多傳感器信息融合使得合作工作變得愈來愈復雜,多智能體如何在真實復雜的環(huán)境下相互協(xié)調(diào)完成不同的任務,也成為了新的研究熱點。智能體之間的相互合作是保證其能在一起工作的核心。合作不僅能提高智能體所形成的智能系統(tǒng)的性能,亦能增強其解決實際問題的能力。因此研究多智能體相互之間的合作是開發(fā)多智能體系統(tǒng)的必然需求。近年來,通過博弈論研究多實體合作行為的實驗,對于智能體的合作研究產(chǎn)生了深遠影響。例如:馬克斯-普朗克研究所的米林斯基合作演化博弈實驗,瑞士蘇黎世大學和圣加倫大學進行的公共物品博弈實驗,乃至大衛(wèi)·蘭德的重復性囚徒困境實驗等。這些研究對進化動力學、合作演化、群體內(nèi)資源分配均有著一定的貢獻。本文借鑒了以上關于多智能體合作演化的研究,以復雜網(wǎng)絡博弈動力學為核心,通過在復雜網(wǎng)絡中引入動態(tài)博弈機制,以網(wǎng)絡內(nèi)的智能群體合作為研究對象,仿真分析了多智能體間的合作演化過程。本文主要工作有:1.首先研究多智能體中的行為一致性對囚徒困境博弈合作演化的影響。研究表明:在智能群體中引入行為一致性機制,能夠使群體合作率的變化幅度變小,且能夠使得多智能體在合作演化中有著更高的合作密度。2.考慮聲望機制對于合作演化的影響... 

【文章來源】：河南大學河南省

【文章頁數(shù)】：65 頁

【學位級別】：碩士

【部分圖文】：

每局博弈中策略比例統(tǒng)計結(jié)果

當L=10時(ND-NC)/L2隨局數(shù)變化

當L=20時(ND-NC)/L2隨博弈局數(shù)變化

【參考文獻】：
期刊論文
[1]激勵機制下合作行為的演化動力學[J]. 高世萍,武斌,杜金銘,王龍.  控制理論與應用. 2018(05)
[2]復雜網(wǎng)絡上的演化博弈動力學——一個計算視角的綜述[J]. 譚少林,呂金虎.  復雜系統(tǒng)與復雜性科學. 2017(04)
[3]小世界網(wǎng)絡中的合作行為傳染仿真研究[J]. 王世龍.  系統(tǒng)仿真學報. 2017(10)
[4]自我質(zhì)疑機制下公共物品博弈模型的相變特性[J]. 楊波,范敏,劉文奇,陳曉松.  物理學報. 2017(19)
[5]基于小世界模型的無線傳感器網(wǎng)絡層次型路由算法[J]. 韋世紅,唐起超.  計算機應用. 2017(09)
[6]零行列式策略在雪堆博弈中的演化[J]. 王俊芳,郭進利,劉瀚,沈愛忠.  物理學報. 2017(18)
[7]空間公共品博弈中條件相互懲罰對合作的影響（英文）[J]. 蘭婷,程磊,戚靜云.  科技通報. 2017(06)
[8]一種高聚類冪律可調(diào)網(wǎng)絡異質(zhì)配置模式下的公共品博弈研究[J]. 苗萍,楊洪勇.  復雜系統(tǒng)與復雜性科學. 2017(02)
[9]多移動微小型機器人編隊控制與協(xié)作避碰研究[J]. 張大偉,孟森森,鄧計才.  儀器儀表學報. 2017(03)
[10]復雜網(wǎng)絡上的公共數(shù)據(jù)演化博弈與數(shù)據(jù)質(zhì)量控制[J]. 劉文奇.  中國科學:信息科學. 2016(11)



本文編號：2926993