一种新的改进型演化策略

变异操作在演化策略中扮演着极为重要的角色。通常,每一种变异操作仅对一类问题是有效的,而对于其它的问题效果不佳。为了克服这个缺点,使用混合变异操作就成为解决办法的一种可行途径。提出了一种新的演化策略,它混合了四种不同的变异策略,仿真实验表明了算法的有效性。     

一种改进的遗传算法

为了提高标准遗传算法的搜索能力,在每一代的群体更生中,群体个体不是全部来自交配池中杂交和变异产生的个体,而是取其中的一部分,另一部分来自于父本代群体,这两部分一起构成下一代群体。本文提出了一种改进的遗传算法,实验结果表明,改进的遗传算法比标准的遗传算法效果要好很多。     

科技成果转化主体行为策略演化博弈研究

促进科技成果转移转化是我国实施创新驱动发展战略的重要任务。通过构建演化博弈模型,分析企业与高校在科技成果转化合作中的行为演化路径与稳定策略,采用MATLAB对双方行为选择进行模拟仿真。研究表明：高校或企业的策略选择与对方选择“合作”策略的概率密切相关;在合作奖励与惩罚大于高校付出的科技成果创新价值和企业商业化运营成本时,与对方合作成为双方唯一的稳定状态,反之则会出现(合作,合作)、(不合作、不合作)两种稳定策略;高校付出的科技成果创新价值越高,其获得的期望收益越低,高校越容易选择不合作的策略,二者合作关系越难持续;科技成果商业化运营成本越大,合作越难以实现;科技成果转化成功率影响高校与企业合作的稳定性。     

企业技术创新合作策略选择的演化博弈研究

本文将企业合作技术创新分成两类,即企业之间存在合作的创新和企业之间不存在合作的创新,并分别构造了它们的得益矩阵及其演化博弈模型.通过参数变化、相位图和数值仿真,对企业合作创新策略选择进行演化博弈分析,结果表明,与大学合作的净得益是决定企业合作创新策略的关键因素;投资额、双方得益比例和博弈双方合作历史也明显影响合作创新策略的选择;双方得益比例相等时,博弈双方合作可能性最大,比例悬殊会导致双方不合作.     

一种新的进化多目标优化算法中的文档策略

在采用带精英保留策略的进化算法求解多目标优化问题时,我们需要一个文档来保存在进化过程中产生的不被占优的解。当互不占优的解的数量超过文档的大小时,如何在互不占优的解之间取舍将变得非常重要。针对传统的文档更新策略只考虑解的分布性的情况,提出了一种能够同时保证分布性和收敛性的文档更新策略。该文档更新策略以超体积为基础,与目前经典算法NSGA-Ⅱ进行比较,结果表明新算法拥有良好的分布性,同时也较好地保证了收敛性。     

产学研协同创新的演化博弈模型及策略分析

研究产学研双方在协同创新过程中的策略演化路径规律,构建联合开发模式下的产学研协同创新演化博弈模型。研究表明,产学研协同创新的长期演化博弈结局有四种可能策略组合,并且这四种策略组合均为稳定性策略,具体向何方向演化主要取决于产学研协同创新演化博弈矩阵的参数值以及系统的初始状态。给出构建合理的额外收益分配与成本分摊比例,建立有效的激励与惩罚机制,提升协同创新价值与抑制投机行为以及正确定位政府在产学研协同创新中的角色等政策性建议。     

软件外包客户与提供商信任策略选择的演化博弈分析

软件外包客户与提供商之间的信任是影响外包项目成功的重要因素之一。根据合作过程中不完全信息、合作双方有限理性的特点,使用演化博弈的方法构建了客户信任策略和提供商配合策略选择的演化博弈模型,并分析了双方在策略选择过程中的互动情况。结果表明:外包提供商消极配合给客户带来的损失、外包客户监控成本、外包客户采取信任策略给提供商带来的收益或惩罚会直接影响博弈结果,合作双方策略选择的演化情况存在3种稳定状态,根据分析结果提出了相应建议。     

遗传算法在智能组卷中的实现

遗传算法是智能化考试系统的最常用的一种组卷算法。本文介绍了遗传算法的特点及操作过程,依据组卷时各种约束建立了数学模型,提出使用改进的遗传算法解决组卷中一些问题。最后以实验证明,使用动态调整交叉概率和变异概率可避免遗传算法的一些弊端。     

基于模糊控制自适应遗传算法的电力系统有功优化及仿真

本文采用改进的模糊控制自适应遗传算法,以克服采用定值常量作为交叉和变异概率所带来的早熟现象和效率相对较低的问题,尽量避免陷入局部寻优。本文采用三机、十三机系统进行电力系统有功优化仿真,结果表明,改进的算法具有更好的寻优效果。     

有限理性下的策略行为互动：演化博弈理论与应用

结合传统博弈理论及生物演化理论研究成果,演化博弈以有限理性的参与人群体为研究对象．利用动态分析方法预测经济主体的行为,考察群体行为的演化趋势。本文梳理了这一理论的基本脉络,评析演化稳定策略、复制者动态模型及其应用,并讨论其分析范式、方法和对诸多经济问题给出新的解释。     

产业演化创新分布模式的一种理论解释

论文首先对日本钢铁工业发展的创新分布模式进行了分析 ,然后给出了一个一般的理论模型用于描述产业演化创新模式的分布规律 ,此模型不仅可以解释A—U模型所描述的规律 ,而且对于其他工艺驱动型的产业演化创新分布模式也给出了解释     

基于技术能力演化的后来者专利许可策略研究

 先前关于专利许可策略的研究一般假设专利权人具有完全讨价还价能力,被许可方只能“接受或拒绝”专利许可契约,未考虑被许可方技术能力的动态演化。文章基于完全对称信息以及单一先动者和单一后来者双寡头市场假设,从技术能力演化视角,研究后来者在技术引进、技术模仿、技术创新等技术能力发展过程中的专利许可策略。研究表明：技术引进阶段,在给定条件下,后来者采用提成许可方式和固定费用许可方式优于放弃该专利;技术模仿阶段,后来者可通过降低自行研发的成本来提高讨价还价能力;技术创新阶段,交叉许可是后来者降低交易成本获取专利的重要方式。     

校企合作创新的演化博弈分析

在知识经济时代,科技经济一体化已成为时代发展的主流,校企合作创新恰恰顺应了这一时代发展的要求,因而促进校企合作创新,具有重要的现实意义。本文运用演化博弈基本理论和模型对校企间合作创新问题进行研究,揭示影响系统演化过程及演化稳定的重要因素。     

企业技术创新的演化分析框架

新古典经济学对企业技术创新的研究是在静态的、理性人假设和利润最大化假设条件下进行的,显然,这些假设与真实世界不相符。所以,在这些假设的条件下,对企业技术创新的研究也脱离了现实。而20世纪70年代发展起来的演化经济学则为分析企业技术创新问题提供了新的思路。演化经济学借鉴了生物进化的思想,以生物学为基础工具对经济系统进行分析。但是目前基于演化经济学对企业技术创新问题的研究还没有像新古典经济学那样形成一个标准的分析框架,人们分析问题时没有一个标准的参照系。本文从生物进化的三个核心概念出发,试图建立企业技术创新的"遗传、变异和自然选择"的演化分析框架,为企业技术创新的演化分析提供一个标准的参照系。     

旅游产业链中纵向外部性的演化博弈分析——兼论一种新的旅游产业链构建模式

借助演化博弈思想对旅游产业链中经济主体的决策行为进行深入分析后,揭示出了影响纵向外部性的重要参数,在此基础上提出了一种界于市场和企业,且又不同于完全一体化的"混合"组织形式——松散型纵向一体化战略联盟。     

基于前景理论的政企低碳策略演化博弈分析

从前景理论视角分析地方政府监督下的企业低碳生产策略,建立企业和地方政府的收益感知矩阵,运用复制动态方程分析企业和地方政府的低碳策略演化博弈过程,模拟分析环境恶化风险成本、惩罚成本、低碳补贴及地方政府收益变化对演化结果的影响。研究结果表明:企业和地方政府的低碳策略取决于对方低碳策略的选择和参数感知价值,参数感知价值围绕临界值上下波动时,低碳策略随之变化;在一定条件下,企业和地方政府的低碳策略演化为环境效益最大化的企业低碳生产、地方政府监督策略集合;企业和地方政府对损益价值的感知大小影响环境效益最大化的实现;企业选择低碳生产及地方政府选择监督的概率影响策略收敛的速度。     

OEM模式下企业间的演化博弈研究

应用演化博弈方法对贴牌生产(Original Equipment Manufacturer简称OEM)模式下的企业合作关系进行研究,构建了OEM模式下委托企业和贴牌企业的演化博弈模型.利用贴现因子对超额总利润进行分配,分析双方的演化博弈过程,并在此基础上加入惩罚因子,对模型进行改进.结果表明,博弈双方的演化结果受到合作带来的超额利润、初始投入成本、双方各自的贴现因子以及它们的惩罚因子等因素的影响.     

群体性突发事件在线演化博弈研究

基于政府监督管理群体性突发事件在线演化过程,从博弈论的角度,对媒体和媒体及意见领袖和普通网民之间的博弈进行分析。研究结果表明,事件在线演化的总体趋势主要依靠媒体传播,意见领袖引导;媒体会根据事件的影响程度决定是否进行实地报道从而选择发布信息的时间;而政府需要通过惩罚蓄意扰乱网络秩序的意见领袖或网民,以及合理调控惩罚力度,得到理想的稳定策略,从而实现加快平息事件在线演化的进程。     

基于演化博弈的科技金融主体合作策略与监督机制研究

资金供需主体利益难于权衡的问题一直是制约科技金融快速发展的重要障碍。以科技型中小企业和商业银行作为科技金融的参与主体,运用演化博弈的方法建立两个主体间的演化博弈模型,设定相关变量,从而得到复制动态方程,以此为基础分析两博弈主体之间的均衡关系。通过分析得到能够影响两个参与科技金融的博弈主体选择合作策略的稳定性影响因素,并引入相应的监督和惩罚机制。     

一种微分进化算法的图像增强方法

将微分进化算法应用到图像的增强处理中,利用微分进化算法的快速搜索能力,对给定的测试图像自适应地变异、交叉、搜索,直至最终确定Beta函数的最佳参数α,β值,从而实现图像的自适应增强。最终通过软件仿真实验验证了上述方法的有效性。