EWA算法在电力市场仿真中的应用

基于代理的计算经济学已成为电力市场研究的一种重要方法,构建智能代理的学习模型是其中的重要研究内容之一。常用的强化学习和信念学习算法各有弊端,为此引进了一种综合了强化学习和信念学习的经验权重魅力值(EWA)算法,将其应用于电力市场仿真研究中,模拟发电商决策行为。基于混合代理和单一代理系统的仿真结果表明,EWA学习算法对市场参与者的行为有更好的描述,在参与者众多的大系统中较Roth-Erev算法更为先进、智能,具备更好的学习性能;EWA算法具备更高的捕捉博弈均衡的能力。

新能源汽车市场开拓的政府补贴机制研究

市场培育与开拓成为阻碍中国新能源汽车行业发展的最为关键的要素之一。采用多Agent方法构建政府通过补贴对具有行为外部性的新能源汽车销售企业的销售努力进行激励的模型,研究政府补贴力度、获取补贴的销售目标等因素对系统相关绩效的影响,并将经验权重魅力值学习算法引入到政府动态调整补贴力度以开拓新能源汽车市场的研究中,对比政府静态补贴和动态补贴对相关绩效的影响。实验结果表明,政府应从消费者对新能源汽车的需求入手,努力扩大市场需求规模;销售目标对于汽车市场开拓具有正向作用,但在制定能否获取补贴的销售目标时应采用适度原则,并采取多种策略相结合的方式激励销售企业;重视和培养该行业中先锋企业的开拓能力,以先锋企业带动其他企业共同增强新能源汽车市场开拓能力,在一定程度上鼓励并发挥企业之间的行为外部性;政府采用动态补贴机制会优于保持补贴力度不变的静态补贴机制。研究结果为政府在多周期补贴过程中合理决策补贴力度和销售目标提供理论依据。