基于演化博弈的多智能体系统社会化行为研究

发布时间：2023-04-01 05:24

　　随着深度学习技术的成熟,人工智能正在逐步从尖端科技走向日常生活,因此对人工智能的进一步分析和发展技术——群体智能,开始被大量学者所关注研究,而群体智能中社会化行为的合作行为与恶意行为是目前研究的难点与热点。演化博弈理论为这一问题提供了有力的理论模型,在演化博弈里我们可以构建出一个泛型的博弈生态模型。在这个模型中,我们能够方便地观察智能群体中各个智能体的社会化行为,及时了解到相应行为变化对整体系统所产生的影响。在这样宏观和微观的全方位研究中,如何找出多智能体系统中的策略均衡点,以及如何调整影响因素、设计合理的机制来引导智能体的博弈行为,从而达到我们想要的多智能体自适应系统,是本文研究的重点。为了解决上述问题,本文从博弈论的角度出发研究,主要从两个方面来分别深入探究合作行为和恶意行为,一方面是在囚徒困境中通过学习范围增强机制来研究多智能体系统的合作水平。另一方面是以网络安全为背景,结合探测机制和置信度算法提出多个新型模型来研究网络攻防中的博弈。本文的主要研究工作如下:首先,我们探讨了博弈论的基本理论框架,博弈生态模型的核心模块运行原理,深入分析了演化博弈论中的群体动力学:复制动力学和稳定演...

【文章页数】：64 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 研究背景和意义
    1.2 国内外研究现状
    1.3 本文主要工作
    1.4 论文组织结构
第2章 博弈论介绍及运用
    2.1 博弈论基础理论概述
    2.2 纳什均衡
    2.3 演化博弈论
        2.3.1 演化博弈论模型
        2.3.2 复制动态和演化稳定策略
    2.4 演化博弈实验环境
        2.4.1 博弈困境
        2.4.2 策略更新规则
        2.4.3 网络结构
    2.5 本章小节
第3章 社会化的合作行为研究
    3.1 协同合作的应用概述
    3.2 基于演化博弈的学习范围增强模型
        3.2.1 博弈矩阵
        3.2.2 博弈网络
        3.2.3 学习范围增强机制
    3.3 实验与分析
        3.3.1 学习范围对系统合作比的影响
        3.3.2 学习范围与网络大小的关系
        3.3.3 学习范围与空间结构的关系
    3.4 本章小节
第4章 社会化的恶意行为研究
    4.1 博弈论在网络安全领域的应用概述
    4.2 博弈环境描述
        4.2.1 网络安全与欺骗探测技术
        4.2.2 攻防博弈场景描述
        4.2.3 博弈矩阵
        4.2.4 纳什均衡分析
    4.3 攻防博弈模型
        4.3.1 贝叶斯博弈模型
        4.3.2 相对历史收益博弈模型
        4.3.3 贝叶斯改进模型
    4.4 实验与分析
    4.5 本章小结
结论
参考文献
附录A 攻读硕士学位期间所发表的学术论文目录
附录B 攻读硕士学位期间所参与的学术科研活动
致谢



本文编号：3776520