应急通信网络规划方法

针对应急通信网络规划传统算法对先验知识要求高、时效性不强等问题,提出一种基于深度强化学习的应急通信网络拓扑规划方法。研究了基于蒙特卡罗树搜索与自博弈相结合的网络规划样本数据生成方法,设计了基于残差网络的策略网和价值网,在此基础上使用Tensorflow库对模型进行构建和训练。仿真结果表明,提出的规划方法能够有效实现网络拓扑的智能规划,且具有较高的时效性和可行性。     

基于复杂网络与随机动态稀释机制的演化博弈分析

借助复杂网络的理论与方法，以演化博弈理论为基础，提出了随机动态稀释机制，并探讨了该机制对复杂网络上演化博弈的影响。对无标度网络、小世界网络和规则网络这三种典型网络上的博弈过程进行了模拟，并分析了结果。通过同质性网络与异质性网络上合作行为的比较研究，发现随机动态稀释机制能使同质性网络产生局部异质性，从而促进合作。并且当随机概率P=P^＊时，会出现最佳合作行为。     

基于参与人关系网络的高铁快递合作博弈模型研究

在考虑高铁快递参与人之间关系网络的前提下,采用循序渐进的方式构建基于网络的高铁快递合作博弈模型.分析和证明网络合作博弈的性质,同时发现由于网络结构的存在,现有普通联盟合作博弈的收益分配方案在网络合作博弈中不再适用.于是在分析网络合作博弈的核的表现形式和性质的基础上,结合合作博弈的性质,通过证明和比较得出MJW值是高铁快递网络合作博弈合理稳定且有效的收益分配方法.研究拓展了网络合作博弈理论在OM领域的应用,同时为交通运输承运人之间的合作运作提供了决策参考.     

进化博弈中多代理人强化学习模型

将强化学习引入到进化博弈中,建立了进化博弈中的多代理人强化学习模型,并基于Q-学习给出了算法流程,仿真算例的结果表明多代理人强化学习模型能使得博弈人不断学习、寻求最优策略.     

复杂网络：结构和动力学

6 应用 本章将讨论前述理论在实际网络中的应用，包括网络的结构和动力学两方面的问题。首先回顾社会网络的某些结构并考虑两类社会网络（意见形成和博弈模型）的动态演化，然后探讨因特网和万维网的统计属性，最后集中讨论生物和医学复杂网络，如分子成分之间的相互作用网和神经网络。     

战略网络内部相互信任激励模型及策略

制定有效的激励策略，克服战略网络发展过程出现的“败德行为”信任风险，既是促进网络内部相互信任发展的动力所在，也是战略网络管理的关键问题之一。本文运用委托代理理论建立网络内部相互信任激励通用模型，并对模型进行有效性分析。最后根据激励模型及其有效性分析结论，制定相应的激励策略，为网络内部相互信任管理提供有效的技术方法。     

神经网的自适应学习准则及其算法

无教师学习网络具有较强的自适应学习能力。本文讨论神经网的自适应学习准则，包括误差平方和准则，相关准则和模糊熵准则，同时给出相应的学习算法。     

电信网络运营商形成共谋的机理分析

通过一个二阶动态互联模型,探讨了对称情况下电信网络的互联行为,研究了电信网络共谋的机理,指出产品差异足够大是产生共谋的必要条件,并且模拟了服务的价格需求弹性与形成共谋的关系.最后,对防止电信网络共谋行为提出了针对性的建议.     

学习联盟中防范机会主义机制的博弈分析

多数文献都把学习联盟中的价值创造与防范机会主义的治理机制问题分开来进行研究。利用动态博弈的方法，本文发现，学习联盟的价值创造活动中隐含着一种具有自我执行特点的治理机制，其特点是，通过联盟成员的资源的互补性和两种类型的学习能力之间的关系所具有的承诺作用，该治理机制就可有效地防范学习联盟中可能发生的机会主义现象，从而就将价值创造与防范机会主义的研究统一起来了。     

多个建设方联合投资电厂决策的期权博弈分析

对于参与联合投资的各方而言,参与者依其规模可能有大有小,大企业与小企业之间的策略互动关系就形成一个博弈。当博弈方的总体利益与个别利益冲突时,个别企业又会以自身的利益为重,此时投资各方(博弈方)的投资决策就可能陷入"囚犯困境"。本研究采用实物期权(不可逆投资理论)的评价方法与思想,同时结合博弈论的思想方法,探讨投资各方在进行联合投资时,各投资方(博弈方)可能发生的各种策略行为。不同于目前的大部份文献,仅将焦点投注在各种实物期权方法上评估的差异,本文依据实务期权的内涵,提出投资方签订小规模企业向大规模企业缴纳期权费的产能合同的方式,以取得产能选择权。研究在此情况投资各方的策略行为是如何影响企业的投资方的决策。     

一种简化的移动卫星网仿真方案

鉴于以星座组网模式建立的卫星网在仿真上实现的难度很大，提出了一种简化的卫星网仿真方案，利用地面固定的有线网络，在其中加入卫星网特性模型，使其完全呈现出卫星网固有的动态网络拓扑特性和动态网络时延特性。最后在OPNET上实现了本仿真方案。     

复杂网络上的演化博弈动力学——一个计算视角的综述

复杂网络上的演化博弈是复杂网络与演化博弈结合而形成的新型交叉研究领域,它以复杂网络和演化博弈动力学分别刻画个体间的交互关联结构以及决策范式,为分析和预测复杂交互环境下群体的决策行为提供了一个系统的研究框架。旨在从一个计算的角度对复杂网络上的演化博弈动力学进行一个简要的综述:介绍复杂网络上演化博弈动力学模型的数学描述;分析网络上演化博弈动力学的计算复杂性;概述复杂网络上演化博弈动力学的若干主要解析结果等。这些结果是对于复杂网络上演化博弈动力学仿真研究的一个有效补充。     

不同技术差异条件下组织间学习过程的模型分析

不同的技术差异水平影响了组织间的开放程度和吸收能力,从而影响了组织间学习的效率.本文在同时考虑组织间的开放程度和吸收能力对组织间学习过程的影响的基础之上,通过对不同技术差异条件下组织间学习过程特征的分析,建立了相关的博弈模型.该模型揭示了企业间技术差异、开放程度、吸收能力与企业努力水平和企业收益之间的关系.     

校园恶性突发事件发生机理的“规则-策略”博弈学习模型

在"规则-策略"的博弈理论范式下, 建立了校园恶性突发事件发生机理的博弈学习模型.首先, 通过建构社会边缘人的心智模型(包括主观认知规则和决策规则), 分析了校园恶性突发事件中社会边缘人从理性的学习规则, 到非理性的反社会学习规则的"规则学习"过程(即"规则学习"遵循着同时包含了强化学习规则与理性规则的广义强化学习模型), 得出了社会边缘人面对自身博弈收益的持续恶化状况, 采取非理性的反社会行为规则的临界条件.其次, 分析了校园恶性突发事件处于潜伏期、爆发期和扩散期等不同演化阶段中社会边缘人的"策略学习"过程, 构建了社会边缘人的"策略学习"的模仿学习模型.最后, 提出防范校园安全的综合治理对策.