完全信息

摘要： 一项政策的出台与实施要制定对象辅助政策来为其查漏补缺.单一地激励或抑制政策在现行的国情下并不适用,并且,实施结果往往可能沿着与本来意愿相反的方向去发展,导致政策失灵.我国在现行环境治理问题上,往往会加大对环境破坏者的处罚力度.在短期来看这项政策是行之有效的,但从长期发展来看,这并不能从根本上来解决环境污染的问题,甚至会造成难以管控的情况出现.因此,政府在出台环境保护政策的同时,还应该对执法人员进行监督,提高其理性意识,预防不可控的情况出现.

摘要： 文章借鉴轮流出价的讨价还价博弈模型,分别讨论了完全信息条件下和不完全信息条件下博弈过程,相应的子博弈纳什均衡解即为双方在两种情况下的获益比例,发现利益分配比与双方的谈判损耗系数、双方的强弱地位对称性以及政府迫使公众转让的利益相关.为了减小谈判损耗,需提高讨价还价的能力.结合南京地铁的实例得出结论:双方对博弈信息的掌控程度直接影响最终的利益分配,为了保护公众的利益,政府应尽量消除这种信息不对称的现象,公众也应更加积极获取信息来参与定价.

摘要： 随着互联网和物流行业的飞速发展,网上购物的方式逐渐被更多的消费者所熟知和接受,成为消费市场不可或缺的重要组成部分.但是由于网购市场发展的不完善以及管理体制的不到位,网络购物中也存在着种种风险,例如卖家出售假冒伪劣商品导致消费者蒙受损失等.通过建立博弈模型对网络购物过程中存在的诚信问题进行分析研究,进而观察买卖双方在不同情形下的反应,从而提出相关建议.

摘要： 本文从完全信息静态博弈角度出发,考虑了瓜州县精准扶贫贷款发放过程中,瓜州县政府与瓜州农商银行,瓜州农商银行与精准扶贫对象之间的博弈行为,得到了各方混合策略的均衡解,或具有稳定性的策略组合,并提出了相关建议.

摘要： 近日,阿里研究院公众号发布浙江工商大学何大安教授“大数据思维改变人类认知的经济学分析”的文章,认为“大数据在未来有可能提供完全信息”。马云前段时间提出“大数据将使计划经济越来越大”,何大安教授的文章对此提供了某种理论支持。对此,笔者觉得非常有必要进行澄清。

摘要： 设备维修外包是指企业通过委托方式将设备维修业务委托给第三方(专业维修公司)或设备制造商.维修外包的优势在于:专业维修公司或设备制造商具有更先进的维修技术和更专业的维修工具、专业维修公司或设备制造商的专业性可带来更好的维修效果、固定的合同费用可规避高故障率带来的高维修成本风险、可减少设备持有者的资本投入、管理者有更充足的时间和精力投入到核心业务管理.结合前期对失效部件的分类研究结果，本文将考虑失效单元类型对维修费用的影响，同时假定设备失效强度随时间劣化，构建完全信息非合作动态博弈模型并求解。为了对模型展开分析，在数值分析中采用巴士公司车辆维修的真实数据为参考并与未进行故障分类的模型进行对比，最终得出以下结论:为获得最大效用，需要优化预防维修次数;高固有可靠性水平和低平均维修费用会提高效用水平;考虑故障类型差异可以带来更大期望效用。

摘要： 在电力市场“厂网分开，竞价上网”机制的前提下，各发电厂商成为独立的经济实体，以谋求自身利益最大化为目标，而电网公司则是在满足系统安全运行约束的前提下使得总购电费用最小为原则。本文在考虑系统安全稳定约束前提下对各发电商进行最优负荷分配，并利用完全信息静态博弈模型，对各发电厂商采取高、中、低三种报价方式下所获得收益情况进行讨论，分析不同负荷方式对发电厂商最优策略选择的影响并求取最终均衡解。最后结合实际算例结果进行了有效的验证。

摘要： 水权交易是一个比较复杂的问题。在信息不完全的情况下,采取有偿用水制度可能出现"市场失灵",采取用水许可制度,也可能出现"政府失灵"。作为弥补这一缺陷的措施是用水权转让。本文主要探讨了在完全信息下水权转让的基本条件和转让费用的定量分析方法,并用数值实例进行了说明。如果用户之间的用水边际净效益不相等,水权交易可以提高水资源使用效率。通过协商方式进行交易时,用边际效益方法分析,因水权交易使对方增加或减少的收益是自己出价的起点,当然由于用水、排水的复杂性,影响广泛性,水权转让离不开政府的监管。

摘要： 本文通过分析目前产品的竞争特点,讨论了两个企业对具有一定替代性的两种产品的完全信息静态Cournot-Bertrand混合多维博弈模型及其均衡.结论告诉我们,当两个企业对处于市场未饱和的一种产品产量和与其具有一定替代性的处于饱和的另一种产品价格同时进行多维博弈时,要充分考虑它们之间影响关系,这样选择的产量和价格策略才是最优策略.

摘要： 研发决策是企业的战略发展和组织管理中必不可少的重要内容，对于垄断企业更为如此。本文分别从企业层面和产业层面对垄断条件下垄断企业的最优研发决策进行了分析。研究表明，由于信息不完全和研发成本的存在，垄断厂商可能会选择低效技术；当研发投入成本较低、风险较小时，厂商进行技术转换、增加研发投入的激励更大。而在进行技术投入时，非合作竞争时的研发投入水平和厂商利润均小于合作研发时的水平，此时导致了研发不足。而通过合作研发把技术的外部扩散效应内部化，对企业的研发具有正向的激励作用。

摘要： 研发决策是企业的战略发展和组织管理中必不可少的重要内容，对于垄断企业更为如此。本文分别从企业层面和产业层面对垄断条件下垄断企业的最优研发决策进行了分析。研究表明，由于信息不完全和研发成本的存在，垄断厂商可能会选择低效技术；当研发投入成本较低、风险较小时，厂商进行技术转换、增加研发投入的激励更大。而在进行技术投入时，非合作竞争时的研发投入水平和厂商利润均小于合作研发时的水平，此时导致了研发不足。而通过合作研发把技术的外部扩散效应内部化，对企业的研发具有正向的激励作用。

摘要： 研发决策是企业的战略发展和组织管理中必不可少的重要内容，对于垄断企业更为如此。本文分别从企业层面和产业层面对垄断条件下垄断企业的最优研发决策进行了分析。研究表明，由于信息不完全和研发成本的存在，垄断厂商可能会选择低效技术；当研发投入成本较低、风险较小时，厂商进行技术转换、增加研发投入的激励更大。而在进行技术投入时，非合作竞争时的研发投入水平和厂商利润均小于合作研发时的水平，此时导致了研发不足。而通过合作研发把技术的外部扩散效应内部化，对企业的研发具有正向的激励作用。

摘要： 研发决策是企业的战略发展和组织管理中必不可少的重要内容，对于垄断企业更为如此。本文分别从企业层面和产业层面对垄断条件下垄断企业的最优研发决策进行了分析。研究表明，由于信息不完全和研发成本的存在，垄断厂商可能会选择低效技术；当研发投入成本较低、风险较小时，厂商进行技术转换、增加研发投入的激励更大。而在进行技术投入时，非合作竞争时的研发投入水平和厂商利润均小于合作研发时的水平，此时导致了研发不足。而通过合作研发把技术的外部扩散效应内部化，对企业的研发具有正向的激励作用。

摘要： 本文运用合作博弈的观点分析和解决在动态进程中出现的合作方式发生变化的问题.针对于在博弈树给定的有限个节点上随机改变联盟剖分的动态博弈,通过引入新的特征函数和最优准则,建立了动态最优解PGN向量,同时给出了求最优路径和最优解的算法.

摘要： 本文运用合作博弈的观点分析和解决在动态进程中出现的合作方式发生变化的问题.针对于在博弈树给定的有限个节点上随机改变联盟剖分的动态博弈,通过引入新的特征函数和最优准则,建立了动态最优解PGN向量,同时给出了求最优路径和最优解的算法.

摘要： 本发明提供一种不完全信道信息下多用户DAS中能效功率分配方法，基于不完全CSI对分布式天线系统进行研究，该方法考虑远程天线单元(RAU)最大发射功率要求，运用凹凸过程法，将非凸的能量效率优化问题转化为一个新的凸问题，结合次梯度下降法和块坐标下降法给出能量效率的功率分配方法。本发明在信道建模时同时考虑了大尺度衰落与小尺度衰落，并且考虑不完全信道状态信息，对信道进行了估计，从而使信道模型更加完善，由此得到的分析结果也更贴合实际；通过将非凸的能量效率优化问题，转化为一个新的凸函数，可以获得与粒子群法近乎相同的能量效率。通过给每个RAU分配特定功率，使系统能量效率尽可能地得到提高。

摘要： 本申请涉及人工智能技术领域中一种不完全信息在线博弈的对手隐藏信息估计方法和装置。该方法包括：根据获取的重复机器博弈过程中已完成的预设局历史博弈数据，获取不同决策点上对手决策数据，采用概率统计方式根据该决策数据统计每一个决策点上对手行动的概率，构建对手基于决策点的稳定特征；根据稳定特征和S型曲线构建不同决策点上的对手决策模型；在每一局博弈中对观测到的当前局在线博弈数据进行统计并更新对手稳定特征和不同决策点上对手决策模型，并根据观测到的对手行动及对应决策点上对手决策模型更新对手的隐藏信息分布。采用本方法可以提高参与博弈的计算机对对手隐藏信息在线估计的快速性和准确性，降低计算量，节约计算资源。

摘要： 本发明涉及一种智能交通系统中不完全信息下的信息反馈方法，其是在加权平均速度反馈策略（WMVFS）的基础上，根据浮动车信息来估计道路信息的信息反馈方法，即估计加权平均速度反馈策略。本发明构思巧妙、合理，性能稳定且实用性强，能够根据浮动车信息来估计整条道路的信息，能够有效地减少非浮动车的影响，具有很好的稳定性和诱导性能，能够有效反应道路的真实情况。

摘要： 本发明公开了基于双深度Q网络学习的非完全信息博弈策略优化方法。包括以下步骤：步骤1，网络初始化：构建两个深度Q网络Q1和Q2，并进行随机初始化；步骤2，策略动作选择；步骤3，基于双深度Q网络学习DDQN的最优反应策略网络优化；步骤4，基于重要性采样的平均反应策略网络优化，本发明的有益效果是通过引入DDQN算法来训练神经虚拟自我对局中的最优反应策略网络，能消除动作策略过度估计问题，有利于网络收敛；在经验池中采样经验数据来监督训练平均反应策略网络时，根据时间差分误差来赋予经验数据不同的采样权重，增大了重要经验数据被采样的概率，使网络学习更加高效，提高了平均反应策略的可靠性。

摘要： 本发明公开了一种不完全信息下分布式AGV目标跟踪算法，包括建立模型、确定不完全信息算法、进行局部计器、最后基于扩散策略的自适应融合估计器，本算法用于指导AGV进行目标定位和目标确认，广泛适用于各款式AGV在定位、行进过程中以及目标确认各方面的使用。所述算法用于物流的输送，本算法充分解决了在AGV运行时,由于激光扫描导航或其他导航方式在环境、异常障碍物或自身故障等原因出现测量丢失，或因电磁干扰、自身故障或目标运动时激光反射界面急剧变小等原因导致测量丢失现象，通过基于后验置信度的残差检测算法来确定是否发生。

摘要： 本发明的一种利用不完全信息估计城市移动源污染排放方法及系统，包括根据路段上获得的数据密集程度，将路段分为2类：由于采集数据稀疏而缺失交通模式信息的信息缺失路段和数据足够密集的信息完全路段；通过上述机动车行驶相关数据对信息完全路段构造连续速度场和推断流量值，并以此通过微观排放因子模型计算相应的交通排放值；利用图卷积单元和门控线性单元分别提取路网的拓扑特征和信息完全路段上机动车排放序列的时序依赖性，从而重构信息缺失路段上的排放序列，填补缺失的排放分布信息。本发明利用较少的城市交通数据挖掘出更多的交通模式和排放分布特点，实现城市路段级的交通污染排放精细化估计任务。

摘要： 本发明公开了一种基于神经网络虚拟自我对局的多人、大规模非完全信息博弈方法及装置，本发明在传统的神经网络虚拟自我对局NFSP算法的基础上引入了优先级经验采样机制和优先级加权的程度控制机制，根据经验片段的学习价值设置优先级来过滤记忆库中的经验，对于优先经验的存储和采样，采用求和树的数据结构，以时间复杂度实现优先级经验采样，降低NFSP训练过程中与环境交互的代价，加快求解速度；同时使用马尔科夫决策过程对扩展式博弈进行建模，将多人博弈转化成单个智能体与环境的交互过程，可看作单个智能体和环境的二人博弈，将NFSP的应用范围拓展至多人博弈，增强算法的泛用性。

摘要： 本发明公开了一种基于事后回顾和渐进式扩展的持续强化学习非完全信息博弈方法及装置，包括下述步骤：获取非完全博弈环境，确定任务目标；构建第一神经网络和基于未来值预测的强化学习方法；构建事后经验回顾池；对第一神经网络进行训练，直至第一神经网络收敛；构建渐进式神经网络，实现网络模型的渐进式扩展；选择下一个任务作为任务目标，利用基于未来值预测的强化学习方法持续训练，直至所有的任务都训练完成。本发明通过使用非完全信息博弈场景中丰富的智能体状态变化作为监督信号，解决该环境下的奖励稀疏问题，同时引入持续学习框架渐进式神经网络对未来值预测网络结构进行动态扩展，解决了在该环境下的多任务场景中的灾难性遗忘的问题。

摘要： 本发明提供一种不完全信息博弈的决策方法、装置、电子设备与存储介质，所述方法包括：基于各对象组合的当前强度，以及所述各对象组合对应的出路数量，确定所述各对象组合的最终胜率；所述出路数量为有利于所述各对象组合的强度增强的待补充公共对象数量；基于所述各对象组合的最终胜率，构建博弈树；基于所述博弈树，求解纳什均衡策略。本发明提供的方法、装置、电子设备与存储介质，解决了信息抽象技术中对象组合胜率的评估速度慢的难题，实现了缩短均衡分析算法的决策收益计算时间，能够极大地节约CFR的迭代时间，同时可以降低均衡分析算法在不完全信息博弈决策问题中的应用效率，促进不完全信息博弈领域的发展。

摘要： 本发明公开了一种端边云架构和不完全信息下分层联邦学习的方法及系统，包括：基于契约理论构建边缘聚合器和终端设备之间、云服务器和边缘聚合器之间的分层契约博弈模型；终端设备通过边缘聚合器下载云服务器中的电力数据学习模型；基于分层联邦学习算法构建模型演化函数；以满足个体理性、激励兼容和效用最大化为目标求解三方的最优契约；终端设备将基于最优契约更新后的模型发送到边缘聚合器，边缘聚合器基于最优契约对终端设备进行激励发放，并将聚合后的模型发送到云服务器，云服务器基于最优契约对边缘聚合器进行激励发放，并将模型进行再次聚合。本发明可向终端设备和边缘聚合器提供报酬，实现合理公平的收益分配。