基于复合策略的社会学习模型

发布时间：2017-11-21 09:22

  本文关键词：基于复合策略的社会学习模型

  更多相关文章： 社会学习 复杂网络 复合策略

【摘要】：随着社会学习理论的提出，社会学习成为了人们研究的热点.社会学习的研究一般是以具体的模型为导向，但在不同的问题上所建立的模型也有所区别.比较经典的两种模型是基于邻居信念的社会学习模型与基于贝叶斯法则的社会学习模型.基于邻居信念的社会学习模型简单有效的解决了信念收敛一致的问题，但是不能保证一定收敛到真实值；基于贝叶斯法则的社会学习模型解决了信念收敛到真实值的问题，但该模型需要了解网络的拓扑结构，并且计算量过大，在现实的应用上受到了一定的限制.两种模型在实际应用中都有一定的缺陷，Ali Jadbabaie等人提出了一种非贝叶斯模型，新的信念由邻居的信念与个体的信念共同决定，此模型既能减少大量的计算，也能保证信念收敛到真实值，但是此模型要求个体自己的信念必须存在且必须由贝叶斯法则进行更新，与社会中实际情况不符. 考虑到在社会网络中，个体并不一定完全理性，也不一定完全非理性，因此个体进行信念更新时，并不一定都采取基于贝叶斯法则的更新策略，也不一定都采用基于邻居信念的更新策略，，所以本文提出了一个复合策略模型，复合策略模型更加适用于现实社会，因此，对于复合策略模型的研究具有非常重要的应用价值.本文的主要工作如下： 1、本文研究在复杂社会网络环境中的社会学习，考虑到社会个体的异质性和复杂性，提出一种基于复合策略进行信念更新的社会学习模型.模型中的个体在每一时刻，以一定概率任意选择基于贝叶斯法则的更新策略或基于邻居信念的更新策略中的一种策略进行信念更新.仿真结果表明，在满足策略选择偏好大于0等条件下，社会个体最终都能够达到渐近学习. 2、改变复合策略模型中的参数，研究了参数对于个体达到渐近学习的影响以及对学习速度的影响.
【学位授予单位】：鲁东大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：O157.5;TP18

【参考文献】

中国期刊全文数据库 前2条

1 林士敏;田凤占;陆玉昌;;贝叶斯学习、贝叶斯网络与数据采掘[J];计算机科学;2000年10期

2 樊重俊;姚莎;;贝叶斯时间序列方法研究与应用评述[J];统计与决策;2009年06期

本文编号：1210440