考虑招标人收益的工程招投标博弈分析

传统的投标博弈来源于拍卖模型,只有投标人参与,没有招标人参与,而实际上,现代评标方法的多样性决定了招标人在招投标博弈中的重要性,文章在对招投标博弈与拍卖博弈进行比较分析后,构建了包括招投标多方、招标人对收益具有风险偏好且类型未知的非完全信息静态博弈,比以往的单纯用投标人的成本作为整个模型的参数更加具有合理性.最后给出博弈的均衡解以及数值计算,同时为招投标双方的决策给出理论分析与现实意义.     

基于招投标博弈报价策略分析

运用博弈论的理论和方法分析在招投标报价决策过程,对不完全信息下投标工程投标报价、竞标过程来确定自身的动态评判标准,采用概率模型的投标报价,并对这种博弈局势进行了定量剖析,给出招投标决策满意报价的解析结果.     

无标底招标项目中招投标各方的博弈研究

在无标底招标项目中,招投标各方之间存在诸多博弈现象.本文根据项目管理和博弈的方法,对投标方的投标策略和支付函数进行了深入的分析.同时,利用价值效益评价决策的方法建立了招标方的评标计分模型和中标评价模型,并根据招标方的评标偏好性,提出了招标方的评标策略集和中标策略集.最后,对招投标双方的多种博弈现象进行了讨论,提出了双方的纳什均衡策略和不同条件下的双方最优中标策略和最优投标策略.     

FIDIC合同条件下工程索赔的博弈模型*

索赔是工程项目各参与主体共同关注的焦点,索赔决策直接影响业主方和承包方的利益。研究通过分析工程索赔的特性,结合FIDIC合同条件下的索赔条款,提出索赔的博弈基础;分析博弈论和贝叶斯法则与索赔决策之间的契合程度,构建工程索赔的基本博弈模型;基于工程索赔的四种情境,构建完全信息有限多轮博弈模型、资金时间价值对博弈模型的影响、不完全信息有限多轮博弈模型和非完全对立的不完全信息有限多轮博弈模型并求解“纳什均衡”,模拟工程参与方做出索赔决策的路径,寻求相应情形下承包方和业主方的最优策略,提出工程参与方优化索赔策略的建议。     

基于耦合产业链声誉的海陆产业合作的微分对策模型研究

利用微分对策理论研究了海洋产业和陆域产业在产业耦合过程中的合作问题,将其合作过程抽象概括为"耦合产业链声誉"的构建过程,并构建了一个海陆产业微分对策动态模型,运用汉密尔顿-雅可比-贝尔曼方程求出海洋产业和陆域产业在Nash非合作博弈、Stackeelberg主从博弈及协同合作博弈条件下的最优策略,并对此三种博弈结构下的反馈均衡结果进行了比较.研究结果显示,协同合作博弈情形下的系统收益、参与双方的收益水平要优于Nash非合作、Stackelberg博弈情形下的收益水平;在Stackelberg博弈情形下,海洋产业的激励因子是海陆耦合产业系统中的一种协调和激励机制,可以提高海陆产业各自以及整个海陆耦合产业系统的收益.     

基于粗糙集和相对熵的工程项目投标决策研究

工程招投标已成为建筑市场最主要的竞争模式,投标决策是建筑企业必须面对和要解决的首要难题.在分析投标风险因素的基础上,针对投标风险影响因素众多且复杂,不确定性等特点,提出基于粗糙集理论和相对熵的投标优选模型.首先,分别运用层次分析法和改进的粗糙集条件信息熵确定指标主、客观权重,然后采用博弈集结模型对指标主客观权重进行组合赋权.其次,针对TOPSIS决策模型的不足,运用相对熵理论构建投标优选模型对投标项目进行投标决策.最后,结合工程实例并运用相对熵投标决策模型对投标项目进行优选,验证模型的合理性和可操作性.     

腐败的三方动态博弈模型及其治理对策

本建立了腐败问题的三方动态博弈模型，并求出博弈模型的均衡解模型，根据均衡解，提出了治理腐败问题的对策。     

不完全信息下基于价格信号的投资博奕模型

在金融市场中,投资者的预期是决定市场走向的重要因素,而机构投资者的资源禀赋与其市场操纵行为的获利之间往往呈现正相关关系.通过描述机构和散户基于价格信号传递的对策过程,建立了一个博弈模型,模型演绎结果在理论上证实了上述经济现实.     

考虑交易费用的一级价格密封招标研究

本文在独立私人价值模型的基础上,通过引入投标成本,建立了考虑交易费用的一级价格密封招标博弈模型,给出了对称的进入点均衡和相应的对称均衡报价策略。研究表明,交易费用的出现排除了高成本类型的投标者,但也导致了竞标人数的不确定性,招标方为了降低招标无效率的可能性,必须限制潜在投标者人数;另一方面,在招投标过程中降低交易费用对交易双方来说都是有利的,招标方给予投标者投标补偿以激励其参与竞标的机制是可行的。     

工程项目主体行为博弈分析

在工程项目建设过程中,项目主体扮演着重要的角色,同时相互之间构成了一定的经济伙伴关系.由于项目主体之间的信息存在不对称性,项目各主体为追求自身利益最大化相互之间形成了博弈关系.在分析项目主体之间的博弈关系的基础上,分别建立了一般项目和政府投资项目主体三方之间的行为博弈模型,分析了博弈混合策略纳什均衡解.最后从建立完善的建设管理制度、建立事先监督机制与事后惩罚机制、建立激励机制与约束机制等方面提出了规范项目主体行为的具体对策.     

A Bidding Simulation for Training Estimators

A simulation for training estimators and managers is described. The game simulates a bidding situation in the construction industry, with the participants split into teams which bid against each other for government contracts. The contracts are differentiated in terms of workload implications and location, and the teams are encouraged to use discriminating bidding strategies. The cost estimates provided include substantial uncertainty, and the teams can purchase more accurate estimates as well as buying competitive information. As a result of playing the game, participants appreciated the importance of expenditure on estimates, keeping good records, and using simple bidding models.     

基于网上拍卖的共同价值托投标分析

基于信息不对称条件下的共同价值模型,刻画了网上拍卖过程中可能存在的托投标行为,并运用博弈理论结合竞价关系求解了竞标者的赢标概率和最优竞价策略．研究发现,在共同价值模型下,参与竞标的人数与嬴者诅咒的发生存在联系;在最高出价者赢标的概率模型基础上,分别建立了是否存在托投标行为时的竞标者收益模型,并求解了竞标者的均衡竞价策略．     

完全信息下发电机组间竞价上网的非合作博弈行为分析

本文利用博弈论方法对电力市场中 ,电力总需求缺乏弹性时各发电机组间非合作关系下竞价上网的报价行为进行了分析、研究 .并通过多目标规划方法 ,求出了纳什均衡的近似解 .该解可以指导机组制定竞价上网的报价曲线 ,避免机组盲目报价 .     

基于灰色系统理论的工程项目评标方法研究

工程项目评标实质是多目标决策问题,为优先出合适的投标单位,建立灰色Euclid理论工程项目评标决策模型.首先,运用层次分析法(AHP)与信息熵法分别确定主客观权重.然后利用博弈集结模型对指标体系进行组合赋权,得到综合权重.最后,结合工程项目评标实例运用灰色Euclid理论评标模型进行评标决策.结果表明,运用博弈集结组合赋权和灰色Euclid理论模型选出投标单位D为最优方案,与实际评标一致,验证了模型的可操作性和适用性.     

基于期权博弈的中国风电投资分析

本文运用期权博弈的思想建立模型,将风电特许权投资项目看作不完全信息下的抢滩博弈问题,讨论在现有的特许权机制下,引入碳排放交易机制对风电投资的影响。模型分析了在未来碳价格存在不确定性的情况下,风电投资竞价机制会对投资者的竞价行为会产生什么样的影响,投资者应如何确定自己的最优投标价格,其他竞标者的策略对竞标者的影响将如何体现以及不同因素变化时对投资者投资行为的影响。     

A Stochastic Model for Bidding

Competitive bidding situations involve considering a multiplicity of factors. Organizations must be able to weigh the relative probability of potential projects based on resource usage, project duration and competitor actions to decide which of many possible bids to submit. A bidding strategy designed to maximize expected long run return is crucial, since an organization can usually submit only one bid per project.This paper presents a family of stochastic dynamic programming models considering different bidding situations. Several projects, each with several potential bids, are available for each situation. The objective is to determine what bidding strategy will maximize expected returns. Models are developed for two principle bidding situations: sequential, where projects are bid individually; and simultaneous, where several projects are bid at one time. Next, the effects of over- or under-commitment of resources are incorporated into the models. Finally, changes in project timing and the resultant effects on bidding strategy are included.A numerical example traces the changes in bidding strategy which occur as the models are expanded. The general formulation of bidding problems is also discussed, including changing the bid success probabilities due to competitor actions, the possibility of crashing projects and alternate methods of performing projects.     

Semi-Markov dynamic programming approach to competitive bidding with state space reduction considerations

An infinite horizon semi-Markov dynamic programming model is formulated to compute the optimal bidding strategy for a firm using multiple limited resources with idle costs, sequentially bidding in each period for one of the multiple types of projects with different durations and resource requirements.An oligopolistic market with generally stable environmental conditions, in which the lowest bidder secures the project, is considered. Previous bid results are assumed to be known prior to submitting a subsequent bid.     

Optimum Bid Estimation on Fixed Cost Contracts

The paper presents a competitive bidding model which can be readily implemented in a competitive bidding environment within the construction industry. A method of obtaining a fast and accurate approximation of the optimum bid for a class of bidding problems is developed. The Newton Approximation Method is employed in approximating the root of an equation which maximizes the expected monetary value of a contract. A bidding chart and an example application of the technique are presented.