目錄
《運籌與管理科學叢書》序
前言
第1章 預備知識 1
1.1 引言 1
1.2 Nash平衡的算法概述 4
1.3 群智能與仿生算法 6
1.3.1 粒子群優(yōu)化算法 6
1.3.2 黏菌算法 9
1.3.3 差分進化算法 12
1.3.4 模擬退火算法 14
1.4 幾類學習機制概述 15
第2章 N人非合作有限博弈Nash平衡實現(xiàn)算法 21
2.1 引言 21
2.1.1 N人非合作有限博弈 21
2.1.2 一般N人非合作博弈 23
2.2 免疫粒子群算法求解雙矩陣博弈的Nash平衡 24
2.2.1 免疫粒子群算法的思想及其實現(xiàn)步驟 24
2.2.2 算法性能評價 26
2.2.3 數(shù)值實驗結果 26
2.3 自適應小生境粒子群算法求解雙矩陣博弈多重Nash平衡 29
2.3.1 自適應小生境粒子群算法基本思想及其實現(xiàn)步驟 29
2.3.2 數(shù)值實驗結果 32
2.4 本章小結 34
第3章 廣義博弈Nash平衡實現(xiàn)算法 35
3.1 引言 35
3.2 廣義博弈模型和轉化 36
3.3 協(xié)同免疫量子粒子群算法求解廣義博弈Nash平衡 38
3.3.1 協(xié)同免疫量子粒子群算法思想和實現(xiàn)步驟 38
3.3.2 協(xié)同免疫量子粒子群算法性能評價和收斂性證明 40
3.3.3 數(shù)值實驗結果 43
3.4 混沌鯨魚黏菌算法求解廣義博弈Nash平衡 46
3.4.1 鯨魚優(yōu)化算法思想和實現(xiàn)步驟 46
3.4.2 混沌鯨魚黏菌算法思想和實現(xiàn)步驟 47
3.4.3 收斂性分析及性能評價 49
3.4.4 數(shù)值實驗結果 53
3.5 本章小結 56
第4章 主從博弈Nash平衡實現(xiàn)算法 58
4.1 引言 58
4.2 主從博弈模型 59
4.3 雙層免疫粒子群算法求解主從博弈Nash平衡 62
4.3.1 雙層免疫粒子群算法的實現(xiàn)步驟.62
4.3.2 主從博弈雙層免疫粒子群算法性能評價 64
4.3.3 數(shù)值實驗結果 64
4.4 本章小結 69
第5章 多目標博弈Pareto-Nash平衡實現(xiàn)算法 70
5.1 引言 70
5.2 多目標博弈模型 71
5.2.1 多目標集結博弈模型 72
5.2.2 基于熵權法的集結博弈模型 73
5.3 SNSGA-II求解多目標博弈Pareto-Nash平衡 75
5.3.1 SNSGA-II的設計 75
5.3.2 性能指標 78
5.3.3 數(shù)值實驗結果 79
5.4 改進差分進化算法求解多目標博弈Pareto-Nash平衡 88
5.4.1 ADEP算法求解單目標博弈的Pareto-Nash平衡 88
5.4.2 改進差分進化算法求解多目標多沖突博弈的Pareto-Nash平衡 95
5.5 本章小結 100
第6章 隨機博弈Nash平衡實現(xiàn)算法 102
6.1 引言 102
6.2 隨機博弈模型 103
6.3 最小化后悔值學習算法實現(xiàn)隨機博弈Nash平衡 107
6.4 本章小結 118
第7章 平均場博弈均衡實現(xiàn)算法 120
7.1 引言.120
7.2 平均場博弈模型及其良定性分析 121
7.3 平均場博弈的良定性 125
7.3.1 有限理性模型與良定性 125
7.3.2 平均場博弈的有限理性模型 127
7.3.3 平均場博弈強良定的特征刻畫 131
7.4 短視調(diào)整過程學習實現(xiàn)平均場博弈平穩(wěn)平均場均衡 134
7.5 本章小結 138
參考文獻 140