基于QPSO算法的最優(yōu)值求解在NASH均衡中的應用.pdf

1、隨著經濟的飛速發(fā)展、納什均衡研究的不斷深入，以及經濟環(huán)境的復雜多變，博弈變得越來越復雜。用傳統(tǒng)的方法解決博弈中的納什均衡問題已經越來越困難。目前國內外，已有人嘗試將優(yōu)化算法應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學科的一個引人注目的研究方向，這對于降低成本，提高經濟效益，促進我國社會的快速發(fā)展，有著極其重要的實際意義。 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)的改進及其在納什均衡中的應用。群體智能算法是一種進化算法，是解決優(yōu)化問題特別是復雜系統(tǒng)優(yōu)化問題的有效手段。實際應用證明：QPSO算法遠遠優(yōu)于經典的粒子群算法 (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)于經典的PSO算法。其次，由于在解決復雜優(yōu)化問題時PS

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