导读:本文包含了雪堆模型论文开题报告文献综述及选题提纲参考文献，主要关键词:演化博弈,随机演化动力学,复制方程,稳定性
雪堆模型论文文献综述
孙杰[1]（2019）在《非对称雪堆博弈模型的稳定性分析》一文中研究指出演化博弈将博弈论和动力学基本理论相结合,是对群体演化问题进行稳定性分析的有力工具.演化博弈是博弈论的一个研究方向,也是动力系统的重要分支.雪堆博弈是深刻反映个体之间合作竞争关系的经典博弈模型之一.本文对经典雪堆博弈进行了合理地推广,构建了两类非对称雪堆博弈模型,并考虑了空间结构对新雪堆博弈的影响.本文首先构建了基于惩罚机制的非对称重复雪堆博弈模型,并对该模型的稳定性进行了分析.针对无限群体得到了复制动态方程下的演化稳定性,发现惩罚机制与贴现因子能促进合作的产生;针对有限群体计算了选择-突变Moran过程下的固定概率以及得到了随机过程下稳定与强稳定的条件.其次,分析了空间结构对非对称雪堆博弈模型稳定性的影响.研究表明生灭()、灭生()、模仿()和成对比较()等多种更新规则下的规则图能改变非对称雪堆博弈的动力学行为,即在内部平衡点处出现分岔.进一步得到了更新规则下非对称异质图上的随机稳定均衡点,在此基础上推导出度方差能改变随机稳定均衡点的值和促进合作的产生.最后,提出了角色非对称雪堆博弈模型,得到了无限群体下的纳什均衡以及有限群体下固定概率的不变分布.(本文来源于《河北师范大学》期刊2019-03-30）
宗威豪[2]（2018）在《ER随机网络中新型雪堆博弈模型的研究》一文中研究指出基于传统的雪堆博弈模型,通过添加奖励因子和惩罚因子,并且结合复杂网络的结构的随机性,建立新型博弈模型,来探究网络结构的差异性对博弈模型的影响。基于新型奖惩机制的引入,每个个体的收益函数一经改变,就会迫使部分参与者改变其策略。仿真实验证明,ER网络中雪堆博弈模型的合作水平存在一个全合作平台,即在一个cost范围内,整体的合作水平不会随着cost值的改变而改变,当超出这个范围后,合作水平会随着cost值的增加而下降,并且奖励因子和惩罚因子可以有效地促进合作行为的涌现。考虑到网络结构差异性对博弈模型的影响,在网络中个体的连接度比较小时,全合作平台比较宽,当我们所设定的节点平均度增加时,合作水平下降的cost转折点会减小,但是合作水平的下降速度在减缓。(本文来源于《通讯世界》期刊2018年05期）
徐猛[3]（2017）在《N人雪堆博弈模型的第叁种策略引入及其影响探究》一文中研究指出竞争性群体当中的合作行为研究是当今一个重要且紧迫的跨学科难题。目前为止,博弈论提供了最为有效的框架。在合作演化博弈建模中,囚徒困境博弈备受学界关注,相比之下雪堆博弈模型的相关研究较少,而后者通常被认为是在描述竞争情景时前者的替代模型。本文作者在前人研究基础上,对雪堆博弈模型进行了进一步的推广和创新,在N人雪堆博弈模型中引入第叁种策略,使用动力学方程推导和仿真模拟的方法进行研究。论文发现N人雪堆博弈不同于公共品博弈(即囚徒困境的N人博弈推广模型),呈现出特殊的动力学性质,公共品博弈模型的动力学演化为不同状态之间的循环转化,无法达到某种稳态,而N人雪堆博弈在充分演化的条件下,系统最终可能趋于几种(两种或叁种)不同性质的稳态,为研究群体合作行为的演化提供了新的线索。引入利他惩罚机制的演化博弈研究之前只是在2人博弈的条件下进行,论文第二章首次将利他惩罚机制引入两策略的N人雪堆博弈模型,建立了含惩罚机制的叁策略N人雪堆博弈模型,并且研究了惩罚机制的引入对N人雪堆模型在混合均匀群体中造成的影响。作者给出了一系列描述叁策略模型的动力学方程。在充分演化的情况下,系统最终会演化为某种稳态,稳态分为两种,具有不同的特性。一般说来,给定相对较小的本益比r,较大的博弈小组规模Ⅳ,较大的乘数因子β/α容易压制背叛者的滋生,导致系统演化成为一个合作性质的、仅由合作者和惩罚者构成的群体,由于所有的背叛者都完成转化,C、P的收益完全相等,系统动力学冻结,这种稳态被称为冻结态,冻结态的C、P频率构成取决于初始状态。反之,较大的r ,较小的Ⅳ和β/α容易使惩罚者处于一种自毁的发展模式,惩罚者逐渐消亡,系统演化为一个仅由合作者和背叛者构成的群体,群体继续演化,相当于最初的两策略N人雪堆博弈模型的动力学演化,最终达到活动态。因此,活动态的C、D频率构成与初始状态无关,同时也与惩罚者相关的参数设定无关。论文作者进一步提出了完全描述系统演化动力学过程的模拟算法,经验证复制动力学方程与程序模拟的结果高度一致。第叁章中作者通过在原始两策略NSG模型中引入额外的L策略,研究并建立了一个叁策略N人雪堆博弈模型。论文推导了混合均匀群体结构下叁种策略频率的动力学方程。给定任何初始条件,都可以通过迭代动力学方程获得频率的时间演化及其稳态分布。模型参数即本益比r和固定收益L的不同取值导致了系统丰富的演化行为。对显示系统如何演变的叁角流向图的详细研究表明,根据模型参数取值不同,稳态可以是AllL,AllC或C + D态中的一种。策略L的引入起到了两个作用。它有助于引导系统达到All L态,也有助于达到All C态。相比之下,将利他惩罚机制(P策略)引入N人雪堆博弈只能导致两种策略混合的稳态。此外作者同样使用了一种仿真模拟算法作为理论研究结果的验证,这种算法可用于对各种结构性群体中的NSG模型研究。第四章中,论文作者在可选雪堆博弈模型(Optional NSG)基础上增加了一个合作人数的下限阈值T。论文给出了该模型的动力学方程,同样也用模拟算法进行验证。和OptionalNSG模型类似,新的模r*同样存在一个临界值r*将系统分为两种最终稳态,当r<r*的时候,系统终态表现为C、D共存的活动态,当r>r*的时候,系统终态表现为ALLL的冻结态。当设定下限阈值为2时,对群体最后达成C、D共存起到了积极的作用。但是当下限阈值继续提高时,反倒对合作产生了抑制作用。在N=T的特殊情况下,背叛者永远不可能通过利用合作者而获取收益,从而背叛者成为了弱势群体。系统在这样的背景下最终也会演化为两种状态ALL C和ALL L,而不再有C、D共存的终态,某种程度上促使D向C转变,最终消灭了 D策略。第五章中,论文作者在OptionalNSG模型的基础上,再度引入了惩罚机制,将模型扩展为一个N人四策略博弈模型。论文给出了该模型的动力学方程,并通过迭代动力学方程和算法模拟,得出有关该模型性质的一些初步结论。和之前的模型类似,N人四策略雪堆博弈模型同样存在一个临界值r·*表达系统最终稳态的突变。当r<r*的时候,随着r的增加,系统终态依次表现为C、P共存,C、D、P共存和C、D共存的活动态,这种变化是连续的。当r>r*的时候,系统终态突变为ALLL的冻结态。这种相态的转变是瞬变,而非逐渐变化。论文就各参数对于最终稳态造成的影响进行研究发现,L的增大使得瞬变的关键点r*提前到来,β的增大使得惩罚力度增加,而N的增大给背叛者利用合作者的劳动成果提供了机会,使得合作的难度增加,。(本文来源于《浙江大学》期刊2017-03-27）
牛东旗,王玉翠[4]（2013）在《基于囚徒困境和雪堆博弈的企业战略联盟中的知识转移模型》一文中研究指出文章针对我国当前企业战略联盟行为的发展趋势,从博弈论视角阐述了企业战略联盟成功率不高的原因,这种原因主要包括四个:时间太短,不能关注长期收益;竞合策略单一,容易被欺骗;收益机制不完善;惩罚机制不健全等。以囚徒困境博弈和雪堆博弈为基础建立相应的数学模型,综合考虑了影响企业知识联盟收益分享的相关因素,并以纳什的收益分享模型为基础,提出了解决企业战略联盟成功率不高的对策。(本文来源于《统计与决策》期刊2013年15期）
张娟娟[5]（2013）在《空间网格上基于雪堆模型的合作演化机制研究》一文中研究指出演化博弈理论属于一门交叉学科，与人们的经济、生活等密切相关。近年来演化博弈理论的研究受到国内外广大研究学者的高度关注，并且已经取得了许多显着的研究成果，能够很好的解决现实网络中的一些难题。为了寻找更符合社会群体中各种不均衡形态的演化机制，深入挖掘真实系统中合作涌现的内在因素，需要深入研究空间博弈在复杂网络上的演化。随着众多研究学者的深入探究，演化博弈能够为人们的社会生活中的一些复杂难题提供理论支持和解决思路，进而为自然科学、社会科学领域和工程设计等的研究提供有力的理论支持。论文首先简要分析了国内外进化博弈理论的相关研究进展，接着介绍了经典的博弈模型，以及纳什均衡、网络模型、策略更新规则等博弈理论的相关知识。然后基于上述理论基础，论文主要从叁个方面开展了基于雪堆模型的合作演化机制研究：（1）研究了加权的空间演化博弈模型。空间网格上的每个节点代表参加博弈的个体，网络中的连线或者边表明两个个体之间有相互作用或影响关系。本文首先考虑了个体之间的异质性和非对称的相互作用或影响，在传统博弈模型的基础上，引入加边权机制，比较了权重分布服从均匀分布、幂律分布、指数分布这叁种情况下的群体合作水平，发现在适度的损益比条件下，权重分布越不均匀，即网络的异质性越强，越有助于促进个体之间的合作行为。（2）分析了邻域大小对合作行为的影响。在空间网格上，每个节点周围与其相连的节点就是该节点的邻居，鉴于大多数研究考虑的是冯·诺依曼近邻，即距离最近的4个邻居。本文考虑将邻域扩大，仿真实现了8、24、48、80个邻居下的空间雪堆演化博弈，分析邻域大小对群体合作行为的影响，研究发现合作水平并不总是随着邻域的增大而提高，它还受到损益比的影响。当损益比较小时，相比于4邻居的博弈，邻域的增大没有促进合作水平；而当损益比较大时，随着邻域的增大合作水平得到明显提高。（3）探讨了作用邻域和学习邻域分离对群体合作行为的影响。每个个体和其邻居博弈并计算收益后，会根据和其邻居收益的差异，按照一定的规则模仿或者学习邻居的策略，作为自己下一轮的策略。由于现实生活中，个体可能会模仿与其没有直接关系的个体，本文把作用邻居和学习邻居分离开来，研究对博弈群体中合作行为的影响。数据仿真结果表明，作用邻域和学习邻域分离能够显着影响规则网格上个体之间的合作行为，邻域太大或者太小在某种程度上并不会促进甚至抑制合作的演化；与作用邻域和学习邻域IN=LN=4的标准情况相比较，适中的邻域范围有助于维持个体间的合作。(本文来源于《天津理工大学》期刊2013-01-01）
黄燕,吴亮[6]（2010）在《演化的雪堆模型中的同步》一文中研究指出我们研究了演化的雪堆模型(SG模型)中博弈演化和网络结构的相互作用,构建的网络度分布具有明显的无标度特征。我们研究了网络的拓扑特性,如平均路径长度、聚类系数、度度关联性和网络的同步性能等动力学行为。结果发现,网络的同步性能随着网络结构的演化而变化,但当网络规模达到一定程度时,网络的同步性将趋于稳定,增加节点不会使同步性变差。数值模拟发现,节点的初始资本大大影响了网络同步性能,当所有节点初始资本都相等时,较小的初始资本对应较好的同步性能。当所有节点初始资本不相等,而是呈一定分布时,网络的同步性能要好于所有节点初始资本都相等的情况,这样的结论在非全同振子的相位同步中也得到验证。(本文来源于《苏州市自然科学优秀学术论文汇编(2008-2009)》期刊2010-11-01）
季铭,许晨[7]（2010）在《演化雪堆博弈模型中的合作行为》一文中研究指出研究了两种变异的雪堆博弈的模型在不同演化机制下竞争者之间的合作行为.发现在这些模型中,在代理人可以"模仿"他人的行为或者决策来做出决定的演化机制下,相互竞争的代理人组成的团体将最终演化到所有成员都不合作的状态.而如果这些代理人能够根据自己的既得利益进行"反省",做出比当前的行为或决策更有利的选择,那么在由这样的代理人组成的团体中总是存在合作行为.(本文来源于《苏州大学学报(自然科学版)》期刊2010年01期）
徐文娟,钟立新[8]（2005）在《雪堆模型的有限人口效应》一文中研究指出自达尔文提出优胜劣汰的生物进化论以来,许多研究人员一直在寻找自然界和社会领域中普遍存在的合作现象出现的原因和演变的规律,囚徒困境模型和雪堆模型是研究合作现象的两个重要模型。在最初的囚徒困境模型中,合作和不合作行为竞争的结果是导致合作现象的消失,记忆机制或网络结构可以使两种行为共存。而在雪堆模型中,不加任何其它机制合作和不合作行为也能共存并维持在一定的水平,网络结构会导致系统在一定范围内出现完全合作的情形。通过研究雪堆模型的有限人口效应,我们发现网络结构中出现的这种完全合作情形与有限人口效应有关。网络结构将个体之间的相互作用限制在一定的范围内,从而导致完全合作行为的发生。(本文来源于《全国复杂系统研究论坛论文集（二）》期刊2005-11-01）
雪堆模型论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
基于传统的雪堆博弈模型,通过添加奖励因子和惩罚因子,并且结合复杂网络的结构的随机性,建立新型博弈模型,来探究网络结构的差异性对博弈模型的影响。基于新型奖惩机制的引入,每个个体的收益函数一经改变,就会迫使部分参与者改变其策略。仿真实验证明,ER网络中雪堆博弈模型的合作水平存在一个全合作平台,即在一个cost范围内,整体的合作水平不会随着cost值的改变而改变,当超出这个范围后,合作水平会随着cost值的增加而下降,并且奖励因子和惩罚因子可以有效地促进合作行为的涌现。考虑到网络结构差异性对博弈模型的影响,在网络中个体的连接度比较小时,全合作平台比较宽,当我们所设定的节点平均度增加时,合作水平下降的cost转折点会减小,但是合作水平的下降速度在减缓。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
雪堆模型论文参考文献
[1].孙杰.非对称雪堆博弈模型的稳定性分析[D].河北师范大学.2019
[2].宗威豪.ER随机网络中新型雪堆博弈模型的研究[J].通讯世界.2018
[3].徐猛.N人雪堆博弈模型的第叁种策略引入及其影响探究[D].浙江大学.2017
[4].牛东旗,王玉翠.基于囚徒困境和雪堆博弈的企业战略联盟中的知识转移模型[J].统计与决策.2013
[5].张娟娟.空间网格上基于雪堆模型的合作演化机制研究[D].天津理工大学.2013
[6].黄燕,吴亮.演化的雪堆模型中的同步[C].苏州市自然科学优秀学术论文汇编(2008-2009).2010
[7].季铭,许晨.演化雪堆博弈模型中的合作行为[J].苏州大学学报(自然科学版).2010
[8].徐文娟,钟立新.雪堆模型的有限人口效应[C].全国复杂系统研究论坛论文集（二）.2005