论文部分内容阅读
本文研究了带有模糊收益的双矩阵对策,将双矩阵对策的收益矩阵中的元素用模糊变量来刻化,建立了带模糊收益的双矩阵对策模型,给出了Xash均衡慨念解的定义.本文证明了均衡解的存在性,并根据收益矩阵中的模糊变量是否独立而分情况讨论了均衡解的求解方法.
针对收益矩阵中的模糊变量彼此不独立的情况,通过构造满足定义条件的集值映射,将均衡解与某集值映射的Kakutani不动点相对应,在混合策略乘积空间中搜索该集值映射的Kakutani不动点,从而获得均衡解,其中带有模糊变量的各个目标函数使用基于模糊模拟的神经网络来逼近,并使用Particle SwarmOptimization(PSO)算法在混和策略乘积空间中搜索Kakutani不动点.
针对收益矩阵中的模糊变量彼此独立的情况,求解期望值均衡解可以通过解一个带有约束条件的二次规划来得到,此时均衡解和某一二次规划的解一一对应.带约束的二次规划的解是采用PSO算法在混合策略乘积空间中进行搜索得到的,采用罚函数法将约束条件加入目标函数中,使带约束二次规划问题转化为无约束二次规划问题.
本文对两种情况下的带模糊收益的双矩阵对策均给出了数值算例,验证了相应求解算法的有效性.