Stackelberg博弈的MEC资源分配策略

移动边缘计算(mobile edge computing, MEC)通过在网络边缘部署计算资源成为缓解终端设备资源匮乏的有效方案。针对设备计算资源无法满足任务需求的问题,提出一种基于Stackelberg博弈的MEC资源分配策略。该策略应用Stackelberg博弈理论将请求方、协作方的卸载过程描述为效用最大化问题以激发双方的协作积极性,并设计一种基于粒子群的Stackelberg博弈算法,以快速获得该优化问题的最优解。同时,由于区块链具有分布式、不可篡改等特性,出于对安全性的考虑,将其应用于协作过程的管理。实验结果表明,所提策略可以实现双方联合效用最大化,且相较于遗传算法的卸载方案;所提算法具有更快的收敛性能。

基于纳什-斯塔克尔伯格博弈的机组检修决策方法研究

发电机组的年度预防性检修是保障机组可靠运行与电力系统安全稳定的重要措施。随着电力体制改革,考虑到年度机组检修时段是发电商的主观选择,机组检修计划的编制将从电网公司调度机构直接给定的模式向各个发电商之间相互竞争的模式转变。为此,提出一种考虑梯级耦合的水火电机组检修纳什-斯塔克尔伯格(Nash-Stackelberg)博弈模型,其中领导者为多个发电商,跟随者为调度机构;并提出一种帕累托-纳什(Pareto-Nash)均衡优化算法,将原博弈问题转换为等价的非合作多目标优化问题,并以该多目标问题的帕累托点为基础,采用改进的列与约束算法进一步求得原博弈问题的纳什均衡点。最后,基于修改的IEEE 30节点系统对所提模型和算法进行仿真测算,算例结果证明所提方法可以高效地求得机组检修博弈问题的纳什均衡点,而且纳什均衡点的分布情况也对调度安排有一定的指导作用。

基于条件随机场和斯塔克尔伯格模型的决策系统研究

文章依托驾驶模拟器平台,对CarSim、Simulink和VeriStand等软件进行设置,搭建硬件在环仿真平台,使用头部姿态估计网络算法检测头部姿态,采集试验数据。建立基于条件随机场的驾驶意图在线识别系统,对左换道、右换道和车道保持3种驾驶意图进行识别,与隐马尔可夫模型对比,证明该系统能够稳定输出驾驶员的驾驶意图。建立基于斯塔克尔伯格博弈模型的人机共驾决策系统,设立仿真试验场景,验证基于驾驶意图识别的人机共驾决策系统的有效性。

线性策略下梯度隐私保护方法:Stackelberg博弈分析

机器学习模型训练过程中的隐私保护问题是实际应用中的重要问题。考虑一个包含本地数据所有者和中央参数服务器的机器学习范式,其中,数据所有者向参数服务器传输梯度进行模型更新训练。针对模型训练过程中的隐私保护问题,提出了一种基于斯塔克尔伯格博弈的隐私保护分析方法。首先,根据模型训练的特点,设计了一个数据所有者作为领导者和参数服务器作为追随者的主从博弈框架,构建了一个隐私保护双层优化的问题。其次,对学习者获得的不同信息集进行分类讨论,继而求解最优的解密策略;然后,将追随者的结果代入领导者目标函数中求解最优加密策略;最后,通过仿真实验表明了所提算法可以保护数据的隐私,验证了所提方法的有效性。

基于Stackelberg博弈的多微网系统点对点交易策略

多微网系统交易涉及各方博弈,在保障系统安全稳定的前提下,针对如何平衡各市场主体利益的问题,提出采用斯塔克尔伯格博弈研究多微网点对点交易策略。首先,建立微网内各单元运行和微网间交易模型,以多微网系统收益最大为目标,通过决定最优成交价格来激励微网间的合作交易。然后,以微网控制中心作为跟随者在保障自身收益的前提下给出交易策略。最后,以4个微网组成的多微网系统为算例进行分析,应用迭代搜索法求解纳什均衡。仿真结果表明,该方法可以提高分布式能源利用率、降低系统运行成本。

基于斯塔克尔伯格博弈的在线社交网络扭曲信息干预算法

在新冠肺炎疫情期间,社交媒体以前所未有的速度向全世界传播消息。然而,扭曲信息隐藏在海量社交数据中,对国家安全、社会稳定提出了前所未有的挑战。目前的干预措施大多是建立在对关键节点和关键链路进行控制的基础之上,即删帖和封号,往往效果不佳且容易产生副作用。基于扭曲信息的定义和分析,打破传统思维的限定,在信息蔓延过程中通过发布辟谣信息来干扰扭曲信息的演化过程。借助斯塔克尔伯格博弈理论,文中通过设置奖励来鼓励更多的社交网络用户参与信息对冲过程,从而阻止扭曲信息的爆发效应。基于所提出的斯塔克尔伯格博弈模型,分析了斯塔克尔伯格博弈均衡解的存在性和唯一性,并从理论上推导出斯塔克尔伯格博弈的闭式均衡解,提出了基于最优策略的扭曲信息干预算法。实际网络中的仿真实验表明,相比传统的基于网络结构的免疫策略以及其他基于博弈论的干预算法,所提算法最高可将扭曲信息的传播范围分别降低41%和9%,因此能够有效抑制扭曲信息的传播。

基于差价补偿策略的斯塔克尔伯格博弈协调优化

以智能产品为研究对象,建立了差价补偿策略下制造商与销售商的博弈模型,分别通过纳什均衡博弈和斯塔克尔伯格博弈协调优化对制造商和销售商的决策行为进行探讨,得到了Nash均衡下制造商与销售商之间交易策略,讨论了斯塔克尔伯格博弈下制造商的最优订购、最优补偿系数和销售商的订购量之间关系,提出了求解在给定补偿系数下斯塔克尔伯格博弈协调优化的近似最优批发价与最优订购量的算法。通过数值实验表明,制造商占优势地位时,差价补偿策略能实现整体供应链的协调优化,提高销售商的订购量以及制造商和销售商的利润,说明差价补偿策略可以有效地改善零供关系。

基于广义斯塔克尔伯格博弈的微电网能源管理

为了实现微电网的能源优化管理,最大化单个微电网和多个用户的群体效益,基于非合作博弈理论,建立单个微电网和多个用户之间的广义斯塔克尔伯格博弈模型,其中,微电网作为博弈的领导者,以最大化收益为目标优化电价,引导用户调整用电策略,用户作为博弈的追随者,以最大化各自的效用函数为目标,在给定电价下决定用电策略,并影响电价制定。将广义纳什均衡问题转化为变分不等式,并采用固定步长的投影算法和最佳响应算法进行求解。某社区微电网的实例验证了所提模型的有效性。

基于博弈论的自动驾驶驶离专用车道换道决策模型

在高速公路内侧车道设置自动驾驶专用车道的场景下,自动驾驶车辆驶离专用车道,并换道至匝道的过程中,频繁的换道行为会带来自动驾驶车和人工驾驶车交互冲突,对分流区产生交通扰动,进而带来安全风险以及影响交通效率。面向不同车道属性和自动驾驶混合车流,构建了基于博弈论和模型预测控制的自动驾驶换道决策模型。根据自动驾驶车辆到高速公路主线驶离点的距离和换道途径车道上可接受换道间隙的分布,引入换道危机感以量化自动驾驶车辆换道的难易程度。利用加速度变化率来量化混合车流中人工驾驶车辆风格,构建自动驾驶车和人工驾驶车不同类型车辆的模型预测控制成本函数。通过当前时刻的交通状况预测求解自动驾驶车辆下1个时刻的最优加速度,用斯塔克尔伯格博弈描述自动驾驶车辆在换道过程中与人工驾驶车辆的交互,以人工驾驶车辆的收益最大化为前提,选择最大的自动驾驶车辆收益,求解获得自动驾驶车辆的最优换道时间。搭建了基于Python和SUMO的联合仿真实验平台,设置4种不同车流密度的专用车道和混合车流交通场景,并与SUMO默认换道模型等2类模型进行了对比。结果表明:在所有不同车流密度的场景下,所研究的模型会选择合适的换道策略以保证速度损失的最小化,在速度方面均优于所对比的换道模型,换道过程的平均速度分别增加1.44%和11.81%,有效提升了自动驾驶车驶离专用车道的效率。

博弈模型下小汽车尾号限行方案优化

为揭示不同尾号限行方案在实施过程中的效果,得到令政府和小汽车拥有者都满意的限行方案,研究基于效用函数和博弈论模型的尾号限行方案制定方法。首先,在分析政府和小汽车拥有者的动态博弈过程基础上,分别定义政府和小汽车拥有者的效用函数;然后,构建小汽车尾号限行方案的非合作动态Stackelberg博弈模型;最后,设计基于种群多样性控制策略的遗传算法,并利用Python对所建模型编码求解。以兰州市为例进行模型验证,研究表明,优化尾号限行方案下小汽车拥有者的平均出行成本基本没变化,政府的平均社会效用值提高1.062×10^(7)。因此,依靠理论模型制定的小汽车尾号限行方案,不仅具有充分的理论依据,还能更好发挥限行方案功效。

基于斯塔克伯格博弈的联合中继和干扰的功率分配机制

在无线通信系统中,用户与窃听中继协作将导致信息泄露,为保证自身通信安全需向协作干扰者支付报酬购买干扰功率,导致自身效益降低。为了在安全通信的同时提高用户效益,提出一种基于斯塔克伯格的联合中继和干扰的功率分配机制。在窃听中继协作转发、空闲用户协作干扰的场景下,建立三方博弈的斯塔克伯格博弈模型:将通信用户建模为功率购买者,窃听中继和空闲用户建模为功率出售者,有效刻画了安全与效益的折中关系。仿真结果表明,所提联合功率分配方案会在数次迭代后收敛到所有节点收益最大值,同时也是发送方通信安全容量的最大值,比中继全功率发送时提高了0.2(bit·s^(-1))·Hz^(-1),提高用户安全性能。

竞争市场环境下零售商团购营销的斯塔克尔伯格博弈分析

团购成员企业既相互合作也存在竞争,同时,市场占有率相差较大的企业一般选择先后定价策略,即序贯博弈的情形。文中与以往学者站在采购方的角度研究团购利润分配不同,研究的重点是供应方的利润分配。研究了两家零售商在面对Stackelberg团购销售博弈时的选择以及相应的定价策略,并解出相关均衡解。对两家零售商定价的结论做出相关解释以及趋势预测。文中认为:团购这种营销方法并不会总是让所有企业的利润都增长。往往是受到市场实力,产品替代度,团购折扣对潜在客户吸引力的综合影响。

国企混合所有制改革中非公有资本持股探究——斯塔克伯格模型下非公有资本与自然人的博弈平衡

国企混合所有制改革过程中,多方混合参股以提高国有企业的经营效率是改革的目标,因此以各个利益团体为代表,以斯塔克伯格模型作为其对相关市场变动做出反应的基础,以研究非公有资本与自然人的相互博弈的结果。

基于双重Stackelberg博弈的供应链企业融资决策

供应链金融作为一种供应链核心企业、成员企业、银行等主体参与的融资模式,各参与主体在共生关系的基础上会基于自身情境做出融资决策。在假设只存在供应链成员企业违约情境下,使用双重Stackelberg博弈分析成员企业的融资决策过程。基于银行与供应链企业以及核心企业与成员企业的博弈分析,分别得到影响银行贷款概率和成员企业守约概率的关键因素以及影响核心企业回购概率和成员企业守约概率的关键因素。双重博弈分析给出了成员企业最优订货量时参与主体策略选择的条件,为分析供应链成员企业融资决策过程提供了依据。

逆向供应链群体演化的Stackelberg博弈分析

建立具有群体演化特征的逆向供应链斯塔克伯格(Stakelberg)博弈模型,分析逆向供应链上游制造商或回收厂的机会主义行为,指出"幼稚"的下游个体商贩群体面临分拣、未加处理和掺杂3种回收策略,并与"老练"的上游制造商进行价格竞争.仿真分析表明,若制造商或回收厂遵守按质论价的口头协议,则双方演化稳定均衡为帕累托最优;若制造商或回收厂为"机会主义"行为类型,则演化稳定均衡结果取决于个体商贩中采取分拣策略所占比例大小.

非线性古诺模型和斯塔克伯格模型的性质

:在回顾线性需求假设下的完全信息静态与动态博弈古诺模型和斯塔克伯格模型结论的基础上 ,分析了在非线性需求假设下上述模型的一些性质 ,比较了线性与非线性需求情况下关于先发优势的若干结论 .说明了在非线性需求下 ,企业生产是先发优势还是后发优势既取决于该商品的需求函数 。

跨境电商退货模式选择研究

基于一个跨境电商和一个第三方海外仓组成的零售场景,构建斯塔克伯格博弈模型,研究在无退货服务、提供退货服务且退回货物运回国内以及提供退货服务且退回货物就地促销等3种退货模式下跨境电商和第三方海外仓的最优定价策略和利润,探讨跨境电商的最优退货模式。以浙纺尼日利亚海外仓为调研对象,将其部分进仓产品的实际运行数据作为数值分析的基础,对模型结果进行检验。研究发现:当产品回收价值较大且退货率较小时,应选择将退回货物运回国内的退货服务模式;当产品退货率和回收价值都较小时,应选择将退回货物就地促销的退货服务模式;当产品退货率较大时,应选择无退货服务模式。同时,存在最优售后服务水平使双方利润达到最优。

考虑驾驶风格的高速行驶工况自动换道决策规划研究

为了解决高速行驶工况下自动驾驶车辆决策模型的车间互动性不足、规划控制匹配性差等问题,构建了基于斯塔克尔伯格(Stackelberg)博弈的闭环换道决策模型,将障碍车响应纳入自车换道决策中,同时引入驾驶风格特征优化多目标决策成本函数,并使用粒子群优化(PSO)算法求解博弈决策模型,采用考虑质心侧偏角影响下的运动学模型预测车辆状态,设计了基于动态风险势场法的非线性模型预测规划控制器。仿真结果表明,所提出的闭环换道决策模型可有效结合车间互动行为与驾驶风格特征输出正确的决策指令并完成相应的运动规划和控制。

基于XBRL的财务信息标准博弈分析

运用两阶段斯塔克伯格博弈模型研究了XBRL在利益相关者之间的扩散问题,分析了XBRL技术标准的采用对主体企业和利益相关者交易价格、交易量、市场份额以及利润的影响。结果表明:当部分利益相关者采用XBRL时,主体企业的总交易量变大;对采用者来说,交易价格变高,交易量变大,市场份额增大,当采用者数量较少时利润减少,而当采用者数量足够多时利润增加;对未采用者来说,交易价格变低,交易量变小,市场份额缩小,利润总额降低。对主体企业来说,部分采用而不是所有利益相关者都采用XBRL技术标准才是最佳结果,也就是存在最优的采用者数量使得主体企业在XBRL技术扩散中获得最大利润。

基于Stackelberg模型的应收账款融资决策优化

应收账款模式是供应链的主要融资模式之一,基于已有供应商、核心企业和银行3方合作的供应链框架,假定供应商违约率内生,且供应商、核心企业和银行3者符合斯塔克尔伯格(Stackelberg)博弈模型,引入银行的贷款价值比,建立供应商、核心企业和银行的决策模型.研究表明,银行存在最优贷款价值比,并给出其表达式,该比值与供应商自有资金、应收账款和产品批发价等因素相关;核心企业存在最优订货量和供应商最优产量,且两者相等;应收账款融资过程中,供应商以银行贷款价值比为上限,选择最优贷款价值比,并运用实例验证该决策优化模型.