基于QPSO算法的最優(yōu)值求解在NASH均衡中的應(yīng)用.pdf

1、隨著經(jīng)濟(jì)的飛速發(fā)展、納什均衡研究的不斷深入，以及經(jīng)濟(jì)環(huán)境的復(fù)雜多變，博弈變得越來越復(fù)雜。用傳統(tǒng)的方法解決博弈中的納什均衡問題已經(jīng)越來越困難。目前國內(nèi)外，已有人嘗試將優(yōu)化算法應(yīng)用于解決納什均衡問題。因此，尋求具有智能特征的新算法用于解決納什均衡問題已成為相關(guān)學(xué)科的一個(gè)引人注目的研究方向，這對(duì)于降低成本，提高經(jīng)濟(jì)效益，促進(jìn)我國社會(huì)的快速發(fā)展，有著極其重要的實(shí)際意義。 論文研究了一種具有全局收斂性的新群體智能算法---具有量子行為粒子

2、群算法(簡稱QPSO算法)的改進(jìn)及其在納什均衡中的應(yīng)用。群體智能算法是一種進(jìn)化算法，是解決優(yōu)化問題特別是復(fù)雜系統(tǒng)優(yōu)化問題的有效手段。實(shí)際應(yīng)用證明：QPSO算法遠(yuǎn)遠(yuǎn)優(yōu)于經(jīng)典的粒子群算法 (簡稱PSO算法)。 由于納什均衡的定義本身并沒有說明如何求解博弈中的納什均衡，論文首先將PSO算法和QPSO算法分別應(yīng)用于求解納什均衡。算法的仿真分析證明了QPSO算法在搜索效果和收斂速度上優(yōu)于經(jīng)典的PSO算法。其次，由于在解決復(fù)雜優(yōu)化問題時(shí)PS

3、O算法和 QPSO 算法都具有早熟和收斂速度慢等缺點(diǎn)，論文研究了“Stretching”技術(shù)，并將“Stretching”技術(shù)分別與PSO算法和QPSO算法結(jié)合起來產(chǎn)生了“STQPSO”算法和“STPSO”算法，然后運(yùn)用這兩種改進(jìn)的算法解決實(shí)際優(yōu)化問題。算法的仿真證明了在求解復(fù)雜優(yōu)化問題時(shí)無論是實(shí)際搜索效果、收斂速度還是穩(wěn)定性，STQPSO算法均優(yōu)于STPSO算法。 最后，對(duì)于“Stretching”技術(shù)易于出現(xiàn)一種所謂“墨西哥