熵与系统有序性研究综述

系统有序性是维系系统基本特征,保证系统生存和发展的关键,是衡量系统内在质量的重要指标.文章首先介绍了信息熵的基本概念,论述了它与有序性之间的关系.然后,从物理学、信息论、自组织理论以及耗散结构等多个方面对系统有序进行了分析.进而,论述了系统有序性的几种测度方法,比如概率测度、微观态测度、时效质量测度等.在系统分析中,必须结合实际的系统情形,综合考虑各种系统要素对系统有序性的影响.     

基于学习的互利协调与互制均衡及其矢量分析

纳什均衡代表了博弈参与人如何博弈的一致性预测.但是,有限理性的博弈者一般不会在一次博弈中取得一致性预期,他们总是通过不断的重复学习,使得预期逐渐向均衡方向演化.对互利协调与互制均衡进行分析,并探讨协调和均衡的动态形成机理.互制均衡强调自我实现,倾向个体利益最优.互利协调在强调自我实现的基础上,注重双赢,引导合作.现代博弈学习理论正是从有限理性的实际出发,通过学习和进化,最终实现博弈的均衡或协调.这对于如何走出传统博弈的困境具有重要意义.     

基于深度和广度的博弈学习模型

信息和理性在博弈学习中具有重要作用.博弈历史反映了博弈参与者的策略选择倾向,在一定程度上预示了博弈主体的行动规律.从主题、事件类型以及事件概率三个方面来描述历史的概念.由于博弈主体是有限理性人,他不能掌握全部的历史,也不能掌握全部博弈主体的博弈信息.深度就是指在时间轴上的纵向研究尺度.广度是指在每一期的博弈中,博弈者所能学习的对象的范围.由于博弈学习者的理性差异,他们在学习中往往采用不同的学习深度和广度.同样,也正是由于学习差异性的存在,才使得整个群体社会得以多样发展、共同繁荣.     

博弈训练及其对均衡的影响

训练和学习是博弈中的一对统一体.博弈学习是通过降低博弈语境的不确定性来提高博弈收益,而博弈训练则是针对博弈学习的一种策略.训练者通过可信的信号传递来影响对手的博弈学习结果,改变受训者的信念,从而提高博弈收益.博弈训练的目标可分为事实隐藏和事实揭示.在使用博弈训练时,应遵循"利已、利他、可信、可辩"的原则,从全局的角度审视整个博弈环境,选择利己利他的训练方法,最终取得较优的训练效果.     

基于训练和过滤的期望均衡及其实现路径

期望均衡是博弈局中人或局外人对于博弈均衡点的一致期望,强调互利共赢,它要求博弈群体的每个成员对期望均衡点有一个共同的预期.显然,基于纳什均衡的帕累托优化组合策略是一个比纳什均衡更有效的期望均衡.要实现期望均衡,可采用局中人参与的训练与学习使得群体的预期一致,也可采用第三方过滤器来达到期望目标.在期望均衡的概率分布下,个体行为的偏离不能比均衡态取得更多收益.否则,训练就是无效的,第三方过滤器就是不公平的.