基于擁塞博弈的動(dòng)態(tài)系統(tǒng)資源分配設(shè)計(jì)
發(fā)布時(shí)間:2021-08-12 09:41
近年來,動(dòng)態(tài)系統(tǒng)的博弈理論控制在電力市場交易、計(jì)算機(jī)網(wǎng)絡(luò)、軍事戰(zhàn)略以及道路交通等領(lǐng)域的應(yīng)用研究越來越深入。資源分配問題,比如成本分擔(dān),福利分配等,其根本在于尋求有效的方法優(yōu)化資源分配,從而使整個(gè)動(dòng)態(tài)系統(tǒng)達(dá)到整體最優(yōu)。而擁塞博弈有著固定的模型,它在解決動(dòng)態(tài)系統(tǒng)的資源分配問題上有著很大的應(yīng)用前景。矩陣半張量積作為一種研究有限集上的映射與動(dòng)態(tài)過程的有力工具,在處理基于博弈理論的資源分配方面有著顯著的實(shí)用價(jià)值。本文考慮了一種基于設(shè)備的系統(tǒng),像道路運(yùn)輸,發(fā)電站和電力用戶等都可被視為這樣一種系統(tǒng),在前人研究的基礎(chǔ)上運(yùn)用擁塞博弈的方法進(jìn)一步研究了動(dòng)態(tài)系統(tǒng)的協(xié)同控制和資源分配問題,為優(yōu)化資源分配提供了理論基礎(chǔ)。本文的主要工作和具體研究內(nèi)容如下:1.在目標(biāo)函數(shù)可分離的情況下,研究設(shè)備成本函數(shù)的設(shè)計(jì)優(yōu)化問題。借用矩陣半張量積這一數(shù)學(xué)工具,將擁塞博弈轉(zhuǎn)化成矩陣形式,通過設(shè)計(jì)合適的設(shè)備成本函數(shù),給出了將一個(gè)基于設(shè)備的一般系統(tǒng)轉(zhuǎn)化成擁塞博弈的充分必要條件,使得給定的目標(biāo)函數(shù)即為擁塞博弈的勢函數(shù)。利用勢博弈最終會收斂到納什均衡點(diǎn)的特性,對系統(tǒng)的動(dòng)態(tài)演化特性進(jìn)行了研究,保證當(dāng)每個(gè)用戶在優(yōu)化自己的收益時(shí),整個(gè)系統(tǒng)的資...
【文章來源】:華南理工大學(xué)廣東省 211工程院校 985工程院校 教育部直屬院校
【文章頁數(shù)】:79 頁
【學(xué)位級別】:碩士
【圖文】:
局勢演化過程
并在每個(gè)時(shí)刻以概率1( )3p i ,i 1, 2,3任意選擇一位用戶更新策略,得到局勢演化過程的仿真結(jié)果如圖4-1。從圖中可看到,無論以三個(gè)局勢中的哪個(gè)局勢作為初始值,系統(tǒng)的演化方程最終都會收斂到一個(gè)納什均衡點(diǎn)918~ (1,3,3) ,也就是目標(biāo)函數(shù) P( a )最小的點(diǎn)。因此,可以看出,對于僅有部分設(shè)備成本函數(shù)可以設(shè)計(jì)的系統(tǒng),4.2.1 節(jié)中給出的方法是有效的,只要設(shè)備成本函數(shù)滿足式(4-6),就能實(shí)現(xiàn)系統(tǒng)的最優(yōu)化。
圖 4-2 局勢演化過程可以看到,在隨機(jī)選擇的三個(gè)局勢中,不管以哪個(gè)局勢作為初始都會收斂到一個(gè)納什均衡點(diǎn)1718~ (2,3, 2) ,這正是目標(biāo)函數(shù) P( a ).1,有(2,3, 2) min ( )aP P a2 3 5a A | r (a ) r ( a) r (a ) 6},由此可得 4.2.2 中的理論是正確的例 3.4(接著例 3.3),假設(shè)基于設(shè)備的一般系統(tǒng)的目標(biāo)函數(shù) P( a )給定的設(shè)備成本函數(shù)集為[10,3,5,1,4,5,0,2,8,1,5,2,1,4,3]定的( , P) 不滿足式(3-13),但對于給定的 方程有解0如設(shè)備成本函數(shù) ,當(dāng)系統(tǒng)選擇 MBRAR 更新方式進(jìn)行演化時(shí),)可得各個(gè)用戶的收益矩陣和最優(yōu)響應(yīng)函數(shù)如表 4-6,4-7 所示。
【參考文獻(xiàn)】:
期刊論文
[1]Vector Space Structure of Finite Evolutionary Games and Its Application to Strategy Profile Convergence[J]. QI Hongsheng,WANG Yuanhua,LIU Ting,CHENG Daizhan. Journal of Systems Science & Complexity. 2016(03)
[2]博弈論中的矩陣方法[J]. 程代展,劉挺,王元華. 系統(tǒng)科學(xué)與數(shù)學(xué). 2014(11)
[3]矩陣的半張量積:一個(gè)便捷的新工具[J]. 程代展,趙寅. 科學(xué)通報(bào). 2011(32)
[4]Semi-tensor product of matrices and its application to Morgen’s problem[J]. 程代展. Science in China(Series F:Information Sciences). 2001(03)
本文編號:3338080
【文章來源】:華南理工大學(xué)廣東省 211工程院校 985工程院校 教育部直屬院校
【文章頁數(shù)】:79 頁
【學(xué)位級別】:碩士
【圖文】:
局勢演化過程
并在每個(gè)時(shí)刻以概率1( )3p i ,i 1, 2,3任意選擇一位用戶更新策略,得到局勢演化過程的仿真結(jié)果如圖4-1。從圖中可看到,無論以三個(gè)局勢中的哪個(gè)局勢作為初始值,系統(tǒng)的演化方程最終都會收斂到一個(gè)納什均衡點(diǎn)918~ (1,3,3) ,也就是目標(biāo)函數(shù) P( a )最小的點(diǎn)。因此,可以看出,對于僅有部分設(shè)備成本函數(shù)可以設(shè)計(jì)的系統(tǒng),4.2.1 節(jié)中給出的方法是有效的,只要設(shè)備成本函數(shù)滿足式(4-6),就能實(shí)現(xiàn)系統(tǒng)的最優(yōu)化。
圖 4-2 局勢演化過程可以看到,在隨機(jī)選擇的三個(gè)局勢中,不管以哪個(gè)局勢作為初始都會收斂到一個(gè)納什均衡點(diǎn)1718~ (2,3, 2) ,這正是目標(biāo)函數(shù) P( a ).1,有(2,3, 2) min ( )aP P a2 3 5a A | r (a ) r ( a) r (a ) 6},由此可得 4.2.2 中的理論是正確的例 3.4(接著例 3.3),假設(shè)基于設(shè)備的一般系統(tǒng)的目標(biāo)函數(shù) P( a )給定的設(shè)備成本函數(shù)集為[10,3,5,1,4,5,0,2,8,1,5,2,1,4,3]定的( , P) 不滿足式(3-13),但對于給定的 方程有解0如設(shè)備成本函數(shù) ,當(dāng)系統(tǒng)選擇 MBRAR 更新方式進(jìn)行演化時(shí),)可得各個(gè)用戶的收益矩陣和最優(yōu)響應(yīng)函數(shù)如表 4-6,4-7 所示。
【參考文獻(xiàn)】:
期刊論文
[1]Vector Space Structure of Finite Evolutionary Games and Its Application to Strategy Profile Convergence[J]. QI Hongsheng,WANG Yuanhua,LIU Ting,CHENG Daizhan. Journal of Systems Science & Complexity. 2016(03)
[2]博弈論中的矩陣方法[J]. 程代展,劉挺,王元華. 系統(tǒng)科學(xué)與數(shù)學(xué). 2014(11)
[3]矩陣的半張量積:一個(gè)便捷的新工具[J]. 程代展,趙寅. 科學(xué)通報(bào). 2011(32)
[4]Semi-tensor product of matrices and its application to Morgen’s problem[J]. 程代展. Science in China(Series F:Information Sciences). 2001(03)
本文編號:3338080
本文鏈接:http://sikaile.net/kejilunwen/yysx/3338080.html
最近更新
教材專著