基于多智能體的演化博弈仿真系統(tǒng)的研究.pdf

1、近年來，隨著演化博弈論理論的不斷完善，演化博弈在經(jīng)濟學領域中的應用日漸成為國內(nèi)外關注的焦點。隨著計算機技術的不斷地發(fā)展，經(jīng)濟仿真作為一種新的研究方法，也越來越被學者所重視。通過計算機仿真，有助于我們更加深入地理解演化博弈，演化學習算法及演化穩(wěn)定均衡，更形象地解釋、驗證一些經(jīng)濟現(xiàn)象。
　　 首先，論文對演化博弈理論及其在國內(nèi)外的研究現(xiàn)狀、復雜適應系統(tǒng)和經(jīng)濟仿真進行了評述，同時，對強化學習、模仿學習、信念學習和一些綜合演化學習算法進

2、行了歸納。
　　 利用基于多智能體的仿真思想，論文重點構建了演化博弈仿真系統(tǒng)。該仿真系統(tǒng)主要實現(xiàn)了3種仿真情形：同種群體2人博弈，不同群體2人博弈，不同群體多人博弈。在每種仿真情形下，通過調(diào)整相關參數(shù)及不同的學習算法，可以對群體中的每個個體在演化過程中的策略選擇及每個群體整體演化曲線進行模擬、觀測。
　　 然后，以信貸市場中的銀企博弈關系為例，建立博弈模型，并運用仿真系統(tǒng)，采用模仿學習算法對模型進行了仿真，找出在不同情形

3、下銀企演化博弈的演化均衡，并對仿真結果進行了相應分析討論；同時，利用Q_learning學習和EWA學習算法對模型進行了仿真，根據(jù)仿真結果，對三種學習算法進行了比較，看出：模仿學習是一種穩(wěn)定的學習算法，但演化速度慢，Q_learning學習和EWA學習算法受參數(shù)影響較大，但演化過程比較平滑，在適當?shù)膮?shù)設置下，演化速度相對比較快。
　　 最后，對本文進行了總結，然后提出了演化博弈仿真系統(tǒng)中存在的不足之處，以及有待進一步解決的問題