一、基于个体选择的小世界网络结构演化（论文文献综述）
申晨[1]（2021）在《具有退出选择的合作行为演化及网络拓扑的统计建模》文中指出合作行为的演化及维持是最具挑战的科学问题之一。目前的研究认为合作行为的维持主要依赖于五种互惠机制,即:直接互惠,间接互惠,网络互惠,亲缘选择,群体选择。这些机制潜在的共同假设是参与人不能退出博弈,而这一假设往往与实际情况不符,因此如何从理论和实验两方面研究退出机制对合作行为的影响具有重要的现实意义。此外在具有网络结构的行为决策研究中,如何对具有信号特征（0或1）参数进行准确估计以达成网络拓扑结构的重构是一个重要的研究课题。本论文基于上述两个方面的内容开展研究,首先利用演化博弈理论,从行为决策实验出发研究了退出选择对自私个体合作行为的演化及影响;其次,利用微分方程稳定性理论及数值模拟等方法分别在结构群体及非结构群体中研究了退出选择下合作行为演化的动力学特征?最后,针对具有信号参数特征的网络重构问题,提出了signal lasso的新方法,并通过理论和模拟讨论其性质。本文具体可分为下述三个部分。一、在具有退出选择的重复公共物品博弈的行为决策实验研究中,通过在不同高校组织在校大学生的方式我们进行了五种条件下的具有退出选择的公共物品博弈实验,这五种条件分别是:传统公共物品博弈（C0）,退出预期收益较高的公共物品博弈（T0）,退出预期收益适中的公共物品博弈（T1）,退出预期收益较低的公共物品博弈（T2）及退出预期收益最低的公共物品博弈（T3）。之后利用行为决策实验数据,我们分别对比分析了这五种条件下的合作行为演化结果。我们发现,合作行为的演化依赖于退出者的期望收益,当退出者的期望收益过大时,公共组中的大部分参与人会选择退出博弈,而这进一步导致了合作系统的崩溃;当退出者的期望收益过小或为负时,退出选择将不起任何作用,此时的博弈转化为了传统的公共物品博弈;当退出者的期望收益适中时,退出通道的存在可动态调节组内的投资环境从而使得合作者可通过与背叛者及退出者之间的循环占优模式而稳定存在于系统中。二、在具有退出选择的囚徒困境博弈的理论研究中,我们首先在第四章第一部分构建了具有简单退出选择的囚徒困境博弈模型并研究了此模型下合作演化的动力学特征。在此模型中,在很小但为正的退出收益支持下,退出者可通过退出博弈的方式来逃离背叛者的剥削。通过复制动态方程稳定性分析,我们发现在充分混合的群体中（无结构群体）,一次博弈的纳什均衡策略永远是相互退出,合作行为的维持依赖于互惠机制的存在。而在结构群体中,退出选择可通过与合作及背叛之间的循环占优模式使得合作稳定存在于网络中。当随着退出收益增大或者网络结构变化时,我们同样观察到了全局震荡及大度节点稳定性增强等效应。接着,在第四章第二部分,我们通过将退出策略分为可退出的条件合作者及可退出的条件背叛者对本章第一部分中的模型加以改进研究了条件退出选择下合作行为的演化问题。我们假设,可退出者在付出监测成本c的情况下,可知道对手的策略选择类型,进而可退出合作者及可退出背叛者在遇到背叛者时会在退出收益?的支持下选择退出博弈。通过计算固定概率（fixation probability）,我们在有限群体中分别研究了三种退出条件下的合作行为演化:即只有合作者可退出博弈,只有背叛者可退出博弈,及合作者与背叛者可同时退出博弈。我们发现:在只有背叛者可退出博弈时,合作者并不能存在于系统之中,系统状态要么由全部背叛构成,要么由全部可退出的背叛者构成。当只有合作者可退出时,合作者可通过由合作,背叛,可退出合作三种策略之间的循环占优稳定存在于系统之中。当合作者及背叛者可同时退出博弈时,合作行为可通过多种循环占优的模式稳定存在,这里多种循环占优模型包括:C→D→CE→C的途径,C→DE→CE→C的途径,以及C→D→DE→CE→C。三、在网络重构问题的研究中,针对无权无向网络邻接矩阵的二值性质:网络邻接矩阵中的元素要么是0要么是1,我们提出信号lasso的方法来提高网络重构精度,该方法通过在lasso回归的惩罚项中加入一个L-1范数控制项进而保证了参数往0或者1进行压缩的性质,并克服了lasso在面对此二值问题时其参数只能往0压缩的限制。我们随后分别在网络博弈数据,复杂网络同步数据,行为决策实验数据及噪声数据中分别对比测试了lasso,压缩感知及信号lasso的表现。我们发现,对比另外两种方法,信号lasso估计出网络拓扑结构具有更高的精度及对噪声更强的鲁棒性。
陈镜羽[2]（2021）在《基于复杂网络和演化博弈的传染病传播模型研究》文中提出目前,全球都在遭受新冠肺炎的打击,它是一种因人类感染COVID-19病毒引起的具有极强传染性的传染病。它的传染源有新冠肺炎患者以及无症状感染者,传播的主要方式有人与人近距离接触通过呼吸道传播,接触被新冠病毒感染的物体传播等,还有其他的一些传播方式等待研究证实。如何有效的控制疫情传播成为了重点话题,其中社区隔离是一种有效手段。本文基于以上背景来探讨如何有效的控制疫情在社区内的传播,主要工作内容如下:（1）使用SEIRS模型作为传染病的传播模型,并使用SEIRS模型模拟病毒在复杂网络上的传播。人群具有聚集性,病毒的传播是在人群聚集的社区内部传播,故病毒传播也具备聚集性。本文工作通过复杂网络中的小世界网络来模拟人群的聚集性,将复杂网络上的节点比拟成个体,网络上的边表示个体之间的关系。SEIRS模型可以有效模拟该传染病具备潜伏期和二次感染的特征,符合现实问题需要。（2）考虑两种隔离策略并对他们进行模拟实验。社区隔离的方式有很多,包括住院隔离,集中隔离,严格的居家隔离等,这些都需要外部因素控制,由于各国各地区的医疗水平和资源都不相同,所以本文选用朴素的社区隔离方式,出行佩戴口罩即半封闭策略;疫情严重时,可以选择在家不出门,即封闭策略。（3）通过演化博弈的方式,实现网络中的人群自行选择自己的策略。其中,本文为每个节点设置初始化策略,每一种策略会对应不同的收益,每经过一轮传播后节点都会更新自己的状态,通过节点的当前状态和所选的策略来计算收益,并向邻居节点中收益绝对值最高的节点学习。本文通过费米规则计算出更新策略的概率,使用随机函数来判断学习是否成功。进行实验得出结果,对结果进行分析。综上所述,在考虑演化博弈和复杂网络的基础上,依据现实情况设计了针对传染病模型的对比实验。本文所建立的模型有助于流行病的预防和控制。实验结果表明,在本文模型下所得出结论与现实情况相符,朴素的社区隔离可以有效的控制疫情的传播。
王聿达[3]（2021）在《基于耦合网络的新型互联网舆情传播模型研究》文中提出随着移动通讯及人工智能技术的发展,社交环境发生很大变化,舆情迅速成为社会热点问题的放大器和加速器,一方面负面舆情的大规模扩散引发民众失范行为,另一方面正能量事件的快速传播能够提升更多人的社会认知。通过对信息传播规律及其所在的社交网络结构的研究,可实现对舆情的有效治理。传统的舆情传播研究在定量分析方面存在不适用性,因此社交新环境下对舆情传播的进一步研究具有重要意义。本文聚焦互联网新环境下社交网络耦合和信息传播动因多样化的特征,围绕舆情信息的传播及其控制,在信息传播主体方面,构建了层内基于受众画像的舆情传播模型和跨层耦合网络舆情传播模型,在传播介质方面,结合网络特征将耦合网络层内连接关系映射到单层网络,考虑传播特征构建了关键节点识别算法从而对信息传播实现控制。通过以上三方面的研究给出舆情动因分析、传播预判和干预控制等策略建议,为社交新环境下舆情传播与控制搭建起理论框架。本论文主要包括以下工作:首先,建立基于受众画像的舆情传播模型。在同一个社交网络内,引起舆情传播主体差异的因素较多,当前的研究中针对这种差异性对传播影响的研究较少,或者往往只考虑单一的影响因素,本文综合考虑个体的认知、匿名、权威等基本特征以及从众效应和记忆效应等心理特征,扩充传播状态空间,将传统模型中的传播状态转移从概率值变为基于受众多维度画像的函数,从而提出了基于受众画像的传播模型。模拟仿真表明,在同一个社交网络内,受众的基本特征和心理特征对谣言传播能够产生较大的差异。通过对“红黄蓝幼儿园虐童事件”的实证验证,表明本模型与真实传播情况相符,具有较强有效性。最后基于模型得出了舆情在同一个社交网络内的传播治理启示。其次,提出基于受众年龄的耦合网络模型并对其传播动力学特征展开分析。社交新环境下线下真实社交与在线虚拟社交网络耦合互动较为常见,从单一分析在线社交网络舆情传播扩展到跨网络十分必要。本文分析了在线社交网络存在的年龄结构正态分布的特点,构建了基于年龄特征耦合的线上虚拟与线下实际双层社交网络,进一步根据传播心理学研究了该耦合网络下的传播状态异步更新、状态紧耦合、层间状态转移遵循“线下引起线上共鸣”与“线上溢散线下”等传播机制,从而探索了舆情的跨社交网络传播,更加准确地描述了真实环境下的舆情传播行为。最后,通过“余杭中泰垃圾焚烧事件”进行传播实证验证,本文提出的模型很好的还原了当时的场景,证明了本模型对突发舆情事件的传播过程具有有效性和先进性。最后,构建关键节点识别模型拓展社交网络舆情传播的控制方法。舆情既可通过信息本身及其传播主体的动因进行传播预测与引导,也可通过社交网络的结构特征有针对性的进行关键节点控制。本文结合信息传播的特征,特别是“桥”和“假核”节点对于识别准确性的影响,提出一种适用于社交网络的关键节点识别算法。该算法通过节点及其邻居的聚集性和扩散性改进了“结构洞”约束值计算方法,进一步结合K壳分解算法识别出的位置信息综合对节点的重要性进行评判。由于耦合社交网络共用同一节点空间,通过将不同层拓扑关系映射到单层网络,借助单层网络关键节点识别模型可对耦合网络进行相关研究。通过对5个真实社交网络的模拟,本文所提出的算法能够有效地消除类核影响,细粒度的识别重要的“桥节点”,算法较传统算法具有优势。移除所识别的关键节点后能够控制信息传播范围的扩大,从所识别的关键节点传入的信息能够较大范围的扩散。最后,以“翟天临学术不端事件”进行微博数据抽样并构建传播网络,表明算法在真实舆情事件中能够准确识别关键传播节点,通过本模型可以有效的对负面舆情进行干预,并对正面舆情进行快速传播,为有效提升舆情治理能力提供理论依据。
王先甲[4]（2021）在《复杂网络上的演化博弈及其学习机制与演化动态综述》文中指出博弈论是在完全理性假设下研究多人相互作用的选择理论,演化博弈是在有限理性假设下研究群体在相互作用过程中基于个体学习与选择的群体特征演化动态理论,网络上的演化博弈是研究结构化群体的演化博弈理论。本文回顾了基于完全理性的博弈论,在对有限理性新的理解的基础上介绍了演化博弈理论的发展历程,着重论述了复杂网络理论与演化博弈理论交叉衍生的复杂网络上的演化博弈的研究现状与发展趋势,特别分析和总结了演化博弈中最基本、最核心的个体学习机制与群体演化动态特征,由此揭示演化博弈中从个体微观行为到群体宏观特征的演化机理。
付萌萌[5]（2021）在《多层复杂网络对群体博弈中合作效果的研究》文中研究表明复杂网络可以用来表示现实世界中存在的各种复杂系统,现实中的交互通常是复杂多样的,可以使用多层网络进行抽象,比如多层社交网络、多层电力网络等。在社会生活中,博弈行为普遍存在,例如下棋、商业谈判等。博弈论与复杂网络的结合在描述个体合作行为方面具有很好的契合性,如果说复杂网络的发现为描述个体关系提供了便利,那么博弈论的发现则让探索理性个体合作涌现的原因成为可能。总之,复杂网络和博弈论的结合是当前研究的热点。近年来,越来越多的研究者选择将复杂网络和博弈论相结合来探索合作行为出现的原因。但是,在先前的研究中,大多数进化博弈聚焦于单层网络。实际上,单层网络很难说明现实网络的复杂性,因为人们通常处于多种环境中,这意味着网络通常是相互依存的或相互关联的。以往很多相关研究的局限性在于它们要么使用规则的方格网络,要么使用两人博弈。事实上方格网络缺乏一定的实际意义,两人博弈也无法解释一些常见的多人互动现象,例如公共设施的筹备,环境污染的处理等。并且,已有的一些博弈学习规则不能很好地体现人们的决策过程,比如在一些情况下,战略决策会受到个人特征的影响。为了解决上述问题并丰富研究,本文将多层网络与多人博弈结合,提出了一种在多层复杂网络上的进行具有选择偏好的公共物品博弈的模型,希望为人们在不同社会困境下做出更好的决策提供帮助。基于此,本文的主要工作如下:（1）通过模拟真实世界网络情况,本文以改进的小世界网络和无标度网络为基础,分别构建单层和双层复杂网络。通过对比不同类型网络上群体博弈的演化行为的差异,证明了个体在多层网络环境之下会更容易达成合作,并具有一定的稳定性和协同性。然后,通过改变多层网络中重点参数进一步探究了产生这种现象的原因。（2）为了克服以往的博弈中策略学习环节没有考虑个体属性的缺陷,本文提出了一种具有选择偏好的公共物品博弈模型,其中偏好属性代表个体倾向于合作的概率。为了使假设更符合实际生活中决策的形成过程,个体在进行策略学习时会将收益和偏好属性同时纳入考虑。（3）为了模仿个体的动态社交情况,本文设计了具有动态拓扑能力的多层网络,实现了网络拓扑和策略选择的共演化行为,证明了策略和结构的自适应调整可以有效促进合作并保持稳定。此外,本文构建了一种异构的动态双层网络来描述和解释现实生活中的一些实际场景。为了验证多层网络在群体博弈中的作用,本文应用了四种类型的多层网络,使用蒙特卡洛仿真实验方法,分别在单层和多层、静态和动态网络上进行相应的博弈。以双层网络为例,结果表明,相较于单层网络,其增益因子的增大更能促进群体博弈中合作的涌现,并且当两层增益因子之和固定时,合作水平一致。其次,各种结构参数的变化对合作造成的效果不同。同时,两层网络在演化中出现了协同发展、策略趋同的现象。另外,针对动态双层网络,结果显示其合作水平比静态双层网络更高,比动态单层网络更稳定。总之,多层网络对于促进群体博弈中的合作具有重要作用,可以更加准确地反映现实世界的合作产生过程。
杨丹[6]（2021）在《复杂网络上的传播动力学建模及其干预研究》文中研究表明现实世界中的许多传播现象均可以简化抽象成复杂网络上的传播过程,例如,社交网络上的信息传播,计算机网络上的病毒传播,接触网络上的疾病传播,金融网络上的危机扩散,等等。复杂网络上的传播动力学建模及其干预研究可以为谣言和疾病的防控、产品的营销、以及潮流的引导等提供决策依据,具有重要的现实意义。然而,目前来说,复杂网络上的传播动力学研究还存在着很多困难和挑战。一方面,网络传播动力学系统中的网络结构特征多样,传播动力学特性复杂,如何结合二者的信息来对网络传播过程进行有效的建模和干预是一个极具挑战性的问题。另一方面,现实当中的许多传播现象并非独立存在,而是相互作用、共同演化的,如何对这些错综复杂的共演传播现象进行建模和干预也存在很多困难。针对以上问题,本文将从单个信息的传播研究出发,进行基于连边动力学状态的信息传播研究,考虑结合网络的结构特性与传播动力学本身的特征来对网络传播过程进行干预;并以此为基础,进一步探讨两个传播过程相互作用的共演传播,开展基于连边动力学状态的信息–信息共演传播研究和基于个体意识的资源–疾病共演传播研究。本文主要的研究内容和创新点可以概括如下:（1）基于连边动力学状态的信息传播研究。信息传播在人类社会当中普遍存在,对现实世界中的一些典型信息进行建模分析和有效干预可以促进人类社会的良性发展。但是,目前关于复杂网络上信息传播的理论分析方法大多以节点为研究对象,基于网络连边的理论研究还很少。并且,现有的信息传播干预策略大多仅依赖于网络的结构特性,而忽略了传播动力学本身的特征信息。针对以上问题,本文以网络连边为分析对象,发展了一套基于连边动力学状态的信息传播分析方法,即SIR模型的边状态方程分析方法。该方法可以快速且准确地预测节点和连边的最终状态概率,从而准确地预测信息在网络中的最终传播范围。以此为基础,本文接着提出了一个衡量潜在连边在促进信息传播方面影响力的指标。该指标在一般参数条件下,可以有效地筛选出能促进网络中信息传播的最优潜在连边。最后,本文提出了一个基于最优潜在连边的信息传播干预策略。该策略有效地结合了网络的结构特性与传播动力学本身的特征,其对信息传播的干预效果优于以往仅依赖于网络拓扑中心性的启发式策略,弥补了以往信息传播干预策略研究中的不足。这部分的研究解决了如何有效地结合网络的结构特性与传播动力学本身的特征来对传播过程进行干预的问题,为后续共演传播动力学的相关研究奠定了一定的基础。（2）基于连边动力学状态的信息–信息共演传播研究。真实网络中的许多信息传播并非完全独立存在,而是相互作用、共同演化的。信息–信息共演传播动力学过程相对于单一信息传播来说,更加复杂多变。针对信息–信息共演传播的理论研究还很少,要结合网络结构特性和传播动力学本身特征来对信息–信息共演传播进行分析和干预更加地具有挑战性。鉴于此,本文首先拓展了co–SIR模型用于研究信息–信息共演传播;并以此为基础,针对两个信息对称传播的情况,提出了一个用于定量刻画潜在连边在促进共演信息传播方面影响力的指标。该指标结合了网络的结构特性和传播动力学本身特征,可以有效地识别co–SIR动力学系统中能促进共演信息传播的最优潜在连边。最后,本文还提出了一个基于最优潜在连边的co–SIR共演信息传播干预策略。在一般参数条件下,该策略相对于仅依赖于网络结构中心性的对比策略来说,可以更加有效地促进co–SIR动力学系统中共演信息的传播。这部分的研究可以帮助人们理解真实网络上的信息–信息共演传播过程,为实际当中信息传播的预测和控制提供可靠的决策依据,同时,其研究思路和方法也为后续不同类型传播动力学之间的共演研究提供了启发。（3）基于个体意识的资源–疾病共演传播动力学研究。不同类型传播过程之间的共演相对于同类型的来说,其演化机制更加错综复杂,但是具有更丰富的动力学现象,在现实当中也更加常见。本文研究了一类典型的不同类型传播过程之间的共演动力学,即资源–疾病共演传播动力学。考虑到疫情期间个人对疾病的防控意识,这里简称为“个体意识”,可以影响其自我保护的能力和对资源的捐赠行为,本文提出了一个基于个体意识的资源–疾病共演传播模型。该模型包含了基于个体意识的疾病传播和资源分配这两个不同类型的动力学过程,它们之间相互作用、共同演化。接着,在此模型的基础之上,本文系统地研究了群体的基础个体意识和网络异质性在资源–疾病共演传播动力学系统中所起的作用。结果表明,基础个体意识对共演传播的影响可以分为三个阶段:第I阶段,基础个体意识较弱,无法有效抑制疾病传播;第II阶段,基础个体意识较强,疾病爆发范围显着减小;第III阶段,基础个体意识足够大,疾病不再爆发。此外,本文还发现网络异质性对传播动力学的影响存在着“双刃剑”作用,即在基本传播概率较大,或者基础个体意识较小的情况下,网络异质性的增强可以抑制疾病传播;相反,则会促进疾病的传播。这部分的研究内容可以为现实当中疫情期间的资源调配和防疫策略制定提供可靠的决策依据。
毛雅俊[7]（2021）在《基于个体多样性的网络演化博弈研究》文中进行了进一步梳理合作行为广泛存在于自然界和社会系统中。复杂网络上的演化博弈理论为解释自私群体中合作行为的涌现提供了有效的理论工具。复杂网络刻画了种群的拓扑结构,博弈模型描述了智能体之间的交互模式。网络结构和个体行为呈现多种多样的形式,这种多样性为选择提供了基础,因此对合作涌现至关重要。零行列式策略作为重复博弈新理论,可以单方面保证双方长期收益满足线性关系。剥削策略是零行列式策略的一个重要子集,保证了自身的收益不低于对手的收益,近年引起了学者的广泛研究。本文在网络演化博弈的框架下,应用网络科学、演化博弈和网络演化博弈的理论和方法,重点研究了网络结构和个体行为模式的多样性对博弈动力学的影响。本文的主要内容和创新之处如下:首先,从个体交互多样性的角度研究了不同无标度网络中的合作演化。研究发现在平均收益框架下,基于复制动力学更新规则,合作策略-剥削策略联盟可以在Barab（?）si-Albert（BA）无标度网络中涌现。剥削策略可以作为催化剂促进网络中合作的演化。进一步,研究表明剥削因子对合作行为的作用是非单调的,适当的剥削因子可以提高网络中的合作水平。接着,本文基于费米动力学和突变机制,在累计收益框架下,研究了可调聚类无标度网络中合作策略、背叛策略与剥削策略的交互与演化。研究表明:在比较小的突变机制下,剥削行为可以在高聚类系数的无标度网络中涌现,并促进网络中合作行为的演化。通过微观分析表明:剥削策略倾向于占据度大的智能体,引导周围度小的邻居成为合作者。进一步,研究显示在高聚类系数的无标度网络中,适当的突变机制有利于合作行为的涌现;而在低聚类系数的无标度网络中,突变反而抑制了合作行为。其次,研究了个体剥削行为多样性对合作演化的影响。在囚徒困境博弈模型和近似最优反应更新规则下,本文将智能体的剥削行为与其度相耦合,研究了合作行为在BA无标度网络中的演化。研究表明:无论在累计收益框架还是平均收益框架下,剥削行为与度呈负相关关系时,多样化的剥削策略可以起到催化剂的作用促进网络中的合作水平;而剥削行为与度呈正相关关系时,剥削策略的促进作用明显减弱。此外,智能体的理性程度对网络中合作的演化起着非单调作用,适当的智能体的理性程度可以提升网络中的合作水平。接着,研究了由个体中心性导致的时间尺度多样性在演化博弈动力学中的作用。在弱囚徒困境模型中,本文将智能体的策略更新的时间尺度与其集群影响相耦合,研究了智能体的集群影响对BA无标度网络中合作演化的影响。智能体的更新策略时间尺度与其适应度以及在网络中的中心性可以形成反馈,研究发现:中小度的高影响力的合作者比度大的智能体更能够有效地传播它们的行为。考虑适当深度的邻居信息的集群影响能够有效地识别出具有高影响力的智能体,从而可以促进异质网络中合作的涌现。进一步,通过分析稳态中策略的学习模式,发现高影响力的智能体可以保持较长时间的合作策略,更容易吸引周围邻居模仿其行为。同时在博弈学习骨干网中涌现出了异质的层次学习结构。接着,在真实社会网络中进行了实证分析,发现适当深度的集群影响可以促进真实网络中的合作行为。之后,在捐赠博弈中的研究结果表明,高影响力的智能体仍然可以保持较长时间的合作策略,从而促进网络中的合作水平。而加入剥削策略后,在博弈收益因子较小时,对合作演化几乎没有影响;面对高背叛诱惑时,较大的剥削因子可以在考虑适当深度的邻居信息的集群影响中进一步促进合作的演化。在累计收益框架下,策略更新时间尺度机制抑制了无标度网络中合作的演化。最后,在双层方格网络中研究了策略更新时间尺度的多样性对合作策略、背叛策略与剥削策略演化的影响。智能体通过共享两层网络之间的信息,根据适应度调节策略更新的频率。在费米动力学更新机制下,研究表明层间信息的共享可以有效促进方格网络中的合作行为。当两层网络中的剥削因子相同时,两层网络中策略演化的趋势是相似的。在每层方格网络中可以形成合作策略-剥削策略联盟,抵御背叛策略的入侵。在较小的博弈收益因子下,当剥削因子较小时,较大的智能体的理性程度可以促进合作的涌现;而剥削因子较大时,个体理性程度对合作演化起着非单调的作用,适当的智能体的理性程度促进合作的演化。在较大的博弈收益因子下,智能体的理性程度对策略演化几乎没有影响。同时,存在最优的剥削因子使得网络中的合作水平最高,并且两层方格网络中的合作水平高于单层方格网络的情况。
赵倩[8]（2021）在《零行列式策略及其网络演化动力学研究》文中提出从自然生物种群到人类社交网络,个体交互中产生的大规模的合作行为是社会发展的基石。因此,探索合作行为的涌现机制及其演化机理是信息、经济、生物和社会科学等领域所关注的重要问题,博弈论为其提供了一个可以广泛应用的理论框架。在博弈论中抽象化描述了个体之间的竞争性现象,其中个体的行为可以通过策略来刻画。经典的记忆性策略（例如一报还一报策略、宽容的一报还一报策略与赢定输移策略）虽然都是通过理论获得,但是大量研究表明它们在自然界中都存在实例。在经典的博弈论研究中认为,重复博弈的个体之间的收益由博弈参与者们的行为共同决定。然而在2012年,通过马尔可夫随机过程理论得到的零行列式策略,可以使它的使用者单方面地限制博弈参与者们的期望收益满足线性关系。特别是其中的两个策略子集:剥削策略与顺从策略,其中剥削策略能够获得不低于对手的收益,而顺从策略包含了合作策略、宽容策略与一报还一报策略,并且可以与合作策略达到共同合作的状态。这种通过收益关系刻画策略行为的方式为重复博弈模型中的策略研究提供了新的视角。真实世界中的复杂系统可以抽象为相互作用的个体所形成的复杂网络,如生物界中的蛋白质网络与脑神经网络、社会生活中的万维网和无线通讯网络以及人类社会行为中所构建的社交网络和科学家合作网络,这些复杂网络通常具有复杂的拓扑结构特性和动力学特性。网络演化博弈正是研究复杂网络上理性个体之间交互行为,探索网络拓扑结构和策略演化对网络上合作行为影响的理论工具。因此本文基于网络演化博弈论,分别从网络拓扑结构和策略演化规则两个方面,对零行列式策略在复杂网络上的演化动力学展开研究。主要包括以下内容:首先,本文探索了零行列式策略在规则网络上的演化动力学,研究了正则网络中不同微观结构对于策略演化动力学的影响。通过探索合作、背叛和剥削策略在相同度分布的正则网络上的演化动力学,研究不同微观结构对于策略演化的影响。并通过策略派系的方式来分析不同策略在网络演化中的动态变化,展示了剥削策略能够通过三角形结构促进合作在网络中占优。进一步地,当方格网络中的个体交互基于雪堆博弈与费米函数规则时,研究表明顺从策略可以通过形成策略簇的形式在方格网络上涌现。其次,本文基于重复囚徒困境博弈,从累积收益框架和平均收益框架两个方面探索了无标度网络的拓扑特性对于顺从策略演化动力学的影响。首先研究了无标度网络中节点的度相关性对于顺从策略演化的影响。当个体更新策略时采用累积收益时,中心节点之间的紧密连接会使顺从策略难以蔓延到小度节点上,从而抑制了同配网络中顺从策略的扩散;而当个体采用平均收益更新策略时,小度节点的高影响力反而促使顺从策略在同配网络中涌现。接下来本文研究了无标度网络中聚类特性对顺从策略演化的影响。通过研究可调高聚类网络中顺从策略的演化,高聚类网络的中心节点在累积收益框架下更容易形成顺从策略簇从而抵抗背叛者入侵。然而,当个体更新策略依靠平均收益时,那么无标度网络中的聚类性难以维系顺从策略簇,从而使得高聚类网络中顺从策略容易被背叛者入侵。最后,本文研究了在混合演化规则下,零行列式策略在方格网络上的演化动力学。当个体可以概率性的选择期望驱动演化规则或者是复制动力学规则更新策略,相较于单一演化规则,混合演化规则能够更加有效得促进合作策略与剥削策略形成联盟,令个体的内驱动力可以促使背叛策略与剥削策略转为合作策略,使得合作行为在网络中维持。
张岚[9]（2021）在《复杂网络上的合作演化机制研究》文中认为合作普遍存在于自然界和人类社会,自然界群居动物内坚不可摧的家庭关系、人类社会中的劳动分工与企业之间的互利共赢等都是合作行为的体现。近年来,合作行为的涌现与维持成为备受关注的研究课题之一。研究者们发现,合作这种利他行为如果不借助其他机制则难以在群体中出现和维持。目前,对于合作演化的研究,研究者们总结出包括亲缘选择、直接互惠等五种促进合作的基本机制。除此之外,奖惩机制、异质性机制和迁移机制等对合作演化的影响也受到国内外研究者的广泛关注。演化博弈理论为合作行为的研究提供了强大的理论框架。其中,研究两两相互作用的囚徒困境博弈模型、雪堆博弈模型等,研究多个体之间相互作用的公共物品博弈模型等,为描述个体之间的相互作用、研究合作行为的涌现与维持,提供了理论范式。另外,随着网络科学的飞速发展,复杂系统各部分及其关系被简单地抽象为复杂网络。自然界中的生物,尤其是人类社会中的个体及其接触关系可以很好地用网络节点和连边来表示,因此,大量的演化博弈动力学研究在复杂网络上展开。在本文中,基于复杂网络上的演化博弈研究,我们对促进合作的机制做了进一步地研究和探讨。本文中的主要研究工作与创新点如下:（1）我们将历史收益驱动的异质性投资引入到空间公共物品博弈中,同时,创造性地引入了个体的记忆长度M和不同历史时间步的权重调节参数ω。研究结果表明,历史收益驱动的异质性投资可以很好地促进系统合作,较小的M值和ω值更有利于合作行为的传播。（2）我们提出两种追求有利环境的定向迁移模型。在合作者跟随迁移模型中,个体采用其合作邻居的平均迁移方向进行迁移。在背叛者远离迁移模型中,个体的迁移方向与背叛邻居的平均迁移方向相反。在一定的参数范围内,我们观察到这两种模型对系统合作具有很好的促进作用,并且,合作者跟随迁移模型要优于背叛者远离迁移模型。同时,我们还深入研究了迁移速率、作用半径和群体密度对合作演化的影响。（3）我们将基于历史收益的迁移机制引入到演化博弈中,并用一个参数β来描述个体的冒险程度。在演化过程中,个体将当前收益与上一轮历史收益和β确定的阈值进行比较,然后决定是否迁移。研究结果表明,存在最优的β值可以最大程度促进合作。同时,我们还研究了不同的种群密度和迁移速率对该系统合作演化的影响。
吴宇鹏[10]（2020）在《基于代理的社会网络演化与实验分析》文中进行了进一步梳理社会网络及其演化涉及社会生活、工程部署、学术研究等诸多方面,现有研究虽然揭示了它们的一些属性,但不足以描述不同背景、不同区域的社会群体;社会网络与Internet、蛋白质交互网络等具有相通性,社会网络演化研究对于解释自然界及其他网络运行机制具有参考借鉴价值。本文在创新性构造的社会网络模型和个体决策模型基础上,采用基于代理的方法模拟网络演化过程,并对影响因素进行实验分析。本文主要完成以下工作:（1）提出了一种社会网络模型。在探究了经典社会网络的基本特征以及演化特性的基础上,引入相似和互锁的概念,给出相应指标,提出了基于相似-互锁效应的社会网络模型。（2）构建了一种个体决策模型。从各学科既有的决策理论中获得启发结合关联的个体与群体对决策主体的影响构建了决策系统基本框架,随后从心理学角度将个体决策过程细化为多个阶段模拟了个体决策过程。（3）基于代理的仿真实验。在所提出的网络模型和决策模型基础上,采用基于代理的方法模拟社团生长过程,通过实验验证了所提模型的有效性与合理性并分析了影响社团生长的因素。实验结果表明,提出的社会网络模型可以较好地体现真实网络的拓扑性质,所构建的决策模型相比于传统模型的准确率和效率更高。在基于代理仿真实验中,选择不同初始节点、改变社团重要性和所在网络的结构等对社团生长演化均有不同程度影响。
二、基于个体选择的小世界网络结构演化（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、基于个体选择的小世界网络结构演化（论文提纲范文）
（1）具有退出选择的合作行为演化及网络拓扑的统计建模（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 引言 |
| 第一节 研究目的及意义 |
| 第二节 国内外研究综述 |
| 一、合作行为演化 |
| 二、网络拓扑结构的统计建模 |
| 第三节 问题提出及选题背景 |
| 第四节 研究内容及创新之处 |
| 第五节 论文结构安排 |
| 第二章 预备知识 |
| 第一节 博弈论基础 |
| 第二节 演化博弈理论 |
| 一、无限群体博弈 |
| 二、有限群体博弈 |
| 第三节 复杂网络动力学模型简介 |
| 一、复杂网络基本概念 |
| 二、复杂网络演化博弈动力学 |
| 三、复杂网络同步动力学简介 |
| 第四节 微分方程稳定性基本概念 |
| 第五节 行为决策实验方法分析方法简介 |
| 一、行为决策实验常用的统计模型 |
| 二、非参数检验方法 |
| 三、广义线性模型介绍 |
| 四、二项分布族 |
| 第六节 压缩估计理论简介 |
| 一、压缩感知理论 |
| 二、岭回归 |
| 三、Lasso回归 |
| 四、ElasticNet |
| 第三章 具有退出选择的合作行为实验研究 |
| 第一节 引言 |
| 第二节 模型 |
| 一、实验设计 |
| 二、实验理论模型 |
| 第三节 结果 |
| 一、有限群体中的结果 |
| 二、行为决策实验结果 |
| 第四节 讨论 |
| 第四章 具有退出选择的合作行为动力学理论研究 |
| 第一节 具有简单退出选择合作行为演化 |
| 一、引言 |
| 二、模型 |
| (4.1.2.1)混合群体 |
| (4.1.2.2)网络群体 |
| 三、结果 |
| (4.1.3.1)混合群体 |
| (4.1.3.2)网络群体 |
| 四、讨论 |
| 第二节 具有条件退出选择的合作行为演化 |
| 一、模型 |
| 二、结果 |
| 三、讨论 |
| 第五章 复杂网络拓扑结构的统计建模:信号lasso |
| 第一节 引言 |
| 第二节 模型 |
| 一、信号lasso |
| 二、信号lasso的数值计算 |
| 三、信号lasso的数值计算的参数选择 |
| 四、模型评价指标 |
| 第三节 结果 |
| 一、信号lasso的理论性质 |
| 二、基于最后通牒博弈模型的网络重构 |
| 三、基于同步动力学kuramoto模型的网络重构 |
| 四、基于行为决策实验模型的网络重构 |
| 第四节 讨论 |
| 第六章 总结 |
| 第一节 总结 |
| 第二节 展望 |
| 参考文献 |
| 附录 |
| 致谢 |
| 在读期间完成的科研成果 |
（2）基于复杂网络和演化博弈的传染病传播模型研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 研究现状 |
| 1.3 本文工作与结构 |
| 第2章 传染病模型概述 |
| 2.1 传染病模型简介 |
| 2.2 常见的传染病模型 |
| 2.2.1 SI模型 |
| 2.2.2 SIR模型 |
| 2.2.3 SIRS模型 |
| 2.2.4 SEIR模型 |
| 2.2.5 SEIRS模型 |
| 2.3 其他传染病模型 |
| 2.4 本章小结 |
| 第3章 复杂网络及博弈论概述 |
| 3.1 复杂网络简介 |
| 3.2 常规的网络模型 |
| 3.2.1 规则网络模型 |
| 3.2.2 随机网络模型 |
| 3.2.3 小世界网络模型 |
| 3.2.4 无标度网络模型 |
| 3.3 博弈论 |
| 3.4 演化博弈论 |
| 3.5 本章小结 |
| 第4章 复杂网络无博弈的传播模型 |
| 4.1 模型介绍 |
| 4.2 实验模型 |
| 4.2.1 模型描述 |
| 4.2.2 不同度分布对传播的影响 |
| 4.3 仿真实验结果与分析 |
| 4.4 本章小结 |
| 第5章 复杂网络有博弈的传播模型 |
| 5.1 模型介绍 |
| 5.2 实验模型 |
| 5.2.1 模型描述 |
| 5.2.2 计算收益 |
| 5.2.3 策略选择机制 |
| 5.3 仿真实验结果与分析 |
| 5.4 本章小结 |
| 第6章 总结与展望 |
| 6.1 工作总结 |
| 6.2 工作展望 |
| 参考文献 |
| 作者简介及在学期间取得的科研成果 |
| 致谢 |
（3）基于耦合网络的新型互联网舆情传播模型研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 研究现状 |
| 1.2.1 单层网络舆情传播研究 |
| 1.2.2 耦合网络舆情传播研究 |
| 1.2.3 网络关键节点识别研究 |
| 1.2.4 研究现状评述 |
| 1.3 研究思路及研究内容 |
| 1.4 研究方法及技术路线 |
| 第二章 理论基础 |
| 2.1 网络舆情概念界定 |
| 2.1.1 社交网络及网络舆情定义 |
| 2.1.2 网络舆情影响要素 |
| 2.1.3 网络舆情生命周期 |
| 2.1.4 网络舆情管理与治理 |
| 2.1.5 网络舆情治理意义 |
| 2.2 复杂网络理论概述 |
| 2.2.1 复杂网络定义及其表示 |
| 2.2.2 复杂网络重要统计特性 |
| 2.2.3 复杂网络模型介绍 |
| 2.2.4 耦合网络耦合关系介绍 |
| 2.3 传播动力学概述 |
| 2.3.1 流行病传播模型 |
| 2.3.2 舆情传播模型 |
| 2.4 关键节点识别算法 |
| 2.4.1 度中心性 |
| 2.4.2 k壳及其改进算法 |
| 2.4.3 接近中心性 |
| 2.4.4 介数中心性 |
| 2.4.5 随机游走 |
| 2.4.6 结构洞识别 |
| 2.5 本章小结 |
| 第三章 基于受众画像的互联网舆情传播模型研究 |
| 3.1 问题描述 |
| 3.2 新型社交网络中受众状态分析及传播动因画像 |
| 3.2.1 新特征下受众状态分类 |
| 3.2.2 受众特征分析及受众画像 |
| 3.3 基于受众画像的舆情传播OSIS模型 |
| 3.3.1 元胞结构 |
| 3.3.2 状态演化规则 |
| 3.4 实验与结果分析 |
| 3.4.1 OSIS模型与疾病传播SEIR模型信息传播及演进对比 |
| 3.4.2 初始传播节点的数量对舆情传播的影响 |
| 3.4.3 受众特征对舆情传播的影响 |
| 3.4.4 “红黄蓝幼儿园虐童事件”实证分析 |
| 3.5 结论探讨及网络舆情治理启示 |
| 3.6 本章小结 |
| 第四章 线上—线下耦合网络模型构建及对传播动力学的影响研究 |
| 4.1 问题描述 |
| 4.2 线上-线下社交网络耦合特征分析 |
| 4.2.1 双层耦合社交网络定义 |
| 4.2.2 耦合网络层间连接关系 |
| 4.3 双层耦合网络构建 |
| 4.3.1 线下接触网络构建 |
| 4.3.2 线上虚拟社交网络构建 |
| 4.3.3 线上-线下网络耦合构建 |
| 4.4 双层耦合网络传播机制研究 |
| 4.5 实验与结果分析 |
| 4.5.1 双层耦合网络舆情传播过程仿真实验及结果分析 |
| 4.5.2 “余杭中泰垃圾焚烧事件”实证分析 |
| 4.6 结论探讨及网络舆情治理启示 |
| 4.7 本章小结 |
| 第五章 基于局部“结构洞”特征的社交网络舆情干预模型研究 |
| 5.1 问题描述 |
| 5.2 K壳分解算法 |
| 5.2.1 基本概念及算法描述 |
| 5.2.2 K壳分解算法应用于社交网络关键节点识别存在的问题 |
| 5.3 “结构洞”理论 |
| 5.3.1 “结构洞”理论 |
| 5.3.2 “结构洞”理论优缺点分析 |
| 5.4 基于边双重特性的改进“结构洞”关键节点识别算法 |
| 5.4.1 网络中边的聚集性和扩展性 |
| 5.4.2 基于边双重特性的“结构洞”约束系数 |
| 5.4.3 结合“结构洞”约束值与k壳分解的社交网络关键节点识别算法 |
| 5.4.4 算法分析 |
| 5.5 实验与结果分析 |
| 5.5.1 数据集及信息传播模型 |
| 5.5.2 剔除关键节点后网络结构统计特性对比分析 |
| 5.5.3 关键节点对网络鲁棒性影响的分析 |
| 5.5.4 网络传播动力学模型有效性验证 |
| 5.5.5 “翟天临学术不端事件”实证分析 |
| 5.6 本章小结 |
| 第六章 论文总结及工作展望 |
| 6.1 总结 |
| 6.1.1 主要创新点 |
| 6.1.2 舆情治理的管理启示 |
| 6.2 研究局限及下一步工作 |
| 参考文献 |
| 致谢 |
| 作者攻读学位期间发表的学术论文目录 |
| 作者攻读学位期间参加的研究项目 |
| 作者简介 |
（4）复杂网络上的演化博弈及其学习机制与演化动态综述（论文提纲范文）
| 一、引 言 |
| 二、博弈论发展历程回顾 |
| 三、演化博弈论的发展历程回顾 |
| (一)有限理性 |
| (二)演化博弈论的发展历程回顾 |
| 四、复杂网络上的演化博弈发展现状与发展趋势 |
| (一)复杂网络理论 |
| (二)复杂网络上的演化博弈 |
| 1.规则网络上的演化博弈 |
| 2.随机网络上的演化博弈 |
| 3.小世界网络上的演化博弈 |
| 4.无标度网络上的演化博弈 |
| 五、演化博弈中的学习机制与演化动态 |
| (一)基于微分方程的学习机制与演化动态 |
| (二)基于随机过程的学习机制与演化动态 |
| (三)基于智能算法的学习机制与演化动态 |
| (四)其他学习机制与演化动态 |
| 六、结 语 |
（5）多层复杂网络对群体博弈中合作效果的研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景和现状 |
| 1.2 研究目的与意义 |
| 1.3 本文主要研究内容 |
| 1.4 本文组织结构 |
| 第2章 复杂网络概述 |
| 2.1 复杂网络的基本定义 |
| 2.2 网络的特性度量及相关概念 |
| 2.2.1 度与度分布 |
| 2.2.2 聚类系数 |
| 2.2.3 平均路径长度 |
| 2.3 典型的网络拓扑模型 |
| 2.3.1 规则网络模型 |
| 2.3.2 随机网络模型 |
| 2.3.3 小世界网络模型 |
| 2.3.4 无标度网络模型 |
| 2.4 多层复杂网络模型 |
| 2.4.1 多维型多层网络 |
| 2.4.2 相互依存型多层网络 |
| 2.5 本章小结 |
| 第3章 博弈论概述 |
| 3.1 博弈论 |
| 3.2 经典博弈论与纳什均衡 |
| 3.3 演化博弈论与演化稳定策略 |
| 3.4 典型的博弈模型 |
| 3.4.1 二人博弈 |
| 3.4.2 多人博弈 |
| 3.5 典型的策略调整规则 |
| 3.6 在复杂网络上博弈 |
| 3.7 本章小结 |
| 第4章 静态多层网络上的公共物品博弈 |
| 4.1 引言 |
| 4.2 静态多层网络模型 |
| 4.3 在静态多层网络上进行PGG-SP博弈 |
| 4.3.1 博弈流程描述 |
| 4.3.2 计算收益 |
| 4.3.3 策略学习机制 |
| 4.4 仿真与讨论 |
| 4.4.1 单层和多层静态网络演化效果的对比 |
| 4.4.2 静态多层网络中异层学习概率对演化的影响 |
| 4.4.3 其他静态多层网络参数对演化的影响 |
| 4.4.4 静态多层网络的协同作用的探索 |
| 4.5 本章小结 |
| 第5章 动态多层网络上的公共物品博弈 |
| 5.1 引言 |
| 5.2 动态多层网络模型 |
| 5.2.1 博弈流程描述 |
| 5.2.2 动态网络拓扑规则 |
| 5.3 仿真与讨论 |
| 5.3.1 静态和动态多层网络的演化效果对比 |
| 5.3.2 动态单层和多层网络的演化效果对比 |
| 5.3.3 动态多层网络的合作效果探究 |
| 5.3.4 真实多层网络的模拟 |
| 5.4 本章小结 |
| 第6章 总结与展望 |
| 6.1 本文总结 |
| 6.2 未来展望 |
| 参考文献 |
| 作者简介及在学期间所取得的科研成果 |
| 致谢 |
（6）复杂网络上的传播动力学建模及其干预研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究进展 |
| 1.2.1 复杂网络研究进展 |
| 1.2.2 传播动力学建模研究进展 |
| 1.2.3 传播动力学干预研究进展 |
| 1.3 本文的研究内容与创新 |
| 1.4 本文的结构与章节安排 |
| 第二章 复杂网络及传播动力学基础简介 |
| 2.1 复杂网络基础知识介绍 |
| 2.1.1 基本网络结构参量 |
| 2.1.2 经典网络结构模型 |
| 2.1.3 真实复杂网络介绍 |
| 2.2 传播动力学基础知识介绍 |
| 2.2.1 经典传播动力学模型 |
| 2.2.2 计算机模拟方法 |
| 2.3 本章小结 |
| 第三章 基于连边动力学状态的信息传播研究 |
| 3.1 信息传播模型的边状态方程 |
| 3.2 基于连边动力学状态的潜在连边影响力分析 |
| 3.3 促进信息传播的最优潜在连边分析 |
| 3.4 基于最优潜在连边的信息传播干预策略 |
| 3.5 真实网络上增边干预策略的效果验证 |
| 3.6 本章小结 |
| 第四章 基于连边动力学状态的信息–信息共演传播研究 |
| 4.1 信息–信息共演传播模型 |
| 4.2 信息–信息共演传播的理论分析方法 |
| 4.3 信息–信息共演传播系统中的潜在连边影响力分析 |
| 4.4 信息–信息共演传播系统中的最优潜在连边识别 |
| 4.5 信息–信息共演传播的干预策略 |
| 4.6 真实网络上信息–信息共演传播干预策略的效果验证 |
| 4.7 本章小结 |
| 第五章 基于个体意识的资源–疾病共演传播研究 |
| 5.1 基于个体意识的资源–疾病共演传播模型 |
| 5.1.1 基于个体意识的疾病传播模型 |
| 5.1.2 基于个体意识的资源分配模型 |
| 5.2 个体意识对资源–疾病共演传播的影响 |
| 5.3 网络异质性对资源–疾病共演传播动力学的影响 |
| 5.3.1 网络异质性对ρ - λ曲线的影响 |
| 5.3.2 网络异质性对ρ - υ曲线的影响 |
| 5.3.3 网络异质性对λ_c- υ曲线的影响 |
| 5.4 本章小结 |
| 第六章 全文总结与展望 |
| 6.1 全文总结 |
| 6.2 工作展望 |
| 致谢 |
| 参考文献 |
| 攻读博士学位期间取得的成果 |
（7）基于个体多样性的网络演化博弈研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究进展 |
| 1.2.1 基于网络结构多样性的网络演化博弈研究进展 |
| 1.2.2 基于策略演化多样性的网络演化博弈研究进展 |
| 1.2.3 基于个体行为多样性的网络演化博弈研究进展 |
| 1.3 本论文的研究内容和结构安排 |
| 第二章 网络演化博弈基础 |
| 2.1 复杂网络基础 |
| 2.1.1 复杂网络的主要结构特性 |
| 2.1.2 网络模型 |
| 2.2 博弈模型与剥削策略 |
| 2.3 网络上的博弈学习动力学 |
| 2.4 本章小结 |
| 第三章 基于个体交互多样性的网络演化博弈研究 |
| 3.1 引言 |
| 3.2 Barab(?)si-Albert无标度网络上的演化博弈动力学 |
| 3.2.1 博弈模型介绍 |
| 3.2.2 策略演化结果与分析 |
| 3.2.3 剥削因子的影响 |
| 3.3 可调节聚类无标度网络上的演化博弈动力学 |
| 3.3.1 博弈模型介绍 |
| 3.3.2 策略演化结果与分析 |
| 3.3.3 突变因子的影响 |
| 3.3.4 剥削因子的影响 |
| 3.3.5 聚类系数的影响 |
| 3.3.6 平均收益框架下的策略演化结果与分析 |
| 3.4 本章小结 |
| 第四章 基于个体策略多样性的网络演化博弈研究 |
| 4.1 引言 |
| 4.2 博弈模型介绍 |
| 4.3 累计收益框架下的策略多样性研究 |
| 4.3.1 策略演化结果与分析 |
| 4.3.2 相关性因子的影响 |
| 4.3.3 个体理性程度的影响 |
| 4.3.4 网络平均度的影响 |
| 4.4 平均收益框架下的策略多样性研究 |
| 4.4.1 策略演化结果与分析 |
| 4.4.2 相关性因子的影响 |
| 4.4.3 个体理性程度的影响 |
| 4.4.4 网络平均度的影响 |
| 4.5 本章小结 |
| 第五章 基于个体集群影响多样性的网络演化博弈研究 |
| 5.1 引言 |
| 5.2 博弈模型介绍 |
| 5.3 BA无标度网络上的博弈动力学 |
| 5.3.1 策略演化结果与分析 |
| 5.3.2 初始分布对策略演化的影响 |
| 5.3.3 网络平均度的影响 |
| 5.4 真实社会网络上的博弈动力学 |
| 5.5 三策略的博弈动力学 |
| 5.5.1 囚徒困境下的策略演化结果与分析 |
| 5.5.2 三策略下的策略演化结果与分析 |
| 5.6 累计收益框架下的策略演化结果与分析 |
| 5.7 本章小结 |
| 第六章 基于两层网络的演化博弈研究 |
| 6.1 引言 |
| 6.2 博弈模型介绍 |
| 6.3 剥削因子x = 1.5的情况 |
| 6.4 剥削因子x = 5.0的情况 |
| 6.5 剥削因子的影响 |
| 6.6 本章小结 |
| 第七章 总结与展望 |
| 7.1 全文总结 |
| 7.2 未来展望 |
| 致谢 |
| 参考文献 |
| 攻读博士学位期间取得的成果 |
（8）零行列式策略及其网络演化动力学研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究进展 |
| 1.2.1 博弈策略研究进展 |
| 1.2.2 网络博弈理论研究进展 |
| 1.3 本文主要研究内容与章节安排 |
| 第二章 基础理论知识与相关研究背景 |
| 2.1 博弈模型及其策略空间介绍 |
| 2.1.1 博弈模型介绍 |
| 2.1.2 重复博弈与一步记忆策略概述 |
| 2.1.3 零行列式策略 |
| 2.2 演化博弈理论概述 |
| 2.2.1 种群中的演化博弈理论概述 |
| 2.2.2 网络上的演化博弈理论概述 |
| 2.3 本章小结 |
| 第三章 规则网络上的零行列式策略演化研究 |
| 3.1 引言 |
| 3.2 基于囚徒困境博弈的正则格子网络上的零行列式策略演化研究 |
| 3.2.1 演化模型 |
| 3.2.2 基于格子网络上的剥削策略的演化动力学分析 |
| 3.2.3 剥削系数的影响演化分析 |
| 3.2.4 顺从策略的演化动力学分析 |
| 3.3 基于雪堆博弈的方格网络上的零行列式策略演化研究 |
| 3.3.1 雪堆博弈下的零行列式策略 |
| 3.3.2 顺从策略的演化动力学分析 |
| 3.3.3 顺从系数的影响 |
| 3.4 本章小结 |
| 第四章 无标度网络上的顺从策略演化研究 |
| 4.1 引言 |
| 4.2 度相关无标度网络上的顺从策略演化研究 |
| 4.2.1 演化模型 |
| 4.2.2 在累积收益框架下的演化动力学分析 |
| 4.2.3 在平均收益框架下的演化动力学分析 |
| 4.2.4 顺从系数与噪声因子的影响分析 |
| 4.3 可调聚类无标度网络上的顺从策略演化 |
| 4.3.1 演化模型 |
| 4.3.2 在累积收益下的演化动力学分析 |
| 4.3.3 在平均收益下的演化动力学分析 |
| 4.3.4 聚类系数的影响分析 |
| 4.4 本章小结 |
| 第五章 基于混合演化规则下的零行列式策略演化研究 |
| 5.1 引言 |
| 5.2 混合演化规则下零行列式策略演化 |
| 5.2.1 演化模型 |
| 5.2.2 剥削策略的演化动力学分析 |
| 5.2.3 剥削系数的影响分析 |
| 5.2.4 期望参数与调节因子的影响研究 |
| 5.3 混合演化规则下顺从策略的演化动力学分析 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 全文总结 |
| 6.2 未来展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间取得的成果 |
（9）复杂网络上的合作演化机制研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 合作演化研究的意义与发展 |
| 1.1.1 合作行为的涌现与研究意义 |
| 1.1.2 演化博弈理论的发展 |
| 1.1.3 复杂系统与复杂网络研究的发展 |
| 1.2 复杂网络的基础知识 |
| 1.2.1 图的基本概念 |
| 1.2.2 复杂网络的主要统计特性 |
| 1.2.3 常见的网络模型 |
| 1.3 网络上的演化博弈动力学 |
| 1.3.1 常用的博弈模型 |
| 1.3.2 策略更新规则 |
| 1.3.3 复杂网络上的演化博弈研究 |
| 1.4 复杂网络上的合作演化机制 |
| 1.4.1 合作演化中的常见机制 |
| 1.4.2 公共物品博弈中的异质性机制 |
| 1.4.3 迁移机制 |
| 1.5 本文的研究内容 |
| 第二章 基于历史收益的异质性投资机制对合作的影响 |
| 2.1 引言 |
| 2.2 基于历史收益的异质性投资博弈模型 |
| 2.3 数值模拟结果与分析 |
| 2.4 结论 |
| 第三章 追求有利环境的定向迁移机制对合作的影响 |
| 3.1 引言 |
| 3.2 追求有利环境的定向迁移博弈模型 |
| 3.3 数值模拟结果与分析 |
| 3.4 小结 |
| 第四章 基于历史收益的迁移机制对合作的影响 |
| 4.1 引言 |
| 4.2 基于历史收益的迁移模型 |
| 4.3 数值模拟结果与分析 |
| 4.4 小结 |
| 第五章 工作总结与展望 |
| 5.1 工作总结 |
| 5.2 工作展望 |
| 参考文献 |
| 致谢 |
| 攻读博士学位期间发表的学术论文目录 |
（10）基于代理的社会网络演化与实验分析（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 研究内容与目标 |
| 1.3 研究思路与方法 |
| 1.4 论文主要工作与论文结构 |
| 第二章 社会网络演化研究介绍 |
| 2.1 复杂网络与社会网络 |
| 2.2 网络动力学模型和决策建模 |
| 2.2.1 网络动力学模型 |
| 2.2.2 决策建模理论 |
| 2.3 基于代理的建模与仿真 |
| 2.4 本章小结 |
| 第三章 社会网络演化典型应用场景及需求分析 |
| 3.1 应用场景 |
| 3.2 典型应用场景的需求分析 |
| 3.3 本章小结 |
| 第四章 社会网络模型构建及实验分析 |
| 4.1 经典社会网络模型构建思路 |
| 4.2 社会网络演化分析 |
| 4.3 社会网络的相似性 |
| 4.3.1 基于属性的相似性 |
| 4.3.2 基于共邻结构的相似性 |
| 4.4 社会网络的互锁效应 |
| 4.4.1 个体的锁定效应模型 |
| 4.4.2 群体的锁定效应 |
| 4.4.3 身份的锁定效应 |
| 4.5 基于相似-互锁效应的社会网络建模 |
| 4.5.1 基于相似-互锁效应的模型指标 |
| 4.5.2 基于相似-互锁效应的社会网络构建流程 |
| 4.6 基于相似-互锁效应的社会网络建模实验分析 |
| 4.7 本章小结 |
| 第五章 个体行为决策建模与实验分析 |
| 5.1 行为决策理论研究 |
| 5.1.1 行为决策的有限理性 |
| 5.1.2 行为决策的动机理论 |
| 5.1.3 决策的双通路机制 |
| 5.2 社会网络观下的决策系统分析 |
| 5.2.1 社会网络对决策的影响 |
| 5.2.2 决策系统基本框架 |
| 5.3 基于心理过程的行为决策建模 |
| 5.3.1 基于激励的感知模型 |
| 5.3.2 基于双通路的决策模型 |
| 5.3.3 决策波动模型 |
| 5.3.4 学习反馈模型 |
| 5.4 基于心理过程的行为决策实验及分析 |
| 5.5 本章小结 |
| 第六章 基于代理的网络演化实验及分析 |
| 6.1 社团生长过程中的代理多态分析 |
| 6.2 社团生长影响因素分析 |
| 6.2.1 个体因素分析 |
| 6.2.2 整体因素分析 |
| 6.3 基于代理的社团生长建模 |
| 6.3.1 代理的决策建模 |
| 6.3.2 基于代理的模型构建 |
| 6.4 实验分析与模型验证 |
| 6.4.1 实验平台 |
| 6.4.2 网络生长模型的实验及分析 |
| 6.5 本章小结 |
| 第七章 总结与展望 |
| 7.1 本文工作总结 |
| 7.2 未来研究与展望 |
| 参考文献 |
| 附录1 攻读硕士学位期间撰写的论文 |
| 附录2 攻读硕士学位期间申请的专利 |
| 致谢 |
四、基于个体选择的小世界网络结构演化（论文参考文献）
- [1]具有退出选择的合作行为演化及网络拓扑的统计建模[D]. 申晨. 云南财经大学, 2021(09)
- [2]基于复杂网络和演化博弈的传染病传播模型研究[D]. 陈镜羽. 吉林大学, 2021(01)
- [3]基于耦合网络的新型互联网舆情传播模型研究[D]. 王聿达. 北京邮电大学, 2021(01)
- [4]复杂网络上的演化博弈及其学习机制与演化动态综述[J]. 王先甲. 阅江学刊, 2021(03)
- [5]多层复杂网络对群体博弈中合作效果的研究[D]. 付萌萌. 吉林大学, 2021(01)
- [6]复杂网络上的传播动力学建模及其干预研究[D]. 杨丹. 电子科技大学, 2021(01)
- [7]基于个体多样性的网络演化博弈研究[D]. 毛雅俊. 电子科技大学, 2021(01)
- [8]零行列式策略及其网络演化动力学研究[D]. 赵倩. 电子科技大学, 2021(01)
- [9]复杂网络上的合作演化机制研究[D]. 张岚. 北京邮电大学, 2021(01)
- [10]基于代理的社会网络演化与实验分析[D]. 吴宇鹏. 南京邮电大学, 2020(02)