一种引入奖励与惩罚机制的蚁群算法

蚁群算法是一种新型的仿生类算法,大量实验表明该算法具有较强的搜索最优解的能力,但同时与其它进化算法一样存在搜索速度慢,易于陷于局部最优的缺陷。为了克服蚁群算法在这方面的不足,该文通过引入奖励与惩罚机制,在蚂蚁搜索最优解的过程中,根据每次循环后的搜索结果,对蚁群算法中信息素更新的方法进行自适应调整,以达到从可行解中寻求尽可能好的解(满意解)的目的。通过与ACS算法的对比实验表明本算法在搜索速度和性能方面都有更好的效果。

基于栅格地图改进的智能路径选择算法

交通和物流领域的发展,对路径规划算法的时间复杂度与精度提出了越来越高的要求。针对该问题,提出了一种基于栅格地图改进的智能路径选择算法。该算法利用方向信息来对算法进行优化设计,基于原有地图带有的始末位置的方向信息,定义权值矩阵与方向权重向量,以此作为路径中下个栅格的选择依据,并采取奖励与惩罚措施来提高算法的收敛速度。此外,算法还采取了多余栅格的优化措施来提高算法性能。通过对于典型仓储AVG问题模型的仿真来验证算法的有效性。结果表明,路径长度收敛到满足条件的较优解所需的时间,智能路径选择算法较A;算法及传统Dijkstra算法可以减少10%以上,具有较低的时间复杂度和较高的寻优效率。

碳减排奖惩机制下地方政府和企业行为演化博弈分析

在静态和动态碳减排奖励与惩罚机制下,考虑碳排放约束的地方政府和企业群体行为的演化博弈,重点分析了碳配额、碳交易价格、政府监督成本和企业减排投资(减排效果参数)对演化稳定策略(ESS)的影响,最后进行了算例分析。研究结果表明:在动态奖励与惩罚机制下,地方政府和企业的演化轨迹围绕着唯一的演化稳定策略螺旋趋近。碳配额对地方政府监督策略的作用与企业单位减排量市场收益的大小有关,政府监督成本和减排效果参数对地方政府监督策略起负向作用;政府监督成本对企业诚实减排策略起负向作用。随着碳交易价格的不断上升,地方政府监督的积极性先增加后降低,企业碳交易行为由购入碳排放权转为出售碳排放权,但是地方政府监督行为的转变滞后于企业减排行为的转变。研究结果对碳交易体系下政府减排策略制定和企业减排投资具有较强启示。

奖惩机制下企业与贫困户在产业扶贫中的演化博弈研究

针对目前西部山区产业扶贫项目屡屡失败的现状,构建了政府奖惩机制下的产业扶贫演化博弈模型。采用复制动态方程模拟有限理性条件下扶贫企业和贫困户的博弈过程,并分析了博弈均衡点的稳定性及其参数条件。在此基础上,进一步进行仿真模拟,分析不同影响因素对演化稳定策略的影响。结果表明：奖惩机制的引入对博弈双方的决策有明显影响,演化结果虽然很大程度上取决于系统的初始状态,但可通过改进奖惩机制来改变演化的走向,使系统收敛于较好的演化稳定策略。可以从合理控制奖惩金额、制定科学的监管机制及降低项目市场风险等方面促进产业扶贫项目的顺利实施。

不同奖惩机制下食品企业行为与政府监管演化博弈

食品安全关系到人们身体健康和社会稳定,食品企业机会主义行为导致的食品安全事件频发。根据食品企业和地方政府不同行为策略的支付矩阵,基于不同的奖励和惩罚机制下构建食品企业和地方政府的演化博弈模型,分析它们平衡点稳定性,并进行了算例分析。结果表明:在静态奖励和静态惩罚机制下,系统围绕一中心点震荡,没有均衡稳定点;在动态奖励静态惩罚机制下,系统演化过程是一个具有周期运动的闭环;在静态奖励动态惩罚和动态奖励动态惩罚机制下,食品企业和地方政府都趋于一个稳定均衡点,但动态奖励和动态惩罚机制效果更好。食品企业生产安全产品行为受地方政府奖惩力度的影响,当政府处罚强度增加时,企业生产安全产品概率增加,政府监管密度降低,监管成本降低;当政府奖励强度增加时,政府的监管概率降低,企业生产安全产品概率也降低但变化较小。研究结果对地方政府制定合理的奖惩机制具有一定的启示。