基于粒子群优化求解纳什均衡演化算法.pdfVIP

第52 卷 第 1 期 武汉大学学报( 理学版) Vol. 52 No. 1 2006 年2 月 J. Wuhan Univ. ( Nat. Sci. Ed. ) Feb. 2006, 025~ 02 : 1671-8836(2006) 01-0025-05 基于粒子群优化求解纳什均衡的演化算法  余 谦, 王先甲 ( 武汉大学 系统工程研究所, 湖北武汉 430072) : 基于粒子群优化方法从群智能的角度建立了博弈的演化模型, 为求解有限n 人非合作博弈的纳什均 衡设计了一种粒子群优化算法. 通过随机初始点的可行化以及对迭代步长的控制, 保证粒子群在算法的迭代过程 中始终保持在博弈的可行策略空间内, 避免了在随机搜索中产生无效的粒子, 因此提高了粒子群优化算法求解纳 什均衡的计算性能. 给出了算法的数值例子并分析了该算法的计算性能, 通过粒子群算法与遗传算法的比较显示 了粒子群算法求解博弈纳什均衡解的高效性. : 粒子群优化算法; 非合作博弈; 纳什均衡; 演化博弈 : O 225 : A 均衡解设计了一个遗传算法. 然而, 将遗传算法作为 0 博弈演化模型也存在问题: 以基因的遗传与变异来 解释社会经济环境中的博弈行为不太合理, 特别是 纳什均衡可以解释为博弈方相互的最优反应, 遗传算法中二进制编码的交叉变异操作无法反映经 即给定对手在最优策略上自己采取的策略是对对手 济模型中博弈参与人的策略调整过程. 因此, 随着群 策略的最优反应. 然而对手的最优策略本质上是未 智能方法的兴起, 最新的研究开始考虑从群智能方 知的, 一般情况下纳什均衡解不能用简单的最优化 [ 8] 法的角度来改进求解博弈均衡解的遗传算法 . 方法得到, 因此纳什均衡解的求解问题仍然是博弈 由于基于群智能方法的演化技术模拟了生物群 论中一个主要难题. 目前求解纳什均衡解的算法, 要 [ 1] 体智能选择行为的属性, 蕴涵了生物体之间合作与 么只能求解简单的博弈( 如几何图形算法 只能求 解3 阶以下矩阵博弈) , 要么算法的实现十分复杂 学习的社会属性, 而且其随机搜索更有目的性, 因此 [ 2] [ 3] 比基于基因遗传变异理论的演化技术计算效率更高 ( 如Lemke-How son 算法 和同伦路径法 等) . 在生物进化思想的启发下, M aynard Smith 和 也更具现实意义. 本文正是在这样的思想启发下, 基 [ 4] 于粒子群优化的方法为有限n 人非合作博弈的纳什 Price 将进化思想引入了博弈论 . 演化博弈理论从 学习和进化的角度将均衡看成是有限理性参与人随 均衡解设计了一种粒子群优化算法. 着时间的推移长期寻求最优化的结果. 于是, 借鉴生 物进化理论与生物行为规律的分析方法来模拟博弈