空间博弈中基于信号传递的合作行为演化仿真

为了研究信号传递对合作行为演化的影响,利用Repast仿真软件建立合作行为演化模型,根据信号和策略将个体分为利他者、排外者、谄媚者和背叛者,研究信号对合作水平的影响及机制.仿真结果表明,信号是影响合作水平的重要因素,演化过程中发出相同信号的个体形成团簇,发出不同信号的个体相互制约,并且合作水平随着b值的增大而降低.与无...     

基于小世界网络的商业合作信用演化仿真

基于小世界网络理论构建了一个企业合作关系网络, 提出了自我反省与模仿集体相结合的个体企业学习策略。通过NetLogo对经济区域商业合作信用演化过程进行了仿真。结果表明, 在无管制的情况下, 经济区域的商业信用情况会不断恶化, 而失信惩罚协约以及信用公开机制都能有效地改善经济区域的商业合作信用。     

基于SPD的网络演化仿真研究

复杂网络结构演化研究中多探讨"如何形成",而忽视了 "为什么这样形成"的问题.基于合作演化的角度,利用空间囚徒困境理论,对社会网络中的个体进行了分类,并建立网络演化中个体选择的微观动力学机制,建立了社会网络的结构演化模型.使用多主体系统仿真工具Repast进行了仿真.利用度分布、聚集系数、平均最短路径及社会总收益作为演化判据,给出了网络演化的仿真结果.结果表明合作机制下的演化网络展现出明显的小世界特性,说明合作机制可以在一定程度上解释现实网络形成的原因.并且指出对于社会整体来说,即使在合作者较少的情况下,也能够通过社会关系的改善极大的提高社会的总体收益.     

基于演化博弈研究移动和噪声对合作的影响

针对规则格子上的节点的自私行为不能有效抑制的问题,提出一个结合个体移动和噪声因素的演化囚徒困境模型。该模型结合ALLC、ALLD、TFT和TF2T四种策略来分析个体移动和噪声两个因素分别和共同对演化博弈中合作行为的影响。模型中的博弈者根据收益差异,可以移动到比当前位置收益高的邻居域的空位置,并且在反复博弈过程学习、模仿,不断调整博弈策略,提高博弈所得,最后达到进化稳定状态。最后在Matlab平台上进行仿真实验,实验结果表明,该模型能够促使个体合作,并且对个体的欺骗行为具有抑制作用。     

时间尺度与选择倾向性协同作用下的演化博弈模型

针对合作行为的涌现与维持问题，基于演化博弈理论和网络理论，提出了一种促进合作的演化博弈模型。该模型同时将时间尺度、选择倾向性引入到演化博弈中。在初始化阶段，根据持有策略的时间尺度将个体分为两种类型：一种个体在每个时间步都进行策略更新；另一种个体在每一轮博弈后，以某种概率来决定是否进行策略更新。在策略更新阶段，模型用个体对周围邻居的贡献来表征他的声誉，并假设参与博弈的个体倾向于学习具有较好声誉邻居的策略。仿真实验结果表明，所提出的时间尺度与选择倾向性协同作用下的演化博弈模型中，合作行为能够在群体中维持；惰性个体的存在不利于合作的涌现，但是个体的非理性行为反而能够促进合作。     

基于演化博弈的供应网络企业收益与合作行为的关系仿真

利用演化博弈的理论, 探讨了供应网络中处于不同位置的核心企业和非核心企业两个群体间的成员其投入合作的策略根据收益变化而改变的演化过程; 建立了复制动态方程并求得平衡点解, 据此通过复制动态的相位图直观反映了博弈的演化稳定策略; 并通过Netlogo软件对企业行为选择与收益的关系进行了仿真, 其行为选择的演化结果与相位图展示结果具有一致性。研究结论表明, 收益获得及变化是企业合作行为改变以及合作策略选择的重要依据, 企业间演化稳定策略不仅仅局限于参与合作与放弃合作, 长时间观望也是企业可能的策略选择; 最后针对如何提高供应网络企业间合作的稳定性提出了对策建议。     

基于演化博弈的P2P系统中Node合作机制研究与设计

P2P是一种点对点的共享机制,针对P2P在网络文件共享中由于占用带宽问题,网络上传问题影响网速问题,引入经济学的博弈论,来提高P2P网络的性能,以及如何能充分利用P2P节点的资源,让网络中的资源寻找更加流畅,提高网络共享的效率是我们目前要解决的问题。     

基于双层演化的多人囚徒博弈研究

针对传统的多人重复囚徒博弈（NIPD）难以在大N值时涌现高合作率的问题进行研究,分析了NIPD模型在自由竞争模式和协议竞争模式下的博弈情况,类比2-IPD问题的“针锋相对”策略（TFT）,提出了“类TFT”的策略思想,并结合协同进化的理论,提出Agent及其聚集体Group分层演化的思想,建立了双层演化的仿真模型DL-NIPD。实验结果表明,自由竞争模式只适合小N值的合作,要从根本上保证任何N值下系统都能涌现很高的合作率,必须建立起双层的演化模式,通过显式的协议和团队的竞争,来促进微观主体的合作。     

基于复杂网络与演化博弈的群体行为策略分析*

在对演化博弈理论和复杂网络研究的基础上,根据现实社会网络的特性,选取囚徒博弈作为范例,对复杂网络基础上的演化博弈进行研究。分析了网络中个体间协作关系的演化过程、网络收益和个体收益的分布状况,以期为网络结构和群体行为间互动关系作出定性分析,并在一定程度上对复杂网络的形成原因进行解释。     

基于遗传算法的三维植物进化模拟

虚拟自然景物技术发展到今天,构造虚拟植物的模型已经很多,但多数都侧重于图形学方面,主要研究对象在某一时刻的形态。受达尔文生物进化论思想启发,借鉴生物界自然选择和进化机制,从植物种群着手,以进化过程为研究对象,为实现计算机对植物进化过程模拟,提出了一种基于遗传算法和L-系统的植物进化模型。该模型无论对于计算机虚拟现实还是植物学研究都具有较高的实用价值。     

基于GPU的并行协同差分进化算法研究

针对大规模高维数复杂非线性函数优化的问题,提出一种新的基于GPU的协同差分进化算法。该方法将协同进化的思想引入启发式差分进化算法,随机分解大规模计算问题,利用GPU处理数据的并行性,同步计算分解后的子问题,加快算法的精度和收敛速度。实验对比结果表明,所提出的基于GPU的协同差分进化算法对大规模非线性函数优化具有更高的精度和效率。     

基于代理模型和遗传算法的仿真优化研究

首先由已知样本建立神经网络作为代理模型，替代费时的仿真评价而快速给出近似目标值；然后基于代理模型，采用GA进行决策量寻优．为增强优化结果的可靠性和一致性，讨论了按问题信息选取样本和多模型方法.基于典型压力管设计问题的数值仿真，验证了所提出方法的可行性和有效性，其结果明显优于现有文献结果.     

基于多种群进化小生境遗传算法的神经网络进化设计方法研究

针对神经网络进化设计问题中棋型解基因编码与棋型解空间的特点，提出了多种群进化小生境遗传算法。该神经网络进化楚棋方法设计简单、通用，棋型性能评价全面合理，全局搜索效率高，电力负荷预测支持系统的实际应用效果表明此方法是有效的，具有一定的应用推广价值。     

基于单亲遗传算法的动态设备布局仿真研究

针对柔性生产环境下的设备布局问题，提出了一种基于单亲遗传算法原理的启发式算法．发展了一种新颖的适用于动态设备布局的遗传换位操作算子，并提出在单期布局编码子串上应用换位概率的策略，增加了种群的多样性．Matlab编程实现算法，通过大量仿真模拟并与其他算法进行比较分析，证实了所提出方法的有效性．提出的算法在问题规模不大时可以迅速而准确的获得优化解，在问题规模较大时也能在较短时间（与其他算法相比）获得满意解，因此具有较好的综合性能．     

基于利他激励的群体演化合作模型

为探究个体与系统状态的演化,构建了个体行为策略与网络结构的演化模型,探讨个体在利他激励机制下对合作演化的影响。在该模型中,个体首先通过对其他个体的帮助获得一定的额外互惠收益,并通过个体混合收益累计个体收益与帮助其他个体获得额外收益的加权,以此来激励个体合作。然后在博弈过程中,通过个体混合收益取代费米函数中的个体累计收益用于促进个体选择利他合作策略,从而促进整个群体的总收益与合作水平。蒙特卡罗仿真实验结果表明,个体在利他激励机制下更愿意帮助其他个体。在不同网络结构中,小世界网络最能扩散利他激励机制,其系统合作者密度最高。     

非均匀演化的动态遗传算法

针对传统遗传算法的缺陷,提出一种基于基因位置分布差异而进行演化的改进算法.该算法利用2进制编码位置的差异性,在评价机制的基础上对种群进行动态的划分,并针对各个不同子种群的特点,使用动态的演化参数进行独立的演化操作,使得算法种群的构成类型能够保持多样性的发展,有效地抑制了“早熟”现象的发生.通过后续多个测试函数的对比实验结果表明,该算法在收敛速度、精度及稳定性上有所提高.该算法简单、易于实现、具有较强的通用性,是一种有效解决优化问题的方法.     

炼钢-连铸作业计划的基于仿真的遗传算法

为了改普作业计划的可执行性,应用基于仿真的优化对炼钢-连铸作业计划问题进行了研究.借助数学模型描述该问题,进而开发了一个基于仿真的遗传算法.该算法能够仿真物理系统的运行和现场人员的部分操作,简洁明了且运行速度较快.实验及分析表明,该方法便于实现,能得到更接近实际的作业计划.     

基于遗传算法的系统发生树构建方法

提出了一种基于遗传算法的系统发生树构建方法。将遗传算法应用于系统发生树的构建,首先,用后缀表示法将树的拓扑结构表示成编码的形式。其次,针对系统发生树的性质,设计了交叉和变异操作方法,确定了对个体的评价及选择策略,从而通过遗传操作,最终搜索到最优解。实验结果表明该算法可以得到与传统UPGMA算法拓扑结果一致的系统发生树,并且除了最优拓扑结构的树之外,该算法还可以输入多个具有相似质量的树。     

基于遗传算法的分层路径寻优算法

遗传算法能很好的解决许多的优化问题,但如果将它们直接引入到路径规划中,则由于存在大量的道路结点,使得算法收敛速度慢且编码困难.为了减小遗传算法的搜索空间,同时使路径的选择更加合理,提出了基于遗传算法的分层算法.该算法利用道路网络中路径的等级特性,对路网进行分层,实现分级搜索,实验结果表明其有效性.