激励Stackelberg策略下的电价算法

讨论了电力市场中制定电价算法的问题.首先将对策论中的激励Stackelberg策略概念引入到简化了的电力市场系统模型中.从用户获取最大效用函数的角度出发,研究了适合于电力市场合理发展的动态电价的新方法.该算法较以往单一电价的制定更加合理,具有激励性质.根据电力公司的生产能力再结合当时当地用户对电力的需求,分别采用线性激励策略和非线性激励策略,制定更加合理有效的电价政策.利用MATLAB对所制定的两种激励策略进行了数值仿真,仿真结果说明所得方法的有效性和结果的实用性.

离散随机线性Markov切换系统的Stackelberg策略

讨论有限时域和无限时域情形下的离散时间随机线性Markov切换系统的Stackelberg博弈问题,应用极大值原理,分别得到有限时域和无限时域情形下的Stackelberg策略,并给出最优解的显式形式。最后给出了数值算例。

基于Stackelberg策略的农村装配式绿色建筑节能设计研究

基于Stackelberg策略设计了一种新的农村装配式绿色建筑节能方法,建筑外窗选用低辐射镀膜玻璃、中空玻璃、真空玻璃进行保湿、隔热,利用纤维水泥钢结构设计楼板和屋面板,通过预制保温夹心板、外挂式的保温复合墙体、硬泡聚氨酯喷涂外墙外保温材料、外墙聚合物水泥聚苯保温板设计外围护墙体,使用绿色植物,太阳能资源使节能效益达到最佳,引用Stackelberg策略使企业利润最大化。为了验证方案的有效性,设计对比实验,结果表明,基于Stackelberg策略设计的农村装配式绿色建筑节能方法,能够在较低成本下提高节能优势,对环境保护发展有重要意义。

基于Stackelberg策略的多Agent强化学习警力巡逻路径规划

为解决现有的巡逻路径规划算法仅仅能够处理双人博弈和忽略攻击者存在的问题,提出一种新的基于多agent的强化学习算法.在给定攻击目标分布的情况下,规划任意多防御者和攻击者条件下的最优巡逻路径.考虑到防御者与攻击者选择策略的非同时性,采用了Stackelberg强均衡策略作为每个agent选择策略的依据.为了验证算法,在多个巡逻任务中进行了测试.定量和定性的实验结果证明了算法的收敛性和有效性.

基于激励Stackelberg策略的拥塞控制研究

针对传统的拥塞控制缺乏合理的激励机制,或者没有考虑用户的不同服务质量需求,在多用户的网络模型中,通过引入基于效用函数的激励Stackelberg策略,网络方(主方)利用价格手段对用户方(从方)进行网络资源的控制,使双方都达到了最优——既保证了网络方的最大收益,也保证了用户方的最佳资源利用率,从而达到拥塞控制的目的.仿真试验表明,该方法可以限制用户的资源利用率,并达到约束条件下的期望值.

线性二次广义系统中的多随从闭环Stackelberg策略

研究了线性二次广义系统中具有多个非合作随从者的Ｓｔａｃｋｅｌｂｅｒｇ诱导策略，在多个非合作随从者采取Ｎａｓｈ非合作策略的假设下，对有限时间和无限时间两种情形得到了诱导策略存在的充分性条件，并给出了数值示例。

考虑充放储一体站与电动汽车互动的主从博弈优化调度策略

针对大规模电动汽车(electrical vehicle,EV)接入微电网造成的负荷压力,提出一种考虑充放储一体站(charging-discharging-storage integrated station,CDSIS)与EV互动的主从博弈优化调度策略。首先,通过建立CDSIS模型,并针对CDSIS多场景进行分段设置。其次,建立动态路网模型并结合EV出行特性,预测城市区域路网约束下的EV充电负荷时空分布。并根据预测结果建立EV及CDSIS多目标主从博弈优化调度模型,对EV用户、CDSIS收益进行多目标协调。最后,以某城市主城区域部分交通路网结合IEEE33节点配电系统进行仿真,分析电价与CDSIS储能设备容量对城市区域内EV用户和CDSIS站收益的影响。结果表明,所提主从博弈模型与调度策略能够使得EV用户与CDSIS双方得到最大收益。

IWSNs防移动干扰节点的两层协作Stackelberg博弈

针对工业无线传感器网络物理层移动干扰攻击节点的攻击问题,研究sink节点和簇头节点共同抵御攻击的两层协作博弈模型。在簇头节点中选择最佳协作节点,共同抵御移动干扰攻击节点;以网络安全速率为优化目标,将sink节点、最佳协作节点和攻击节点之间的合作竞争关系建模为两层协作Stackelberg博弈模型,采用逆向归纳法求解博弈均衡解。仿真实验结果表明,与未采用协作节点的方案相比,采用的最佳协作节点选择方案对移动攻击节点的抵御效果更佳,且与其他协作博弈功率控制模型相比,两层协作Stackelberg博弈模型可有效提高工业无线传感器网络的安全速率。

互补品供应链Stackelberg博弈下纵向决策研究

以两条均由一个制造商和一个零售商构成的互补品供应链为研究对象,探讨互补品供应链采用不同决策方式时的链间Stackelberg博弈和链内Stackelberg博弈问题,研究市场规模、成本等参数对市场价格、需求、利润的影响。进一步地,对链间Stackelberg博弈下的四种决策方式(集中-集中、集中-分散、分散-集中、分散-分散)下的均衡解进行比较分析。研究表明:互补产品生产成本与需求、利润负相关;自身价格与互补产品成本负相关;集中决策是互补品主导供应链的占优策略;对于跟随者供应链而言,采取集中决策还是分散决策方式,首先取决于主导者供应链的决策方式,其次取决于产品之间的互补程度;集中-集中决策方式是互补品供应链的帕累托均衡解。因此,互补品供应链内部成员之间可设计一种增量利润分享机制,确保供应链集中决策的稳定性;互补品供应链之间应注重两个方面:一是相互合作共同降低产品成本,实现降本增效;二是以某条供应链产品进行低价引流,促进消费者对互补产品的需求,进而实现互补品供应链利润最大化。

基于分簇和Stackelberg博弈的D2D资源分配策略

当前,车辆密集通信场景下存在通信资源利用率低、DUE(D2D user)用户通信质量差等问题。针对上述问题,提出了一种基于分簇和Stackelberg博弈的D2D(device to device)资源分配策略,以解决DUE用户功率分配、信道匹配问题。首先,基于每个信道内DUE用户之间干扰最小原则,该模型对所有DUE用户进行分簇;然后,对于CUE(cellular user)用户与DUE用户簇,构建一对多的Stackelberg主从博弈模型,通过复用链路干扰参数和簇内干扰参数的迭代更新,优化每个DUE用户的发射功率;最后,利用匈牙利算法实现DUE用户簇与CUE用户的最佳信道匹配,最大化DUE用户的容量和。仿真结果表明,与基于价格迭代、等功率分配和高能效干扰约束的几种功率分配算法相比,所提算法能有效提升DUE用户的总容量。

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。

再制造供应链中纵向持股策略研究——以废旧纺织服装为例

针对一个由第三方科技企业、制造商和零售商组成的三级供应链,为使第三方科技企业有从回收的废旧纺织服装中研发生产新科技材料的积极性和资金保障,探讨分析了制造商对第三方科技企业的投资持股策略。以供应链成员各自利润最大化为目标,建立了Stackelberg博弈决策模型,给出了各成员利润和价格的均衡解。研究结果表明当制造商对第三方科技企业投资和投资持股时,第三方科技企业提供的原材料具有的附加值的高低对第三方科技企业和制造商的利润分配有积极影响,且持股比例亦可较好地调节和控制利润在供应链成员间的分配,以保证供应链整体的可持续运作。相关成果对解决当前废旧纺织服装回收再制造投入资金不足,废旧纺织服装供应链整体可持续运营管理具有重要的指导意义。

低轨卫星网络基于Stackelberg博弈的任务卸载策略

针对单一卫星在过顶时间内难以完成复杂的任务计算问题,提出了一种应用于真实低轨卫星网络场景的星地边缘计算任务卸载方法。地面用户根据星地链路的连通条件建立与LEO卫星的任务协同计算关系,并基于Stackelberg博弈模型,构建双方关于任务时延的收益函数,采用分布式迭代算法求解满足纳什均衡下的任务卸载最优策略,从而优化任务时延。仿真结果表明,提出的Stackelberg博弈星地边缘计算方法与云计算及单一卫星计算相比,任务处理时延分别降低88%和46%;同时相比于任务卸载的传统算法,文中提出方法也具有明显的时延优势,证明了提出方法在任务卸载计算方面的有效性。

考虑人机信任匹配的人机协同控制策略

人机互信水平是影响人机协同系统表现的关键因素之一。提出了一种考虑人机信任匹配的主从博弈协同控制策略。建立评估驾驶人和机器相互信任程度的方法,在此基础上根据人机信任匹配程度进行协同驾驶中的权重分配;采用模型预测控制框架并结合主从博弈进行最优化求解,得出最优的协同控制策略;通过驾驶人在环实验,验证了所提出的协同控制策略的有效性。结果表明,对于不同信任匹配程度的驾驶人,所提出的策略使得驾驶人路径跟踪精度平均提高了70.91%,驾驶负担平均降低了44.03%。所提出的策略能提升车辆的驾驶表现,减轻驾驶人操作负担。

考虑制造商资金约束的绿色供应链融资策略

针对绿色供应链上制造商为研发生产绿色产品而面临的资金约束问题,提出银行贷款与提前付款融资两种融资策略,分别建立不同融资策略下的博奔模型并求出最优的产品绿色度、制造商利润、零售商利润,通过绿色创新成本系数、消费者绿色意识、银行贷款与提前付款利率等4个因素对制造商融资策略选择的影响进行理论分析和数值仿真。研究表明:绿色创新成本系数与利率的增大对绿色供应链上制造商与零售商的效益产生消极影响,消费者绿色意识的提高对其产生积极影响。另外,当提前付款利率大于最大均衡利率时,银行贷款融资策略为制造商最优融资策略,否则提前付款融资策略为制造商的最优融资策略,当且仅当提前付款利率为0时,制造商与零售商的效益达到最优。

基于三层博弈的社区综合能源系统电热交易策略

随着综合能源系统逐渐向智能化、清洁化、去中心化转型,发用电一体的产消者应运而生。为实现综合能源系统可再生能源的充分消纳,提高各主体的交互效益,提出基于三层博弈的社区综合能源系统电热交易策略。首先,建立基于社区合作博弈嵌套的综合能源运营商与能源社区主从博弈模型,运营商以最大化自身效益为目标制定分时电价、热价并传递给能源社区。能源社区响应运营商的电热决策,以消费剩余最大为目标制定与其他社区的交互策略,确定购能需求并传递给运营商。其次,为降低综合能源运营商碳排放,充分消纳各运营商的资源剩余,建立多综合能源运营商的纳什谈判模型。然后,利用Karush-Kuhn-Tucker(KKT)条件将模型进行转化,并利用McCormick法进行凸松弛。最后,采用交替方向乘子分布式算法对模型进行求解,通过算例验证了所提策略能够有效提升各主体交互效率、降低综合能源系统碳排放、提高各主体效益。

基于Stackelberg博弈的钢铁企业余热余压发电的上网电价策略

研究钢铁行业余热余压发电与传统火力发电组成的电力市场,分析钢铁企业余热余压发电上网电价策略.建立了有关钢铁企业、传统化石燃料发电企业和地方政府三方的斯坦克尔伯格博弈(Stackelberg)模型,比较余热余压发电技术上网电价的三种定价策略(固定价格、固定溢价和可变溢价),并进行了数值模拟分析市场规模、余热余压发电成本系数和钢铁企业环境成本对最优规制价格、最优钢铁企业利润和最优社会总福利的影响.结果表明:三种定价策略下最优规制价格、最优钢铁企业利润和最优社会总福利差异非常大.不同偏好的政策制定者会从不同的风险性和补贴选择不同的定价策略.其中,风险性大和补贴高是最优规则价格中的可变溢价策略、最优钢铁企业利润中的固定溢价策略和最优社会总福利中的可变溢价策略;风险性低和补贴低是最优规则价格中的固定价格策略、最优钢铁企业利润中的固定价格策略和最优社会总福利中的固定溢价策略;其他情形的风险性和补贴位于这两种情况之间.

RedCap部署策略建议

RedCap作为轻量级5G技术,是蜂窝物联网的重要演进方向,它可有效兼顾行业对技术性能和部署成本的双重需求,有助于加速5G技术融入千行百业。分析了RedCap关键特性、基本通信功能要求、产业生态及应用场景等,提出RedCap部署策略及网络、业务规划建议,推动蜂窝物联网持续向端网协同方向发展和演进。

融合工况预测的燃料电池汽车里程自适应等效氢耗最小控制策略

为有效地提高插电式燃料电池汽车的经济性,实现燃料电池和动力电池的功率最优分配,考虑到行驶工况、电池荷电状态(State of charge,SOC)、等效因子与氢气消耗之间的密切联系,制定融合工况预测的里程自适应等效氢耗最小策略.通过基于误差反向传播的神经网络来实现未来短期车速的预测,分析未来车辆需求功率变化,同时借助全球定位系统规划一条通往目的地的路径,智能交通系统便可获取整个行程的交通流量信息,利用行驶里程和SOC实时动态修正等效消耗最小策略中的等效因子,实现能量管理策略的自适应性.基于MATLAB/Simulink软件,搭建整车仿真模型与传统的能量管理策略进行仿真对比验证.仿真结果表明,采用基于神经网络的工况预测算法能够较好地预测未来短期工况,其预测精度相较于马尔可夫方法提高12.5%,所提出的能量管理策略在城市道路循环工况(UDDS)下的氢气消耗比电量消耗维持(CD/CS)策略下降55.6%.硬件在环试验表明,在市郊循环工况(EUDC)下的氢气消耗比CD/CS策略下降26.8%,仿真验证结果表明了所提出的策略相比于CD/CS策略在氢气消耗方面的优越性能,并通过硬件在环实验验证了所提策略的有效性.

基于用户画像与Stackelberg博弈的交通环岛通行策略

现有的交通环岛通行优化研究多以无损通信为背景,结合车辆速度等基础数据设计协同策略,忽略了影响交通策略的外界环境等数据,无法满足实际应用的需要。为解决实际通信受限问题,根据智能网联汽车的车-路-环境协同特点,提出一种结合用户画像,基于车辆状态预测的环岛车辆协同换道策略。设计基于时空特征的车辆预测方法AP-LSTM,捕捉车辆关键时空特征以实现小样本轨迹预测,有效提高小样本车辆轨迹预测的准确性和实时性。同时,设计基于预测机制的车辆协同算法PMC,弥补车辆协同决策在实时通信受限的条件下所缺失的车辆状态信息,通过历史数据对车辆未来状态进行预测,在此基础上,结合Stackelberg博弈对交通环岛路口处的车辆进行协同控制。在SUMO平台上的实验结果表明,相比长短时记忆算法,所提AP-LSTM预测方法的均方根误差较低,相比SUMO算法,所提PMC协同算法的加速度标准差降低51.7%,且平均速度提高3.0%,有效提高交通环岛的通行效率和驾驶平稳性。