基于随机贪心选择的选择性集成算法

针对现有的基于贪心选择的选择性集成算法易过早陷入局部最优的问题,提出一种基于随机贪心选择的选择性集成算法(SERGS);该算法引入了随机化策略来扩展贪心搜索的搜索空间,从而降低了算法陷入局部最优的可能性,并且算法的计算性能也得到了改善。在UCI数据集上的实验表明,与现有的集成学习算法和选择性集成算法相比,SERGS的分类精度高于其他算法,且建模时间少于同类型的算法。

具有不同时间偏好的反恐重复博弈分析

面对着恐怖主义威胁的日益长期化,政府、平民和恐怖分子表现出不同的时间偏好.本文构建了具有不同时间偏好的反恐重复博弈模型.首先构建了政民协同反恐和反恐失利两种反恐情景下的阶段博弈模型.然后,博弈方在重复博弈中的策略设计为分别采取了趋于均衡的随机化策略以及采取趋于偏离的随机化策略,比较了两种随机化策略下不同时间偏好和参与方偏离行为对于博弈支付函数的影响.研究结果表明,首先,随着政府或恐怖分子采取的随机化策略趋于稳定其将注重长期收益,随着政府或恐怖分子采取的策略愈发非理性和不稳定他们的行为将趋于短期化.其次,由于政府、平民和恐怖分子在反恐博弈中接近于零和博弈,因此任何一方采取非均衡的随机化行为都将导致其它两方收益的上升,但是政府和平民之间存在着一损俱损、一荣俱荣的政民协同效应.第三,如果恐怖分子采取了趋于均衡的随机化策略,则政府充分利用恐怖分子的失误实现短期收益最大化.但是,如果恐怖分子采取了趋于偏离的随机化策略,则政府注重制定长期的反恐策略.