一种多重优先经验回放的麻将游戏数据利用方法

针对大众麻将AI训练时经验回放机制中样本均匀采样导致训练缓慢的问题,提出了一种多重优先经验回放算法,即从时序差分误差、局面复杂程度、动作即时奖励3个维度对经验样本进行优先级标记,每次采样时优先级高的样本高概率被抽取来更新神经网络。为了验证算法的有效性,构建了大众麻将自博弈平台进行相应的实验验证。实验结果表明：相比随机经验回放方法,新方法将麻将AI的训练速度提升了22.5%。     

竞技二打一中玩家叫牌风格划分方法

由于玩家在对局中会有不同的博弈风格,针对竞技二打一中玩家叫牌风格划分的问题,提出了通过计算玩家叫牌和基准叫牌之间差异的统计学方法,设计了融合叫牌情况和玩家手牌及强力牌特征的基准叫牌模型来给出基准叫牌。实验结果表明：该方法中的基准叫牌模型能够在测试集上准确率达到94%以上,在玩家的叫牌风格实验中达到了预期的划分效果,在一定程度上验证了玩家博弈风格划分的可行性。     

Q学习实现亚马逊棋评估函数自调参

在亚马逊棋评估函数模型中进行参数调试,主要由人工依靠经验反复实验来实现,效率较低且无法保证精度。针对人工调参效率低下、精确度不足的问题,可借助机器学习的方法来弥补。采用强化学习中Q学习的思路,构造一种具有自学习能力的网络结构,利用计算机自身反复模拟对局与迭代,实现评估函数调参工作的自动化。实验结果表明：当训练达10 000次时,模型各结点Q值会趋于收敛,说明此时程序可以做出稳定合理的调参操作;在博弈实战中,模型调参后的程序也表现出了较强的棋力。     

群体性突发事件中政府机会主义行为的演化博弈分析

群体性突发事件成为影响当前我国社会稳定和实现现代化平稳过渡的重要因素,但是研究主要是基于实践经验的概述和总结分析上,缺少合适的理论分析工具揭示群体性突发事件的演化规律和发展特征。本文尝试运用演化博弈理论建立了地方政府部门与社会弱势群体之间的演化博弈模型,分析了地方政府部门机会主义行为导致的群体性突发事件呈现扩大化的趋势。研究结果表明:(1)如果社会弱势群体的情绪和行动尚未激化,至多停留在集体上访或集会等体制内平和的诉求手段,机会主义的地方政府将采取高压强硬策略;此时博弈均衡结果是(妥协或平和诉求,强硬);(2)一旦弱势群体中出现少数分子采取了"打砸抢"等暴力抗争的行动,由于机会主义政府转而做出较大让步,从而诱导其他弱势成员相继采取暴力抗争行动,事态反而进一步呈现扩大趋势。因此,群体性突发事件处置过程中,地方政府的机会主义行为不仅延误事件处置的最佳时机,而且直接导致了事态的扩大化。最后结合数值分析和瓮安事件案例,剖析了地方政府部门采取的机会主义应急处置措施,以及本文理论模型的适用范围。     

从博弈角度看证券市场监管

本文从“激励的悖论”引出证券市场的博弈模型,通过对模型的分析,得出我国证券市场监管应采取的措施。     

食品安全事故频发的成因及对策

文章通过构建两组博弈模型,分析了大企业和小企业生产不安全食品的深层制度原因;重点指出了在财政分权背景下,地方政府保护是造成大规模食品生产企业生产不安全食品的关键原因;在此基础上提出了治理食品安全问题的政策建议。     

地方政府政策歧视策略的动态博弈分析

地方政府在招商引资过程中会采取各式各样的优惠政策以吸引投资企业,但是投资企业实际的经营运作水平不能被事先掌握。同时,地方政府也存在嫌贫爱富的道德风险。因此在各地实际的招商引资过程中,多少都会存在地方政府的政策歧视行为。本文通过建立动态博弈模型对上述过程进行分析,以为适当的政策制定提供决策上的依据。     

基于动态博弈视角的知识转移均衡策略

通过对知识联盟中知识转移过程进行系统研究,运用动态博弈理论。构建了知识转让方与接收方知识转移的动态博弈模型,并求得双方的最优策略,实现了精炼贝叶斯均衡。研究表明,知识转移双方采用最优的策略反应α,β）,能够提高知识转移效率,促进企业间知识共享,实现知识创新价值。     

基于贝叶斯博弈的排污权交易模型

文章针对排污权交易问题,建立了基于贝叶斯博弈的排污权交易模型,并求解了贝叶斯纳什均衡,给出了排污许可证供需双方的均衡报价策略,为建设排污权交易制度提供了理论依据和方法指导.     

我国经济转轨时期寻租的因素分析

本文从不完全信息静态博弈的角度,对寻租问题进行了博弈分析。通过分析,从理论上揭示了博弈双方的行为动机及博弈均衡结果,说明在给定的制度安排下,各个行为主体追求自身收益最大化的结果会导致寻租的概率与政策性租金的数额正相关,与寻租行为被举报或案发的可能性以及对寻租的惩罚力度负相关。并在此理论框架基础上,阐述了我国经济转轨时期寻租泛滥的制度及微观经济因素。