企业环境行为的三方动态博弈研究

企业环境行为是政府、企业和公众之间复杂性博弈内在机制的具体表现, 是我国实现“创新、协调、绿色、开发、共享”五大发展理念的关键因素. 文章运用博弈论原理, 建立政府、企业和公众之间三方动态博弈模型, 对三方在企业环境行为中的利益关系进行均衡分析. 结果显示: (1)若企业排污获得的额外收益低于企业实施排污被发现后的罚款, 且社会公众对生态环境保护足够的重视, 三方的纯策略纳什均衡解为“不合谋、监督、不排污”, 反之纯策略纳什均衡解为“合谋、不监督、排污”; (2)混合策略纳什均衡状态不存在, 三方博弈结果依赖于各参数取值, 反映出企业环境行为博弈关系的复杂性, 但可以优化政府和公众决策选择偏好来规范企业环境行为. 根据博弈分析结果, 文章从建立生态环境损害赔偿制度、加强非政府组织参与环境监管、加大中央政府对地方政府监管力度、降低非正式环境规制的社会综合成本等几个方面提出企业环境行为的建议.     

异构网格环境下的可信依赖任务调度

针对异构网格环境下依赖任务调度过程中网格节点行为可信性考虑不足的问题,根据网格节点的历史行为表现,构建了一个动态信誉度评估策略,为确立任务需求与资源节点行为可信属性之间的隶属关系,定义了隶属度函数,建立了一种安全可信的网格任务调度新模型.为了实现该模型,提出一种依赖任务可信调度的粒子群进化算法.该算法通过深度值和关联耦合度的引入解决了任务间的约束关系;为克服传统粒子群算法解决离散问题时的不足,结合网格任务调度问题的具体特点,重新定义并设计了新的粒子进化方程;为预防算法陷入局部最优,引入了均匀扰动速度.仿真实验表明,该算法与同类算法相比,在相同条件下具有较高的执行效率和安全可信优化性能等.     

双进化策略轮流切换差分进化算法

参考“优上劣下,轮流坐庄”比赛规则,提出双进化策略轮流切换差分进化算法。即在经典差分进化(Differential Evolution,DE)算法的基础上,增加进化效果评估管理层,采用某方面具有较好性能的双进化策略,轮流切换进化策略发挥各自算法的优势。仿真实验表明,轮流切换差分进化算法能够综合有效发挥各自算法的优势,对CEC2005提出的大多数标准测试函数都具有很强的优化搜索能力,其计算结果优于国际上最近提出JADE、CoDE等改进差分算法。更多还原     

免疫遗传算法的逻辑电路进化设计研究

针对电路进化设计时传统进化算法收敛速度慢且易陷入局部最优解等问题,模拟人体免疫系统的机制,设计了一种改进的免疫遗传算法用于逻辑电路的进化设计.首先建立电路进化设计模型,对种群中抗体进行多目标适应度评估;然后改进抗体的选择机制并将精英抗体作为记忆单元保存;最后引入自适应交叉、变异策略保持抗体多样性并提高算法的收敛性.实验结果表明:该算法具有较强的全局搜索能力,能有效地减少搜索到全局最优解的迭代次数,并设计出新颖、高效的电路结构.     

高斯骨架差分进化算法与回声状态网络的结合应用

针对回声状态网络(ESN)对于不同时间序列的学习上无法有效地确定储备池参数的问题,提出一种新型预测模型。利用改进的高斯骨架差分进化算法(DE)来优化回声状态网络。在DE算法中引入了变异策略选择因子,并将选择因子随个体共同参与进化,使每个个体执行当前最适合的变异策略。改善了原始DE算法进化过程中的盲目性,同时选择因子的动态自适应特性保持了骨架算法近似无参数的优点,最后为避免算法早熟加入停滞扰动策略改善算法的寻优性能。为验证模型的有效性,对Mackey-Glass时间序列、赣州月平均气温数据集进行仿真实验。由实验结果可知,该模型可以提高时间序列的预测精度,且具有良好的泛化能力及实际应用价值。     

脂肪酶催化合成聚R-3-羟基丁酸乙酯寡聚物研究

聚R-3-羟基丁酸酯是一类具有重要生理作用的聚合物,其合成方法一直是手性聚合物合成领域的研究热点之一.在充分考察底物构型、溶剂等因素对酶促动力学拆分/聚合反应影响的基础上,结合过渡金属配合物对醇的原位外消旋化作用与酶促聚合反应,建立了一种绿色、高效的酶促动态动力学拆分/聚合一锅合成聚R-3-羟基丁酸酯的方法.通过该方法制备所得聚合物的分子量可以达到2.0×10³ Da.通过改变聚合单体的光学纯度还可实现对聚合物分子量的调控,在不同光学纯度聚合单体的聚合反应中,聚合物的分子量可以较为均匀地分布在0.3×10³~1.3×10³ Da内.该方法具有高效、无毒等优点,对进一步研究手性聚酯的应用具有重要的理论和现实意义.     

遭受随机性破坏的供应链网络优化研究

探讨供应链网络中供应方与链路破坏方在确定性可破坏链路遭受随机性破坏情况下双方的博弈.首先建立Dijkstra算法和模拟退火算法模型,把中国城市分布作为复杂网状结构,对复杂网状结构供应链问题进行了优化研究.然后在链路遭受有限破坏情况下,通过优化供求关系,使被破坏方损失降到最小.并研究了在确定性可破坏链路遭受随机性有限破坏时,破坏策略方与供应链方通过调整新的最优化路径,使博弈双方处于最优状态的方法.     

空间公共品博弈中种群密度的影响

采用Monte Carlo数值模拟方法,对周期性边界条件下空间公共品博弈进行了研究,讨论了在学习和迁移两种策略的共同作用下,种群密度对空间分布和合作演化的影响.密度较低时,合作者与背叛者共存;随着密度的增大,合作者的比例增加;密度较高时,系统由共存态转变为纯粹的合作态;但密度足够高时,合作行为完全消失.并通过研究空间形貌,对这些不同的合作演化行为进行了分析.     

基于策略和虚拟机技术的动态远程证明框架

针对现有可信计算中远程证明方案的不足,将虚拟机技术和策略相结合,提出并实现了一种新的远程证明框架.该框架在用户终端构建可信虚拟机向应用系统提供可信的执行环境,服务方可以制定灵活、细粒度的策略,并借助于可信虚拟机来分发和执行这些策略,从而保证终端平台的行为符合服务方的要求.通过相关分析和模拟实验,结果表明:该框架町以开放地允许更多的软件实体接入,并具有良好的实时性、动态性、灵活性,真正实现了基于行为的远程证明.     

基于动态分级和邻域反向学习的改进粒子群算法

针对粒子群算法容易陷入局部最优解的问题,提出了一种基于动态分级和邻域反向学习的改进粒子群算法.该算法通过构建动态分级机制,将种群中的粒子动态地划分成3个等级,对不同等级内的粒子采取不同的扰动行为,使得粒子在增强种群多样性的同时保持向全局最优方向进化;采用粒子智能更新方式,提高了粒子的搜索能力;引入动态邻域反向学习点建立全局搜索策略,促使种群快速寻优.最后,利用多种典型测试函数对该算法进行仿真实验,结果表明,与其他几种优化算法相比,本算法具有较好的收敛性和稳定性.     

基于演化计算的组合模型序列密码分析

给出了一种利用演化计算对组合模型序列密码体制进行分析的方法.实验表明,用该演化计算方法对Geefe发生器和门限发生器进行分析时,算法复杂度比穷举法的复杂度低;该演化计算方法用于组合模型序列密码的分别征服攻击时,效率明显提高.因此演化计算分析方法是一种有效的序列密码分析方法.     

演化计算研究进展

系统地介绍了演化计算的历史与研究现状．并分别就演化计算的基础理论、设计准则与应用水平、演化计算的内涵等提出了相应的观点．     

常微分方程组的演化建模新算法

提出了常微分方程组的演化建模的一种新算法 ,新算法在 3个方面改进了作者原有的算法 :(1)采用新的适应值评估方式 ;(2 )采用一种基于子空间搜索的遗传算法来优化模型的参数 ;(3)将传统的遗传程序设计方法与局部搜索技术相结合来优化模型的结构 .将新算法分别应用于人口增长与化学反应模型的自动建模 ,并比较两种算法的实验结果 ,表明新算法发现的模型更稳定、精确度更高 .     

用演化算法研究二电子原子(离子)的外场特性

将求磁场中原子的基态能问题转化成了一个函数优化问题,同时考虑到演化算法在非线性函数优化方面的优越性,将它们结合起来进行了有益的尝试．结果表明演化算法与其他的优化算法相比．能更加有效地用于基态能量的计算,并能在物理学的其他领域得到成功的应用．     

基于粒子群优化求解纳什均衡的演化算法

基于粒子群优化方法从群智能的角度建立了博弈的演化模型，为求解有限n人非合作博弈的纳什均衡设计了一种粒子群优化算法．通过随机初始点的可行化以及对迭代步长的控制，保证粒子群在算法的迭代过程中始终保持在博弈的可行策略空间内，避免了在随机搜索中产生无效的粒子，因此提高了粒子群优化算法求解纳什均衡的计算性能．给出了算法的数值例子并分析了该算法的计算性能，通过粒子群算法与遗传算法的比较显示了粒子群算法求解博弈纳什均衡解的高效性．     

演化仿真优化的若干问题研究

针对仿真优化这一仿真领域提出了演化仿真优化的概念及其形式化语言描述，并给出了演化仿真优化的算法实现框架、分类，指出了仿真优化与演化算法相互取长补短的策略。为了提高速度和效率提出了一种混合演化仿真优化的算法：基于拉网的仿真优化算法（MESOAs）。该算法结合仿真系统的输出信息，构造出系统的响应曲面来指导演化算法，同时又不要求系统连接、可导，因此具有通用性、鲁棒性、隐含并行性等优点，它能有效地解决不确定环境（含随机系统和定性系统）的仿真决策优化，连续时间仿真控制优化问题等。最后，给 出了两类测试演化仿真优化算法的测试实例。一类是随机函数，另一类是GI／G／S排队模型，试验的结果表明在解的质量和速度两方面MESOAs都优于曲面响应法、随机搜索法。     

多目标子空间搜索演化算法MOSSSEA

在研究已有的求解多目标函数优化问题的演化算法的基础上,提出了一个结合Rank排名和子空间搜索的新的以杂交为主的演化算法MOSSSEA(Multi-Object Sub-Space Search Evolutionary Algorithm),将MOSSSEA应用到求解静态多目标函数优化问题中.一组测试函数的结果表明MOSSSEA表现出了优于同类算法的收敛性和多样性.     

演化算法行为分析──基于全局随机搜索的理论刻划

根据候选解空间上抽样分布的构造和计算来描述演化算法的行为，抽样分布的迭代构造是利用基于代（ｇｅｎｅｒａｔｉｏｎ）方法的全局随机搜索思想来刻划，在这种框架下，比例选择看成是全局随机搜索算子，复合看成是开发候选解相似性的搜索过程．研究表明：适当地限制复合算子的搜索宽度，能够保证演化算法弱收敛到全局最优解．     

演化求解高维函数优化问题的独立编码策略

在用演化算法解高维函数优化问题时，一般采用传统的二进制整体编码策略．本文将函数的自变量独立分组，分别进行编码和演化操作，以突破传统二进制整体编码策略的束缚，将这种分组编码策略称为独立编码策略．同时，讨论了独立编码串行实现的灵活性，提出了一个基于变量分组的并行演化计算模型．大量的数值实验结果表明：在问题求解的精确度和求解速度方面，独立编码策略都优于传统的二进制整体编码策略．     

偏微分方程的演化建模方法

考虑抛物型方程的参数反演问题,给出了一类偏微分方程的演化建模方法．根据样条插值理论,把无穷维空间上的反问题转化成有限维空间上的反问题来近似,利用演化算法来估计参数的反演值,数值结果证明了此方法的有效性．