基于节点策略学习行为的社交网络合作促进机制

发布时间：2018-02-05 19:38

  本文关键词： 社交网络 节点合作 激励机制 空间演化博弈论 策略学习　出处：《计算机工程》2017年11期 　论文类型：期刊论文

【摘要】：已有节点合作激励机制通常使用节点历史交易信息,信息的存储和处理会带来较大开销,且可能存在恶意节点反馈的虚假信息。针对上述问题,提出一种基于节点自身属性调整的合作激励机制。节点依据自己在策略学习过程中是失败者还是成功者来对自己发起的交易数量进行调整。实验结果表明,网络中合作节点比例较不使用机制时有显著提高,且当存在节点策略选择扰动时,合作节点比例在网络演化均衡态保持了较好的稳定性。
[Abstract]:The existing incentive mechanism of node cooperation usually uses node history transaction information, the storage and processing of information will bring a large amount of overhead, and there may be malicious nodes feedback false information. This paper proposes a cooperative incentive mechanism based on the adjustment of nodes' attributes. Nodes adjust the number of transactions they initiate according to whether they are losers or winners in the process of strategy learning. The proportion of cooperative nodes in the network is significantly higher than that when the mechanism is not used, and when there is a node policy selection disturbance, the cooperative node proportion keeps a good stability in the evolution equilibrium state of the network.
【作者单位】： 鲁东大学信息与电气工程学院;鲁东大学科技处;
【基金】：山东省高校科技发展计划项目(2013YD01031) 山东省自然科学基金(ZR2010GM013)
【分类号】：O157.5;TP301.6

【相似文献】

相关期刊论文 前10条

1 张基恒;魏进武;张云勇;石祥路;;大数据时代的社交网络分析[J];邮电设计技术;2014年07期

2 张大勇;何傼菲;陈朴;;社交网络等级结构与同配性问题研究[J];复杂系统与复杂性科学;2013年01期

3 孙捷;李永安;陈晓辉;;家庭农场主社交网络运作过程与机制:一个时间密度分析框架的理论研究[J];安徽农业科学;2013年26期

4 黄飞虎;彭舰;宁黎苗;;基于信息熵的社交网络观点演化模型[J];物理学报;2014年16期

5 常晓猛;乐阳;李清泉;陈碧宇;萧世伦;涂伟;;利用位置的虚拟社交网络地理骨干网提取[J];武汉大学学报(信息科学版);2014年06期

6 李玉庭;;社交网络对旅游者购买意向的影响——以经济型酒店产品为购买对象的实证研究[J];旅游纵览(行业版);2012年02期

7 李熠熠;潘婉彬;缪柏其;;基于三次样条的利率期限结构估计中的节点选择[J];系统工程理论与实践;2009年04期

8 罗卫敏;刘静;刘井波;陈晓峰;;基于博弈论研究社交网络内蠕虫的传播[J];计算机工程与应用;2011年03期

9 陈丽;刘洪伟;朱慧;陆涛;梁飞;;考虑社交网络中用户属性的社区挖掘[J];武汉大学学报(工学版);2014年03期

10 戴云晶;邓倩妮;;在线社交网络用户间影响量化的贝叶斯模型[J];微电子学与计算机;2013年03期

相关博士学位论文 前4条

1 王婷;异构社交网络中社区发现算法研究[D];中国矿业大学(北京);2016年

2 张子龙（Pichit Boonkrong）;基于复杂社交网络的疫情动力学和疫情控制的数学模型[D];清华大学;2016年

3 丁旋;社交网络分析中的隐私保护问题：去匿名化与无缝隐私[D];清华大学;2014年

4 张春英;基于属性图的社交网络建模与态势分析理论研究[D];燕山大学;2013年

相关硕士学位论文 前10条

1 陈莲;大规模社交网络中二元关系预测方法研究[D];电子科技大学;2014年

2 赵翔;移动社交网络相依关系及社区发现算法研究[D];哈尔滨工业大学;2014年

3 聂绎静;社交网络图压缩算法的研究[D];西安电子科技大学;2014年

4 刘静;移动社交网络中基于马尔科夫模型的信息搜索算法的研究[D];合肥工业大学;2015年

5 李小康;社交网络中特定用户的影响最大化研究[D];中国科学技术大学;2016年

6 姜晗;社交网络上高影响力用户识别研究与应用[D];电子科技大学;2016年

7 马路;面向微博社交网络的时变差别适应度模型研究[D];北京化工大学;2016年

8 方磊;社交网络社区发现问题的研究[D];南京航空航天大学;2016年

9 蒋艾玲;基于社交网络的节点影响力研究[D];重庆邮电大学;2016年

10 刘亚;社交网络节点流失模型与应用研究[D];重庆邮电大学;2016年

，

本文编号：1492588