竞赛中的最优奖励:一个拍卖分析框架

本文在全支付（all—pay）拍卖的框架下，研究了一类非对称竞赛活动的最优奖励问题。我们假设竞赛组织者未知参赛者的成本信息，进而可供选择的奖励方式有两种，其一是固定奖励额；其二是线性奖励，最终奖励额由参赛者的投资内生决定。我们证明：如果投资不能完全披露成本信息，固定奖励优于线性奖励；如果投资完全披露成本信息，线性奖励可能优于固定奖励，同时我们得出了实现投资完全披露信息的一个必要条件。我们的结论不依赖于参赛者的对称性假设，不依赖于参赛者具体的成本分布函数形式，也不依赖于竞赛组织者试图最大化参赛者最大努力或最大化所有参赛者努力总和。

基于Stackelberg博弈的车辆最优路径决策

随着城市化和机动化的快速发展,交通拥堵因困扰着人们的出行,影响着人们的出行安全和出行时间而越来越受到人们的关注。针对可能发生的交通拥堵现象,提出了一种基于Stackelberg博弈的车辆最优路径决策,以提高道路通行效率,解决交通拥堵问题。首先,建立了云智能中心和规划车辆各自的收益模型,并在对应约束条件下构建Stackelberg激励机制。随后,提出了一种迭代求解算法,用于确定云智能中心最优奖励决策和规划车辆的最优路径决策。最后,通过算例分析验证了该激励机制对于缓解交通拥堵,提高道路通行能力的有效性。