不完全信息下的专利投资

外部随机发生的事件中蕴含着专利未来前景的不完全信息,这些信息会影响企业的专利投资决策.考虑不完全信息和竞争,建立实物期权投资决策模型,分别得到了单个企业和双寡头企业投资专利所需的临界信念,并进一步分析了两对称企业竞买同一个专利可能出现的均衡类型及产生条件.结果表明,竞争的力量和专利固有的"赢者通吃"特性不仅使得投资所需临界信念降低,由领导者投资后所产生的信息披露效应从而带给追随者的后发优势也将不复存在;同时,出现错误投资决策的概率也随之增大;企业间的竞争均衡可能会出现占先均衡和同时投资均衡.     

基于不完全信息竞赛理论的员工激励机制研究

在企业组织管理过程中,有效激励是增加员工努力程度最主要的行为驱动力.当企业的薪酬与晋升方案确定时,如何借助信息理论进一步完善激励机制,增强员工的努力程度具有重要研究意义.文章借助不完全信息下全支付拍卖模型,分别刻画了企业公开披露绩效考核结果与否时员工的均衡行为,系统分析了不同信息披露机制对员工努力程度的影响.研究发现:从企业的角度,为充分调动员工努力工作,应选择不公开前一阶段绩效考核结果;从员工的角度,为最大化自身利润,无动机相互告知绩效考核结果,保证了企业信息披露机制的有效性.据此,本文认为在现有激励理论的基础上,可以从信息披露机制设计角度,进一步优化对员工的有效激励,提升企业效率与竞争力.     

削减量信息不完全条件下双寡头厂商治污技术投资决策

基于赢者通吃和信息不完全的假设,建立了削减量信息不完全下,双寡头厂商治污技术投资期权博弈模型,并进行了数值模拟。研究表明,厂商的博弈均衡存在且唯一,对称厂商的均衡结果为同时均衡;不对称厂商的均衡结果可能为序贯均衡、抢先均衡或同时均衡。     

不完全信息公权寻租竞赛与寻租治理北大核心CSSCI

通过在竞赛模型中引入监督者,建立了不完全信息公权寻租竞赛模型,给出了贝叶斯Nash均衡的5种情况及其存在的条件。用数值分析方法得到平均浪费的社会资源随参数的变化图形。针对中国当前反腐的现实情况,根据研究所得结论,给出了反腐败的政策建议。     

不完全信息条件下企业R&D最优投资时机的期权博弈分析

运用实物期权与博弈论相结合的方法,研究在不确定的竞争环境和不完全信息条件下企业R&D投资的最优时机.通过假设企业不知道竞争对手的抢先投资临界值但知道其概率分布引入不完全信息.研究表明,不完全信息减缓了竞争对企业R&D投资等待期权价值的侵蚀,从而延缓了企业的R＆D投资.企业R＆D投资的最优时机取决于企业对竞争对手抢先投资危险率的推测,危险率越高,投资越早.     

不完全信息条件下企业R&D 最优投资时机的期权博弈分析

运用实物期权与博弈论相结合的方法,研究在不确定的竞争环境和不完全信息条件下企业R&D投资的最优时机.通过假设企业不知道竞争对手的抢先投资临界值但知道其概率分布引入不完全信息.研究表明,不完全信息减缓了竞争对企业R&D投资等待期权价值的侵蚀,从而延缓了企业的R&D投资.企业R&D投资的最优时机取决于企业对竞争对手抢先投资危险率的推测,危险率越高,投资越早.     

不完全信息下异质多寡头投资的复杂性研究

提出了一个不完全信息下的异质多寡头投资竞赛的非线性动力学模型,然后以三寡头为例进行数值仿真,研究了其Neimark-Sacker分岔的存在性,接着通过计算第一Lyaponov指数,对模型中产生的Neimark-Sacker分岔的方向及其不变封闭曲线的稳定性进行了计算和证明,最后对系统的复杂性演化路线进行了相应的数值模拟...     

寻租现象监督治理的不完全信息动态博弈分析

针对寻租治理过程中存在的信息不对称性,建立了政府稽查部门和利益集团之间的三个不完全信息动态模型,给出了各自的子博弈精炼贝叶斯纳什均衡.结果表明,单纯的对寻租行为进行处罚或对稽查行为进行奖励,并不能有效的减少寻租现象,而只有在处罚寻租行为的同时,对不同稽查行动进行普遍的激励,才能改善治理的效果,有效防止寻租行为.     

不完全信息下的群体决策仿真

为研究互联网个体交互,描述网络舆论演化与群体意见形成,建立了人员个性不完全信息博弈的策略选择模型,并对其进行了仿真和分析．根据网络交互的信息不对称性,提出了基于个体自信程度的不完全信息的支付矩阵,并使用海萨尼转换分析了博弈的贝叶斯纳什均衡;进一步地引入了个体记忆,通过交互进程更新了个体对邻居个性的认识．仿真结果表明,在不完全信息环境下,系统收敛时间更短,信息传播更快．研究内容有助于理解网络事件更易产生一致意见的演化规律,为网络舆论的引导策略提供参考和借鉴．     

基于不完全信息博弈的关联基础设施网络保护策略研究

攻击的智能性和基础设施网络间关联的复杂性为制定关键基础设施保护策略带来了巨大挑战.基于此,本文以社区关联基础设施网络为对象,探讨了在攻击和保护资源有限的一般情形下,求解最佳保护策略的模型和有效算法.首先,根据城市社区关联基础设施网络间的关联关系,构建了关联基础设施网络物理模型;其次,基于网络最大流思想,设计了“最大流综合指数”来表征多个关联基础设施网络的工作绩效.然后,基于保护策略公开和攻击者总是选择最佳的攻击方式破坏关联基础设施网络的博弈场景,构建了用于求解不完全信息下“攻击资源不确定-保护资源有限”的关联基础设施网络保护策略求解模型.进一步,设计了计算单向依赖关联基础设施网络遭受攻击后的最终失效组件计算方法,并提出求解关联网络最佳防守-攻击策略的probabilistic solution discovery algorithm (PSDA)算法.该方法被应用到一个代表性算例当中,以验证算法的有效性和解释模型的应用.     

用户随机到达的反馈叠加能量检测算法

在认知无线电网络中,用户（主用户或者次用户）随机到达对频谱检测的性能有很大影响,为解决这个问题,本文提出了一种反馈叠加能量检测算法。通过将检测周期后半部分采样点的瞬时能量值累加到检测周期前半部分采样点的瞬时能量值上,在不延长检测时间的基础之上,改善了整个检测周期的能量统计值。进一步,从理论上分析了本文算法的检测概率、虚警概率、数据碰撞概率和吞吐量。仿真表明,相对现有文献检测方案,本文算法不仅能提高检测性能,而且可以降低用户之间数据发生碰撞的概率,从而提高次用户的吞吐量。     

基于遗传算法的不完备信息系统属性约简方法

提出了一种基于遗传算法的属性相对约简算法。通过在不完备信息系统中引入决策属性支持度的概念,来描述由条件属性所提供的知识对整体决策的支持程度,以此作为启发式信息求出相对核,并将相对核加入遗传算法的初始种群中以加快算法的收敛。同时,在适应值函数中引入惩罚函数,可以保证所求约简既含较少的属性又有较强的支持度,能够获得最佳的搜索效果。该算法通过实例分析,证明是求解属性约简问题的快速有效方法。     

不完全信息条件下的装备保障网络抗毁性模型

基于复杂网络理论,在对装备保障网络进行复杂网络描述的基础上,努力挖掘装备保障网络所面临威胁的特点,重点建立了不完全信息条件下的装备保障网络一般性攻击策略模型,同时给出了装备保障网络抗毁性测度的计算方法,并对基于流介数的网络节点重要度计算方法以及网络抗毁度进行了定义,由此构建了装备保障网络的抗毁性模型.研究结果表明:信息指数比攻击力度指数对装备保障网络抗毁性的影响程度要大,反映了信息化条件下获得制信息权的重要性;对装备保障网络的了解达到一定程度之后就能达到比较理想的攻击效果,而不需要对系统进行完全了解.     

不完全信息下基于交叉评价的灰色关联决策模型

借鉴DEA交叉评价思想,构建不完全信息下的灰色关联决策模型.决策者对决策对象无"偏好"时,假设各决策对象均具有使"自身评价值最大化,竞争对手评价值最小化"的"自利性"特点;决策者对决策对象有"偏好"时,假设各决策对象均具有使"自身客观偏好与决策者的主观偏好的接近程度最小化"的一致目标.各决策对象按照最有利于自身的权重对所有决策对象进行交叉评价,集结后的交叉评价结果作为决策基准.新模型能公平体现各决策对象的"发言权"和竞争优势,决策结果易于被决策对象和决策者同时接受.     

不完全信息下的粗集拓展

在复杂的决策环境下，不完全信息是不可避免的，在此情况一，专家往往也能给出满意的决策，因此从不完全的案例中提取有用的模式，用于增强智能系统的知识库，是具有实际意义的，粗集是处理不确定信息的有效方法，但它通常适用于完全决策者，论文对粗集理论在不完全信息下进行了初步的拓展，这给从不完全决策表中挖掘知识提供了理论基础。     

SCHEDULING TWO GROUPS OF JOBS WITH INCOMPLETE INFORMATION

In real world situations, most scheduling problems occur neither as complete off-line nor ascomplete on-line models. Most likely a problem arises as an on-line model with some partialinformation. In this article, we consider such a model. We study the scheduling problem P(n_1,n_2),where two groups of jobs are to be scheduled. The first job group is available beforehand. As soon asall jobs in the first group are assigned, the second job group appears. The objective is to minimize thelongest job completion time(makespan). We show a lower bound of 3/2 even for very special cases.Best possible algorithms are presented for a number of cases. Furthermore, a heuristic is proposed forthe general case. The main contribution of this paper is to discuss the impact of the quantity ofavailable information in designing an on-line algorithm. It is interesting to note that the absence ofeven a little bit information may significantly affect the performance of an algorithm.     

基于语言变量的不完全文本评语的评价模型

研究了项目评审中考虑专家文本评语和专家评分综合值的决策模型。将文本评语提炼成若干评价指标测评点,构建了含有评语信息和评分值信息的决策矩阵;建立了不完全文本评语下群体和个体指标测评点权重估测模型;提出了不完全文本评语残缺数值的估算模型;建立了考虑专家评审熟悉程度和评语接近程度的评分修正模型。最后的算例说明了方法的可行性和应用步骤。     

信息不完全确定的多准则语言群体指派方法

针对决策者权重和准则权重信息不完全确定且评价信息为语言值的多准则指派问题,提出了一种新的求解方法。该方法利用二元语义对语言评价信息进行处理和运算。首先将决策者在各准则下给出的语言评价矩阵转化为二元语义,并利用二元语义的Δ函数及其逆函数Δ-1将其结集为群体在不同准则下的评价矩阵,然后利用二元语义的算术平均算子将不同准则下的评价矩阵结集为综合效率矩阵,再结合决策者权重和准则权重的不完全确定信息等构建非线性混合整数规划模型,并利用粒子群算法与匈牙利算法联合进行求解。最后实例说明该方法的可行性和有效性。     

不完全信息的离散型模糊随机多准则决策方法

针对状态概率与准则权重均为区间数且准则值有缺失的离散型模糊随机多准则决策问题,设计了一种基于信息集结的新方法.该方法在区分准则类型和确定决策者的风险偏好水平后,首先根据准则类型利用最大、最小算子计算方案集在不同状态下有缺失值的准则上的正、负理想值,再通过决策者的风险偏好水平与正、负理想值补充方案集在不同状态下缺失的准则值,然后参照准则类型与决策者的风险偏好水平集结方案集在不同状态下赋值为梯形模糊数的准则值并进行规范化,接着利用熵与离差最大化分别构建规划模型以求解最优状态概率分布与最优准则权重向量,进而得到方案集的综合评价值并确定排序,最后给出具体算例.结果显示了该方法的有效性和可行性.