基于混合策略博弈的无人机辅助移动边缘计算任务卸载

在单无人机辅助的移动边缘计算系统中,为使无人机能服务于大区域中的所有用户设备,可将大区域分成多个子区域,并设定无人机以固定路线在各个子区域间飞行来为用户设备提供计算服务。考虑到用户设备计算资源较匮乏且无人机覆盖区域外的用户可选择移动至覆盖区域内进行任务卸载以最大化自身效用,可将用户设备的部分卸载问题转化为每个用户设备的效用最大化问题,并利用混合策略博弈和子模博弈来分别确定用户设备的移动概率和卸载数据量,从而得出最优卸载策略,且分别证明了混合策略纳什均衡和纯策略纳什均衡的存在性。仿真结果表明,所提方案与MBO(Binary Offloading Based on Mixed Strategy Game)等经典方案相比可有效提高用户设备的效用,并验证了其收敛性和稳定性。

基于混合策略改进ASO-LSSVM的风险驾驶行为分类识别

为解决现有智能算法在优化支持向量机识别风险驾驶行为过程中收敛速率缓慢和误差较大的问题。首先,采用Tent映射取代原子搜索优化算法(ASO)种群初始化随机设置的方式,增加原子种群多样性和质量;其次,使用逐维小孔成像反向学习与柯西变异混合机制,提高原子个体择优位置的多样性,克服ASO算法易陷入局部最优和过早收敛的问题;最后,通过引入自适应变螺旋搜寻策略改进原子个体位置更新过程,以提升ASO算法的全局搜索能力,实现全局搜索和局部开发间关系的有效平衡,缓解ASO算法易陷入局部最优和收敛精度不足的问题。以上海北横通道出口匝道车辆轨迹数据为输入,使用混合策略改进ASO算法寻优求解最小二乘支持向量机(LSSVM)参数,构建基于混合策略改进原子搜索优化最小二乘支持向量机IASO-LSSVM的快速路出口匝道风险驾驶行为分类识别模型。数值仿真实验结果表明:IASO算法在12个基准测试函数数值仿真结果的平均值、标准差、最佳适应度和最差适应度等方面均更接近最佳优化值。IASO-LSSVM模型相较于ASO-LSSVM和LSSVM等模型的风险驾驶行为分类识别结果误差指标正确率、精确率、召回率和F1值分别增加11.5~24.5、14.1~29.0、15.1~28.6和14.7~31.2个百分点,且在不同类型风险驾驶行为识别结果中误差变化范围最小。IASO算法参数寻优求解精度和收敛速率优于ASO算法,且IASO-LSSVM模型可用于不同类型风险驾驶行为精准识别,可为车辆行驶轨迹状态合理判别,制定风险驾驶行为预警防控措施提供数据支撑与理论依据。

基于混合策略麻雀搜索算法优化的DC-DC变换器自抗扰稳压策略

为抑制城轨列车频繁启停引起的牵引网电压剧烈波动,在车载储能DC-DC变换器中设计一种基于改进麻雀搜索算法的自抗扰控制器。首先,建立DC-DC变换器的一阶自抗扰控制器进行稳压控制;然后,为提高系统快速性和抗扰性,引入麻雀搜索算法进行控制器参数寻优;之后针对麻雀搜索算法易陷入局部最优的缺点,引入Tent混沌序列和多样化变异处理,并提出基于樽海鞘算法的新型改进算子对麻雀搜索算法进行改进;最后,根据列车的速度曲线进行仿真验证。通过实验对比,自抗扰控制器在启动加速阶段的电压调节时间相较于PI控制、传统自抗扰和麻雀搜索自抗扰分别减小0.012、0.006、0.003 s,在制动减速阶段分别减小0.0054、0.0025、0.0015 s,结果表明所设计的控制器的可行性和有效性。

基于混合策略纳什均衡的无人机集群火力分配研究

针对无人机集群作战中的火力分配问题,提出了一种基于混合策略纳什均衡的集群火力分配方法。依据无人机集群作战的火力分配需求,考虑战争的对抗特性,构建集群火力分配的博弈模型,使用优化的粒子群算法求解模型的混合策略纳什均衡。以无人机集群对地攻击任务为想定进行计算验证,证明了模型方法的合理性与可行性。研究成果可为无人集群的火力分配决策提供方法手段支持。

求解车间调度问题的一种新遗传退火混合策略

综合了遗传算法和模拟退火算法的优点,提出了一种新的遗传退火混合优化策略。该算法引入模拟退火算法作为遗传算法种群的变异算子,增强和补充了遗传算法的进化能力,同时将机器学习原理引入混合算法中,增加了种群的平均适值,有效地避免了最优解的丢失,加快了进化速度,使系统能够在很短的时间内得到最优解。针对车间调度的典型问题进行了仿真,结果证明了新算法的有效性。

基于一类混合策略的模型参数估计和控制器参数整定研究

融合遗传算法的并行搜索结构和模拟退火的可控性概率突跳特性 ,构造出一类高效的混合优化策略 ,该策略适合于多种类型模型的参数估计和控制器参数整定。对典型类型问题的仿真结果验证了混合策略的有效性和初值鲁棒性 。

出行者有限理性条件下混合策略网络均衡模型

将道路交通网络出行时间连续随机分布条件下的出行用户交通出行作为研究对象,结合我国交通信息系统逐步普及的背景,按其所采用出行策略的不同划分出行用户,将出行者有限理性的特点引入到出行者路径效用函数当中,以累积前景理论为基础,建立出行者的路径感知效用函数。结合W ardrop原理和变分不等式思想建立多类型用户的网络均衡模型,通过实例分析,证明了文中模型在描述出行时间不明确条件下出行者的路径选择行为和预测道路网中交通流量的分布形态方面的科学性。

基于混合策略的轮式机器人路径规划方法

快速扩展随机树方法(RRT)是解决具有非完整性约束的轮式机器人路径规划问题的一种有效途径。RRT能够在规划过程中引入机器人动力学约束,但是当环境中存在大量障碍物时,RRT算法的路径搜索效率将会降低。另一方面,RRT算法不具有最优性,限制了其在轮式机器人路径规划中的应用。针对经典RRT算法的不足,提出一种混合的路径规划策略,首先通过路径导引点扩展多树RRT结构,利用多树RRT的局部探索与合并特性快速寻找可通行的区域范围,利用启发式搜索算法在可通行区域内快速寻找动力学可行的机器人运动轨迹。仿真与实车实验表明,该方法能够快速有效地解决复杂障碍物环境下的机器人路径规划问题。

遗传算法与禁忌搜索算法的混合策略

遗传算法与禁忌搜索算法的出现为解决高维组合优化问题提供了强有力工具．二者既有共性，又有个性．通过对遗传算法与禁忌搜索算法的分析，提出了一种遗传算法与禁忌搜索算法的混合策略，把禁忌搜索算法独有的记忆思想引入到遗传算法的搜索过程中，构造了新的重组算子，并把禁忌搜索算法作为遗传算法的变异算子，对旅行商问题的求解表明：混合策略在许多方面优于遗传算法．

基于混合策略的电信企业竞合博弈分析

随着3G时代的到来,以及电信产业的重组,我国移动通信市场已经由双寡头竞争形成新移动与新联通、新电信三寡头竞争的格局。三大运营商无法通过合作博弈的共谋方式实现自身利益最大化。在竞争压力下,为了扩大市场份额,争夺客户,价格战不断上演,给运营商乃至我国电信产业的发展带来了巨大的危害。本文运用博弈论的原理,建立三人、三维博弈模型,从产品、价格、服务三个维度研究三个电信运营商的动态博弈行为。分析博弈特点和电信运营企业的竞争策略。论证了移动、联通、电信三大寡头在电信重组和3G时代到来的时刻,放弃价格战,提供更好的产品,更加优惠的价格,更加优质的服务,才能更好的占有市场。

一类GASA混合策略及其收敛性研究

结合模拟退火算法（ＳＡ）和遗传算法（ＧＡ），提出一类ＧＡＳＡ混合优化策略，借助于非平稳马氏链理论证明混合算法的全局渐近收敛性，同时定性地分析了算法的优化效率。

输电网投资规划的Nash均衡分析(二)——混合策略Nash均衡的分析

在输电设备投资博弈中 ,有可能会出现纯策略 Nash均衡不存在或多个 Nash均衡同时存在的情况 ,这对投资主体的决策造成困难。为此 ,文中引入了混合策略的概念 ,并以改进的遗传算法为基础 ,提出了一种适用于输电投资博弈的均衡分析方法 ,为投资者的进一步决策提供了依据。研究结果表明 ,在无法确定纯策略 Nash均衡点时 ,混合策略均衡点能以概率的形式预见参与各方的投资行为 ,并进一步说明了在输电投资博弈中各投资者采取的策略确是相互影响的 ,任何一方的投资数据有所改动 ,均会影响博弈的最终结果。

基于混合策略的关联分类方法

关联分类中现有的显式学习方法无法解决small disjunction问题,而Lazy方法分类效率低。针对这两类方法存在的问题,提出了一种基于混合策略的关联分类方法。具体算法为:先判断待分类样本是否满足显式学习模式的分类器特征;然后把满足分类器特征的待分类样本用显式模式进行分类,把不满足分类器特征的待分类样本用Lazy模式来预测;最后结合两类方法的分类结果得到最终的分类结果。实验比较了该方法与传统的关联分类方法,结果表明,该方法在分类准确率和执行效率方面均达到了更好的效果。

基于混合策略的QoS选播流路由优化算法

分析了QoS选播流交错服务问题的产生过程及其对网络资源的浪费,提出了一种基于混合策略的全局路由优化解决方法.在构建路由优化问题模型的基础上,得出了选播流路由端到端时延、服务器负载、网络流量、路径调整等多个优化目标和QoS约束的表达式.给出了GA、SA、TS三种算法有机结合形成的一种混合优化算法,并说明了运用该算法求解的关键步骤和实现过程.实验结果表明,本算法能够在满足QoS约束的前提下实现选播路由的多目标组合优化,与基于GA或者SA的求解算法相比具有更强的稳定性和更高的精确度.

基于混合策略博弈的我国优秀运动员流动影响因素分析

建立以优秀运动员、运动员现所属组织和流动目的组织为博弈主体的混合策略博弈模型,并对其策略选择进行分析。依据纳什均衡解得出注册优先权是影响运动员流动的核心要素,运动员现所属组织使用注册优先权与否,很大程度上决定了运动员流动或者流动的流畅性;转会费、制度成本和契约成本也是影响运动员流动的因素;运动员流动的概率与注册优先权成负相关的关系;组织间利益的负关联妨碍了我国优秀运动员流动各利益方合作共赢的意愿和行为。提出逐步限制注册优先权、完善转会费制度、增加训练补偿金等建议。

基于混合策略的英语基本名词短语识别——边界统计和词性串规则校正相结合的策略

基本名词短语识别是自然语言处理领域非常重要的子任务。文中总结了一些有代表性的基本名词短语识别方法,并对多种典型英语基本名词短语识别的结果进行了比较和对照,提出并实现了边界统计和词性串校正相结合的英语基本名词短语识别方法。该方法把基本名词短语识别分成主次分明的两部分,边界统计作为主要部分能够正确识别出大部分基本名词短语,词性串规则作为辅助手段在对前者识别出的基本名词短语进行核对和校正的同时还对边界统计方法遗漏的基本名词短语进行再回收。此方法中,词性串规则弥补了边界统计无法顾及基本名词短语内部组合规律的缺点,提高了精确率和召回率。采用此方法,基本名词短语识别的精确率达到96.22%,召回率97.59%,Fβ=196.90%,F值超出了目前报道的最好结果。

基于混合策略博弈模型的大学生创业政策分析

创业活动的活跃度是衡量一个国家经济是否健康发展的指标之一。欧美发达国家历来都非常重视本国大学生的创业活动，积极开展创业教育。国内当前有很多机构和学者在研究这个问题，基本都是从教育层面、创业意识层面及政府政策层面对我国大学生创业现状独立进行研究和分析。

基于混合策略的自适应教与学优化算法

为提高教与学优化算法的综合性能,提出一种基于混合策略的自适应教与学优化算法。将随机性学习与有向性学习融合,提出一种自适应综合交叉学习策略,根据进化的不同阶段自适应地选择学习方式,增强算法对解的搜索能力;加入一种方向性的扰动策略,增大种群多样性,较大程度地加大了对搜索空间的探索力度,降低了种群陷入局部最优的可能。基于标准测试函数的仿真实验结果表明,本文算法可有效避免算法陷入局部最优,在收敛精度和收敛速度上有较大提高。

神经网络和启发式算法混合策略解Job-shop调度问题

提出一种有效的自适应神经网络和启发式算法混合策略来求解Ｊｏｂｓｈｏｐ调度问题．自适应神经网络具有在网络运行过程中神经元的偏置和连接权值自适应取值的特性，被用来求得调度问题的可行解，而启发式算法被分别用来加速神经网络的运行和保证神经网络收敛到可行解、获得确定排序下最优解和提高可行解的质量．

连续博弈中的混合策略性质及其均衡

在Fudenberg and Tirole(1991,2002)关于纳什均衡的存在性和性质的技术性说明基础上,主要讨论完全信息的连续博弈。对照于刘宗谦(2004,2006)给出的、有限的完全信息静态博弈中的混合策略性质和均衡,它提出并证明连续博弈混合策略集上类似的一些性质,同样利用范一格里克斯伯格不动点定理证明了混合策略纳什均衡的存在性。为强调紧度量空间是可用有限集充分逼近的无限集的数学结构的应用,仿照Myerson(1991,2001)对无限策略集的讨论,它给出了有关的逼近定理的证明,从而也给出了连续博弈混合策略纳什均衡存在性的另一种证明。