【双方演化博弈】研究理论学习

1. 演化基础

在这里插入图片描述

在这里插入图片描述

1.1.演化博弈常用软件

载学习软件: Matlab、Vensim PLE、 Visio

其中,Matlab和Vensim PLE主要是用做演化博弈仿真,Matlab是演化博弈最常用的仿真软件,VensimPLE是系统动力学(SD)仿真软件也是常用仿真软件之一。

Python、Netlogo等软件也可以用来做演化仿真,但用的比较少。

Visio主要是用作绘制相位图,ppt也可以绘制。

演化博弈的内容比较多,常见的可以分为以下的内容:
两方、三方、四方演化博弈理论与仿真
含有动态奖惩机制的演化博弈
随机演化博弈理论与仿真

1.2. 演化博弈的常见套路(重要的打上五角星)

1.首先确定自己的研究主题
在确定主体的基础上,分析博弈的主体,以及主体之间的博弈焦点
在这里插入图片描述
2.要提出研究研究假设,然后构建出来模型的支付矩阵。

支付矩阵的研究的基础,对后面的模型求解和仿真有重要影响。

3.模型的求解

求解的时候,需要做到单个主体的稳定性,以及系统的稳定性。(其中系统的稳定性包含就是每个主体之间交互的情况)

4.数值仿真
数值仿真,其中非常重要的一点就是参数的赋值 ,需要怎么赋值,附上哪些值都需要一定的参考和考量。

数值仿真一般只做三类的图:系统初始演化路径分析,初始值变动对演化结果的影响,参数的敏感性分析。

2. 两方演化博弈

2.1 假设

首先需要根据具体的领域和情景,提出自己的假设模型,包含了每个主体的选择策略,以及主体之间的收益与成本支出
在这里插入图片描述
在这里插入图片描述

2.2收益矩阵与复制动态方程

根据前面的假设,计算出每个主体,在不同策略下的收益,得到收益支付矩阵
在这里插入图片描述

根据每个策略下的收益策略,计算出每个主体的平均收益,平均收益收到其他主体的影响。
在这里插入图片描述
在计算出平均收益的基础上,套如公式得到主体的复制动态方程:

构建复制动态方程(复制动态方程是一种动态微分方程,可用于描述一个群体采用某一特定策略的频数或频度)|

在这里插入图片描述

2.3单个主体的稳定性分析

单个主体的稳定性分析的判定定理,要使得上文的复制动态方程等于0,且复制动态方程的导数要小于0.
在这里插入图片描述
单个主体的稳定性需要满足两个条件,一个是复制动态方程等于0,另一个是该主体的复制动态方程的导函数小于0

复制动态方程为零:表示在某个策略份额 的情况下,主体的策略份额不再变化。这意味着在这个点上,该策略的收益与其他策略的平均收益相等,主体处于均衡状态。
导函数小于零:
动态方程的导函数 <0 表示在均衡点附近,策略份额的改变会导致相反的动态变化。这意味着:
如果策略份额 略微增加,动态方程的值会略微减少。
如果策略份额 略微减少,动态方程的值会略微增加。

当复制动态=0的时候,说明要m=0,然后1-m等于0两种情况,
在这里插入图片描述
第二就是方程的导函数小于0,所以需要先对函数进行求导,这个方程是关于概率m的一个一元二次函数,所以就对m进行一个求导。后面的设置的成本收益都是常数。
在这里插入图片描述
这时候第二步要判断令导数小于0;

令求解后的导函数为一个新的函数G(n),是一个关于n的函数。因为此时函数里面只有一个n为主体概率。
在这里插入图片描述
此时,要满足当复制动态=0的时,分为两种情况进行分开讨论。

但m1 = 0 时候,原动态方程ft(m)=0,且要满足导函数f’t(m)<0 。由于1-2m>0 ,所以G(n)<0 ,才能使得导函数小于0

但m1 = 1 时候,原动态方程ft(m)=0,且要满足导函数f’t(m)<0 ,由于1-2m<0 ,所以G(n)>0 ,才能使得导函数小于0

所以要找到一个 导函数 = 0 ,时候n的值,解n的值为:
在这里插入图片描述
很好,找到这个点,我们就可以自由的找到这个点左右两边的值是如何大于或者小于0;所有我们要判断一下G(n)是增函数,还是减函数,这样我们就可以知道坐标轴上大概的情况。

如果增函数,那么大于这个n*(原来解得导函数=0时,n的值),就是大于0;反之,同理可得就是小于0
在这里插入图片描述

在这里插入图片描述
在这里插入图片描述

2.4 系统的稳定性分析

系统的均衡点分析,就是要联立多个主体的复制动态方程,使他们都等于0,进行求解
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

这时候,让这几个点都等于0,就是让m(1-m)和n(1-n)的值为0,就会得到几个组合的解,这个几个解就叫做纯策略的均衡点

当然还存在一种情况,就是[C + w1 - π(R-F)+ n(β - w1)]和[β - r + m(w2 - β)]的解=0,这就需要连立两个方程进行求解,这个解叫做混合策略均衡点。

在这里插入图片描述

在这里插入图片描述

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mfbz.cn/a/877410.html

如若内容造成侵权/违法违规/事实不符,请联系我们进行投诉反馈qq邮箱809451989@qq.com,一经查实,立即删除!

相关文章

THREE.js:网页上的3D世界构建者

THREE.js&#xff1a;网页上的3D世界构建者 前言 THREE.js 是一个强大的基于 JavaScript 的库&#xff0c;它使得在网页上创建和展示三维图形变得异常简单。 通过封装复杂的 WebGL 技术&#xff0c;THREE.js 提供了一套丰富的 API&#xff0c;让开发者能够轻松地构建出令人印…

基于web的 BBS论坛管理系统设计与实现

博主介绍&#xff1a;专注于Java .net php phython 小程序 等诸多技术领域和毕业项目实战、企业信息化系统建设&#xff0c;从业十五余年开发设计教学工作 ☆☆☆ 精彩专栏推荐订阅☆☆☆☆☆不然下次找不到哟 我的博客空间发布了1000毕设题目 方便大家学习使用 感兴趣的可以…

MYSQL基础-多表操作-事务-索引

1. 多表设计 概述 项目开发中&#xff0c;在进行数据库表结构设计时&#xff0c;会根据业务需求及业务模块之间的关系&#xff0c;分析并设计表结构&#xff0c;由于业务之间相互关联&#xff0c;所以各个表结构之间也存在着各种联系&#xff0c;基本上分为三种&#xff1a; …

网络编程基础概述

文章目录 协议网络协议栈(osi)局域网IPIP和Mac地址端口号TCP和UDP网络字节序 协议 (网络协议的)意义:为了让计算机传输之间将信息正确传输给目标机器 不同系统之间能接入网络是因为定制了一套通用的协议以便支持不同系统间的网络通信 1.网络通信的问题: 将数据可靠的从A传给B a…

Cesium 计算3d凸包(ConvexHull)

Cesium 计算3d凸包(ConvexHull) Cesium 计算3d凸包(ConvexHull)

【Android 13源码分析】WindowContainer窗口层级-2-构建流程

在安卓源码的设计中&#xff0c;将将屏幕分为了37层&#xff0c;不同的窗口将在不同的层级中显示。 对这一块的概念以及相关源码做了详细分析&#xff0c;整理出以下几篇。 【Android 13源码分析】WindowContainer窗口层级-1-初识窗口层级树 【Android 13源码分析】WindowCon…

InputDispatcher的调试日志isLoggable动态开放logcat实战使用

背景&#xff1a; 在学习input专题课程后&#xff0c;那么就可以正常对所有和input相关的问题进行分析&#xff0c;经常分析的类就是InputDispatcher&#xff0c;平时如果看正常的logcat输出&#xff0c;发现InputDispatcher相关的日志非常少&#xff0c;基本上没办法进行有价…

用Python打造互动式中秋节庆祝小程序

中秋节&#xff0c;这个充满传统韵味的节日&#xff0c;不仅是家人团聚的时刻&#xff0c;也是程序员展示创意的好机会。本文将引导您使用Python创建一个互动式中秋节庆祝小程序&#xff0c;它不仅能够展示节日祝福&#xff0c;还能通过一些简单的特效增加节日气氛。 文章目录 …

TCP socket

TCP的socket和UDP大同小异&#xff0c;基本的代码结构都是相同的。一些相同的接口本文就不赘述了&#xff0c;例如&#xff0c;socket,bind&#xff0c;有需要看这篇文章UDP socket 服务端server 两步&#xff1a;初始化服务端&#xff0c;运行服务端 初始化服务端 创建soc…

ML4T:把机器学习驱动交易做成标准的pipeline(流)的​模式

原创内容第652篇&#xff0c;专注量化投资、个人成长与财富自由。 量化的刚需是策略&#xff0c;策略的核心是因子。 ML4T&#xff08;Machine Learning for Trading&#xff09;&#xff0c;把机器学习驱动交易做成标准的pipeline(流)的模式。 对于机器而言&#xff0c;多数…

JDBC API详解一

DriverManager 驱动管理类&#xff0c;作用&#xff1a;1&#xff0c;注册驱动&#xff1b;2&#xff0c;获取数据库连接 1&#xff0c;注册驱动 Class.forName("com.mysql.cj.jdbc.Driver"); 查看Driver类源码 static{try{DriverManager.registerDriver(newDrive…

【目标检测数据集】锯子数据集1107张VOC+YOLO格式

数据集格式&#xff1a;Pascal VOC格式YOLO格式(不包含分割路径的txt文件&#xff0c;仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件) 图片数量(jpg文件个数)&#xff1a;1107 标注数量(xml文件个数)&#xff1a;1107 标注数量(txt文件个数)&#xff1a;1107 标注…

AI donotpay平台介绍

AI donotpay平台介绍 DoNotPay 是一个基于人工智能的在线法律服务平台&#xff0c;旨在帮助用户解决与大公司和政府机构的各种问题。以下是对 DoNotPay 平台的详细介绍&#xff1a; 1. 平台概述 创始人: DoNotPay 由 Joshua Browder 于 2015 年创立&#xff0c;最初是一个用于…

店群合一模式下的社区团购新发展——结合链动 2+1 模式、AI 智能名片与 S2B2C 商城小程序源码

摘要&#xff1a;本文探讨了店群合一的社区团购平台在当今商业环境中的重要性和优势。通过分析店群合一模式如何将互联网社群与线下终端紧密结合&#xff0c;阐述了链动 21 模式、AI 智能名片和 S2B2C 商城小程序源码在这一模式中的应用价值。这些创新元素的结合为社区团购带来…

【0基础】制作HTML网页小游戏——贪吃蛇(附详细解析)

我在昨天的文章&#xff08;贪吃蛇HTML源码&#xff09;里面分享了网页版贪吃蛇小游戏的源码&#xff0c;今天就来给大家详细讲解一下每部分代码是如何运作的&#xff0c;以及以后要如何美化贪吃蛇的UI界面&#xff0c;在哪里修改等。 目录 一、代码运作 1、HTML结构: 2、C…

【有啥问啥】深入浅出马尔可夫链蒙特卡罗(Markov Chain Monte Carlo, MCMC)算法

深入浅出马尔可夫链蒙特卡罗&#xff08;Markov Chain Monte Carlo, MCMC&#xff09;算法 0. 引言 Markov Chain Monte Carlo&#xff08;MCMC&#xff09;是一类用于从复杂分布中采样的强大算法&#xff0c;特别是在难以直接计算分布的情况下。它广泛应用于统计学、机器学习…

rtems 5.3 qemu realview_pbx_a9 环境搭建:生成 rtems arm 工具链

前言 rtems 是一款比较优秀的 RTOS&#xff0c;官方网址 https://www.rtems.org/ 当前 rtems 最新发布的版本&#xff1a;rtems-5.3 版本&#xff0c; 下载地址 https://ftp.rtems.org/pub/rtems/releases/5/5.3/ rtems 支持的 平台也是比较多的&#xff0c;当前支持 STM32F4…

CSS 响应式设计(补充)——WEB开发系列36

随着移动设备的普及&#xff0c;网页设计的焦点逐渐转向了响应式设计。响应式设计不仅要求网页在各种屏幕尺寸上良好展示&#xff0c;还要适应不同设备的特性。 一、响应式设计之前的灵活布局 在响应式设计流行之前&#xff0c;网页布局通常是固定的或流动的。固定布局使用固定…

PMP–一、二、三模–分类–14.敏捷–技巧–项目生命周期

文章目录 技巧项目生命周期 一模14.敏捷--项目生命周期--原型法--迭代型生命周期&#xff0c;通过连续的原型或概念验证来改进产品或成果。每个新的原型都能带来新的干系人新的反馈和团队见解。题目中明确提到需要反馈&#xff0c;因此原型法比较好用。23、 [单选] 一个敏捷团队…

异常冲突行为和危险识别系统源码分享

异常冲突行为和危险识别检测系统源码分享 [一条龙教学YOLOV8标注好的数据集一键训练_70全套改进创新点发刊_Web前端展示] 1.研究背景与意义 项目参考AAAI Association for the Advancement of Artificial Intelligence 项目来源AACV Association for the Advancement of Co…