一种基于Nash均衡的网格资源调度算法

运用博弈理论对资源调度算法进行深入研究,提出了能够反映供求关系的基于竞价的网格资源定价机制,并构造了网格资源和用户的效用函数,论证了资源调度中Nash均衡点的存在性和唯一性以及Nash均衡解.仿真实验表明,该资源调度算法与竞价策略能够使整个网格系统得到更高的运行效率,并且使网格用户获得最大的效用.     

种群分化遗传算法在求解多人非合作对策Nash均衡解中的应用

针对多人非合作对策难以求Nash均衡解的问题,作者对遗传算法中的种群分化算法进行改进,以解决这个问题.仿真实验的结果表明,对于求解Nash均衡解,此算法有了比较良好的效果.     

一类新的乘性子空间校正算法及其收敛性分析

基于Nash等人的MG/OPT算法和Tai等人的PSCA算法,提出了一类新的求解非线性无约束优化问题的乘性子空间校正算法,且对其收敛性及收敛速度进行了详细的分析.     

两个种群生态系统最优响应算法及其收敛性

针对一类生态系统中捕食者-食饵模型的种群竞争关系,用博弈模型研究两种群生态系统的最优响应系统,提出一种新的投影梯度算法.在一定的假设条件下证明了投影梯度算法全局收敛到所考虑博弈的Nash均衡点.     

一种基于思维进化计算和博弈论的QoS组播路由算法

针对满足多个约束条件的服务质量(QoS)组播路由的特点,提出了一种应用于下一代互联网的基于思维进化计算和博弈论的QoS组播路由算法.该算法由三部分组成:引入隶属度函数来描述"边"对用户QoS需求的适合程度;通过博弈分析判断网络方与用户在"边"上的效用能否达到Nash均衡;采用思维进化计算方法建立组播路由树,使得在树上不仅用户QoS要求得到满足而且网络方效用与用户效用达到或接近Nash均衡下的Pareto最优.仿真结果表明,提出的算法是可行和有效的.     

基于演化博弈的MANET路由算法

提出用演化博弈理论建模移动自组网非协作路由问题,在证明了博弈的Nash均衡和无环的有效路径之间一一对应之后,给出了基于演化博弈的路由算法．该算法采用模仿者动态机制调整策略使博弈逐步收敛于Nash均衡点．仿真结果显示在能保证节点密度的情况下,新的路由算法的报文发送率接近于节点间无条件合作假设下的路由算法性能．     

图上的Nash均衡问题算法研究

图对策是一类研究多人参与某种对局而产生的图模型问题,研究的核心在于如何寻找求解Nash均衡点的算法。一般图上求解Nash均衡解是NP-C的,这里从一类特殊的图出发,研究以这类特殊图为底图的对策的Nash均衡问题,并给出了其有效算法。     

非合作流速与拥塞控制博弈的应用

针对Internet用户的贪婪行为,引入非合作博弈理论,为非合作网络中的流速与拥塞控制行为建立模型,论证了上述博弈模型中Nash均衡点的存在性和惟一性.在分析了求解Nash均衡点解析解的基础上,设计实现了一种分布式流速控制算法(FCAG-SL).仿真实验表明,FCAG-SL算法具有良好的收敛性,应用流可以获得比其他拥塞控制算法更高的效用和整个系统的效用,验证了算法的可行性和有效性.     

多UAV协同搜索的博弈论模型及快速求解方法

在分布式模型预测控制（DMPC）方法框架下,提出了一种局部Nash最优的分布式搜索优化决策方法.设计了基于人工势场的协同机制,给出了势场的形成条件,在此基础上建立了多机协同的图论模型.引入局部Nash最优的定义,通过在连通分量的局部范围进行Nash最优迭代,降低了问题的求解维度.建立了以节点出度刻画UAV决策优先度的模型,根据决策偏序关系,提出了对称、主从、主从 对称3种决策形式,并给出了相应的Nash、Stackelberg和Nash Stackelberg的博弈模型,理论推导了该方法的计算复杂度.采用MPC和粒子群（PSO）优化相结合实现单架UAV的最优决策.仿真结果表明,所提出的方法能有效降低问题的求解规模和通信负担.     

并行进化算法及其在航空工程优化问题中的应用

提出了用于加速气动力形状优化过程的分级型Nash基因算法．分级型算法可以看作是并行基因算法的特例，后者使用了互相联系但独立进化的子群的概念．本文在并行基因算法中引入多层分级拓扑结构以提高算法的收敛性．这种拓扑结构混合使用不同精度的模型，低精度模型用于探索搜索空间，高精度模型用于对准优解进行提纯．将此方法与Nash博弈相结合，构造了多目标优化算法，并应用于气动力优化问题．针对喷管反设计问题与多段翼型高升力优化问题，在计算机集群并行环境下进行了计算，结果表明本文的算法具有较高的加速收敛特性．     

多组对策系统非劣Nash策略的功效系数算法

引进多组对策系统组内部合作对策非劣解的线性型功效系数方法,证明最优解是组内部隐含某一权重向量的合作对策的非劣解,由此得到合作对策的单目标规划问题.在组内部该问题的解不仅是非劣的,而且对于所有局中人都优于不合作时的Nash平衡策略.利用组与组之间的非劣反应集,构造求解非劣Nash策略的迭代算法.该算法在保留文献[3]优点的前提下,克服其缺点,得到的解优于文献[3]对应的解.最后,用实例验证了该算法的有效性和正确性,所得结论丰富了多组对策问题的内容.     

基于模糊-灰色非合作Nash博弈的多组动态武器-目标分配方法

 针对武器-目标分配(weapon-target assignment,WTA)中的不确定性因素,研究了一类对抗性质的多组动态WTA(multi-team dynamic WTA,MT-DWTA)问题.首先,构建了对抗性质的MT-DWTA模型;其次,引入距离折算因子、模糊-灰色的目标相对价值和组Nash策略对的概念,构建了模糊-灰色非合作Nash博弈的MT-DWTA模型;然后,把该模型转化为二次规划模型;最后,设计一种循环多次交换启发式遗传-蚁群优化算法,仿真结果表明新算法能够在较短时间内求解较大规模的MT-DWTA的优化问题.     

基于MAS的动态协作任务求解模型与算法

为提高动态网格资源的利用率,提出了基于多智能体系统博弈协作的任务动态分配和协作求解模型,建立了网格资源调度模型和任务求解算法,证明了资源分配博弈中Nash均衡点的存在性、唯一性和Nash均衡解。该方法能够利用用户智能体的学习和行为能力,使得用户的资源申请和任务调度具有较高的合理性和有效性。进行了供求关系中竞价博弈的模型试验。实验结果表明,资源调度算法不但可以有效减少延迟,而且在响应时间的平滑性、吞吐率及资源利用率方面比类似方法要好。使得整个网格系统供需合理、负载均匀。     

求解向量广义Nash平衡问题的一个精确罚函数方法(英文)

研究约束向量广义Nash平衡问题,其中所有函数都是凸的.利用精确罚函数技巧,在一定条件下,证明了解这样的约束向量广义Nash平衡问题可以简化为解约束向量Nash平衡问题.     

凹映射Nash均衡的存在定理

以通常的Nash均衡为特例,在此基础上,引入集值映射的Nash均衡概念,从而得到在凹映射和紧值条件下集值映射Nash均衡的存在定理.     

求解非完全信息对策Nash平衡解的学习算法

基于动物进化论思想,把二人两边非完全信息对策转化为n次重复对策.根据每两次重复对策之间有一定的关系,通过构造关系G=(1/n n∑i=1 aij)/(n∑i=1 n∑j=1 pi(X(n),y(n))qi),提出了一种寻求Nash平衡解的学习算法.     

广义集值映射Nash均衡点的存在性及Levitin-Polyak良定性*

针对以往集值映射Nash均衡点无约束的问题,提出了有约束条件下的广义集值映射Nash均衡点的概念,它以通常的Nash均衡点及Loose Nash均衡点为特例,首先,使用KKM定理的等价形式,得到了广义集值映射Nash均衡点的存在定理;其次,针对广义集值映射Nash均衡点的稳定性,通过定义Levitin-Polyak近似解序列,证明了Levitin-Polyak良定性的充分和必要条件,在此基础上,得到了广义集值映射Nash均衡点的Levitin-Polyak良定性结果;此外,通过给出实际例子,验证了广义集值映射Nash均衡点的存在性和Levitin-Polyak良定性结果,说明了大多数的广义集值映射Nash均衡点具有稳定的性质,同样,当其支付或可行约束对应映射退化为单值函数时,其存在结果和Levitin-Polyak良定性结果依然成立。     

基于Choquet积分的多目标模糊两人零和博弈Nash均衡

利用Choquet积分研究了多目标模糊两人零和博弈Nash均衡问题.引入gλ测度描述任意博弈目标子集的重要程度,建立了基于gλ测度Choquet积分的多目标模糊博弈集结矩阵,验证了该博弈集结矩阵的Nash均衡也是各单目标模糊两人零和博弈的Nash均衡.     

光滑度量空间上熵的渐进估计

在Bakry-émery曲率有下界的闭光滑度量测度空间上给出了加权Nash熵以及Perelman的加权W-熵随着时间演化的渐进估计,还借助于加权Laplace算子的第一非零特征值得到了加权Nash熵的一个精细估计.这些结果是Ni的关于Nash熵以及Perelman的W-熵演化公式的深化.     

基于静态非合作博弈的网络报文取样模型

为了提高网络入侵检测系统的性能,运用博弈论建立网络入侵报文取样模型.基于静态非合作博弈的分析思路,通过网络安全系统和网络攻击者调整自身的策略以取得最大化的效用,推导出混合策略Nash均衡的解析解,并根据该策略设计了网络报文动态取样算法(DDPSA)和集中式增量取样算法(CIPSA),以等概率攻击、随机攻击和博弈攻击等3种方式的攻击报文来检验2种算法的性能.仿真结果表明,CIPSA算法比DDPSA算法更为有效.CIPSA算法在3种攻击方式下均有相同的取样成功率,不仅表明CIPSA算法的稳定性,也验证了入侵报文取样模型混合策略的合理性.