考虑消费者购买策略的5G手机供应链两阶段定价研究
这是一篇关于供应链管理,消费者行为学,两阶段定价,动态博弈,分岔与混沌的论文, 主要内容为2020年是5G技术商用的开始之年,国内外的手机制造商都在紧锣密鼓地发布各自品牌的5G手机,通信运营商也在加速建设5G信号基站,并向市场推广5G通信服务。面对市场上的5G手机,消费者会采取不同的购买策略,一部分消费者会立刻购买5G手机,一些消费者会等待更合适的购买时机。策略性的购买行为对5G手机的定价和销售的影响是不可忽视的,因此本文考虑了消费者采取的不同购买策略,对5G手机的定价和销售情况进行了研究。建立了一个包含两个5G手机制造商,一个5G通信运营商和一个电子商务平台在内的5G手机供应链,并按照消费者的购买策略将5G手机的销售阶段划分为两个阶段。运用了博弈理论,混沌与复杂性理论,从静态博弈的角度,研究了消费者在每个阶段的购买行为对供应链定价和利润造成的影响。从动态博弈的角度,研究了供应链定价决策系统的稳定性情况和复杂性情况。论文的主要工作和结论如下:本文对静态博弈背景下的供应链定价和利润进行了研究,研究发现:在每个阶段,当供应链定价决策者进行Stackelberg博弈时。作为定价领导者的手机定价大于定价追随者的手机定价。当供应链定价决策者进行Nash博弈时,两个手机制造商的手机定价相同。在每个销售阶段,通信运营商的利润最高,电商平台的利润最低。当两个手机制造商定价权力相同时利润也相同,当两个手机制造商的定价权力不同时,定价追随者获得更多利润。本文对静态博弈背景下采取不同购买策略的消费者的比例变动对供应链定价和利润的影响做了研究,并具体研究了影响的大小。本文建立了动态博弈背景下供应链定价决策者采用Nash博弈和Stackelberg博弈的供应链定价决策系统,分析了定价决策系统的均衡解,对系统的稳定性进行了研究,比较了两种博弈背景下每个阶段的稳定域的大小,并进一步分析了定价系统的分岔和混沌情况,研究发现:如果定价决策者在对定价进行调整时幅度过大,系统将会处于混沌状态,此时定价混乱无序,对供应链的利润造成极大影响。为了减少混沌状态的影响,本文使用了自适应方法控制混沌,经控制后的系统重新回到了稳定状态。
配额制下区域电力系统中多主体低碳行为决策研究
这是一篇关于区域电力系统,动态博弈,数学建模,信息不对称性,可再生能源配额制的论文, 主要内容为电力系统中的多主体行为决策问题一直深受学者的广泛关注,含有供电商、售电商、消费者、政府等博弈参与者的博弈问题的研究近年来被不断完善。随着可再生能源的快速发展和电力体制改革的不断深化,电力系统中各博弈主体的市场角色和交易行为变化颇大。此外,为促进可再生能源生产与消费,实现碳中和目标,我国近两年开始实行可再生能源配额制,这些都使得区域电力系统中各主体战略选择面临新的挑战。因此,在可再生能源参与下,针对区域电力系统中多主体低碳行为决策展开研究彰显必要。为研究碳中和背景下区域电力系统中多主体低碳行为决策以及政策对于电力系统中源侧主体的行为决策的影响,本文首先建立了以传统能源、可再生能源以及储能供电企业为主的多寡头动态售电博弈模型,得到一个六维的离散动力系统;进而研究该系统的稳定性条件,并分析可再生能源配额制、信息不对称性等因素对系统稳定性的影响。结果表明,与市场交易电价权重相比,储能供电企业边际利润的权重对于企业售电交易决策影响显著,而信息不对称性也会对系统稳定性产生一定程度的冲击。针对信息不对称性对系统纳什均衡点稳定性的影响这一问题,本文提出宏观调控下部分共享的信号传递缓解机制,并发现该缓解机制能有效缓解信息不对称性对系统产生的影响。从长远角度而言,配额制政策的实行有助于提高系统的稳定性能。十九大以后,我国放开售电侧。针对电力系统中电力零售商在该政策背景下的行为决策,本文首先建立了团队联盟参与下的区域电力系统中具有实力异质性的电力零售商之间的购电投资博弈模型,得到一个六维的离散动力系统,分别研究系统稳定性条件及不同电力零售商的电量释放率对其他零售商购电决策的影响,并分析配额制、联盟利润权重等参数对系统内在的复杂性的影响。研究发现,正常实力的零售商在进行购电投资决策时,既不能释放全部的储能设备电量,也不能过分保守;相反地,强实力的零售商在进行购电投资决策时,要尽可能多地释放储能设备电量以满足用户消费市场需求。此外,配额制的实行最终会增强系统稳定性能;虽然技术的进步也能增强系统稳定性能,但也可能导致成本降低与市场饱和,造成无序紊乱的竞争而使得市场陷入混沌状态。最后,通过设计时滞控制器对模型实施有效的混沌控制,使得系统重回纳什均衡,区域电力系统恢复到有序竞争状态。本文以供电企业和电力零售商作为配额制的典型考核主体,提出多寡头动态售电和购电投资的博弈理论框架,考虑信息不对称性、团队联盟等影响因素,并深入研究区域电力系统中各主体的购售电投资决策行为。研究结果可为发、售电公司管理层投资决策提供参考,有助于完善和发展我国可再生能源政策。
基于不完全信息的智能对抗决策模型研究与应用系统开发
这是一篇关于不完全信息,不对称信息,动态博弈,对抗决策,深度学习的论文, 主要内容为信息充斥着人们的日常生活,人们时常需要根据信息做出决策,这一过程可以被理解为信息博弈。根据场景中信息的完整性与否,信息博弈被分为完全信息博弈和不完全信息博弈。不完全信息博弈的场景更接近人们的现实生活,研究不完全信息下的博弈决策行为具有更广泛的应用领域,例如市场拍卖、金融调控、军事推演等。本文基于不完全信息下的智能对抗决策任务场景,设计智能体模型完成不完全信息态势评估和最优决策,基于态势评估和决策模型建立对抗决策博弈树,完成智能体间作战对抗推演。以智能对抗决策模型为核心内容,完成相关应用系统开发。论文的具体工作包括:不完全信息下智能对抗模型的研究,实现了模型的态势信息预判模块,启发式资源决策模块和智能体对抗推演模块。基于智能对抗决策模型的实际业务需要,完成相关应用系统的需求分析,基于需求分析的结果进行系统的总体设计和详细设计,实现了系统的用户信息管理、系统场景算子信息管理、场景参与方态势信息预判和资源决策、场景参与方对抗推演等功能模块。系统使用MVC模式的SSM(Spring+Spring MVC+Mybatis)框架进行开发,使用My SQL数据库实现信息管理功能,使用基于Python语言的深度神经网络模型DCGAN(Deep Convoltional Generative Adversarial Networks,深度卷积对抗生成网络),Res Net(残差网络)网络完成场景参与方态势信息预判功能,使用启发式迭代搜索完成巨大搜索空间下的最优决策功能,使用MCTS(Monte Carlo Tree Search,蒙特卡罗树搜索)构建博弈树,实现场景参与方之间对抗推演功能。最后完成了系统功能测试,并在系统上线后,根据反馈对系统业务逻辑进行了优化和完善。目前系统已正式投入实用,系统各个模块运行稳定,并满足系统使用者的业务需求,为基于不完全信息场景的参与方提供决策辅助信息,极大程度提升了场景智能体对抗推演的胜率和决策的准确率,该系统方案的解决对于其它不完全信息场景的同性质问题具有较好的参考价值。
基于不完全信息的智能对抗决策模型研究与应用系统开发
这是一篇关于不完全信息,不对称信息,动态博弈,对抗决策,深度学习的论文, 主要内容为信息充斥着人们的日常生活,人们时常需要根据信息做出决策,这一过程可以被理解为信息博弈。根据场景中信息的完整性与否,信息博弈被分为完全信息博弈和不完全信息博弈。不完全信息博弈的场景更接近人们的现实生活,研究不完全信息下的博弈决策行为具有更广泛的应用领域,例如市场拍卖、金融调控、军事推演等。本文基于不完全信息下的智能对抗决策任务场景,设计智能体模型完成不完全信息态势评估和最优决策,基于态势评估和决策模型建立对抗决策博弈树,完成智能体间作战对抗推演。以智能对抗决策模型为核心内容,完成相关应用系统开发。论文的具体工作包括:不完全信息下智能对抗模型的研究,实现了模型的态势信息预判模块,启发式资源决策模块和智能体对抗推演模块。基于智能对抗决策模型的实际业务需要,完成相关应用系统的需求分析,基于需求分析的结果进行系统的总体设计和详细设计,实现了系统的用户信息管理、系统场景算子信息管理、场景参与方态势信息预判和资源决策、场景参与方对抗推演等功能模块。系统使用MVC模式的SSM(Spring+Spring MVC+Mybatis)框架进行开发,使用My SQL数据库实现信息管理功能,使用基于Python语言的深度神经网络模型DCGAN(Deep Convoltional Generative Adversarial Networks,深度卷积对抗生成网络),Res Net(残差网络)网络完成场景参与方态势信息预判功能,使用启发式迭代搜索完成巨大搜索空间下的最优决策功能,使用MCTS(Monte Carlo Tree Search,蒙特卡罗树搜索)构建博弈树,实现场景参与方之间对抗推演功能。最后完成了系统功能测试,并在系统上线后,根据反馈对系统业务逻辑进行了优化和完善。目前系统已正式投入实用,系统各个模块运行稳定,并满足系统使用者的业务需求,为基于不完全信息场景的参与方提供决策辅助信息,极大程度提升了场景智能体对抗推演的胜率和决策的准确率,该系统方案的解决对于其它不完全信息场景的同性质问题具有较好的参考价值。
基于不完全信息的智能对抗决策模型研究与应用系统开发
这是一篇关于不完全信息,不对称信息,动态博弈,对抗决策,深度学习的论文, 主要内容为信息充斥着人们的日常生活,人们时常需要根据信息做出决策,这一过程可以被理解为信息博弈。根据场景中信息的完整性与否,信息博弈被分为完全信息博弈和不完全信息博弈。不完全信息博弈的场景更接近人们的现实生活,研究不完全信息下的博弈决策行为具有更广泛的应用领域,例如市场拍卖、金融调控、军事推演等。本文基于不完全信息下的智能对抗决策任务场景,设计智能体模型完成不完全信息态势评估和最优决策,基于态势评估和决策模型建立对抗决策博弈树,完成智能体间作战对抗推演。以智能对抗决策模型为核心内容,完成相关应用系统开发。论文的具体工作包括:不完全信息下智能对抗模型的研究,实现了模型的态势信息预判模块,启发式资源决策模块和智能体对抗推演模块。基于智能对抗决策模型的实际业务需要,完成相关应用系统的需求分析,基于需求分析的结果进行系统的总体设计和详细设计,实现了系统的用户信息管理、系统场景算子信息管理、场景参与方态势信息预判和资源决策、场景参与方对抗推演等功能模块。系统使用MVC模式的SSM(Spring+Spring MVC+Mybatis)框架进行开发,使用My SQL数据库实现信息管理功能,使用基于Python语言的深度神经网络模型DCGAN(Deep Convoltional Generative Adversarial Networks,深度卷积对抗生成网络),Res Net(残差网络)网络完成场景参与方态势信息预判功能,使用启发式迭代搜索完成巨大搜索空间下的最优决策功能,使用MCTS(Monte Carlo Tree Search,蒙特卡罗树搜索)构建博弈树,实现场景参与方之间对抗推演功能。最后完成了系统功能测试,并在系统上线后,根据反馈对系统业务逻辑进行了优化和完善。目前系统已正式投入实用,系统各个模块运行稳定,并满足系统使用者的业务需求,为基于不完全信息场景的参与方提供决策辅助信息,极大程度提升了场景智能体对抗推演的胜率和决策的准确率,该系统方案的解决对于其它不完全信息场景的同性质问题具有较好的参考价值。
基于Agent-Swarm仿真的跨境电子商务交易信用优化研究
这是一篇关于跨境电子商务,信用,Swarm仿真,静态博弈,动态博弈的论文, 主要内容为随着互联网技术的快速发展,通过网络开展国际贸易活动的趋势愈加盛行,尤其在2009年后我国大力发展跨境电子商务,这一新兴贸易形式不断崛起,成为我国进出口贸易改革中不可或缺的动力。但跨境电子商务相对于传统的贸易模式存在一定的不足,由于电子商务市场存在虚拟性,其交易主体的信息相比于传统贸易存在更大的不对称性,这使得交易主体在贸易过程中更加倾向于失信行为。由于跨境电子商务市场存在留痕机制,买卖双方可通过多次动态重复博弈来不断修正自身的行为而选择守信行为。留痕机制的存在也为交易主体在信用行为方式的选择上节约了交易成本,从而使的交易主体更愿意维持自己的守信行为。 本文突破了传统的建模方式,运用先进比较流行的仿真经济学的方法,以复杂适应系统理论为基础构造模型,对跨境电子商务交易信用的优化进行研究,复杂适应系统理论是一种自下而上的将系统中的主体看作是可以适应系统环境,具有学习能力并不断积累经验的主体,自底而上的分析复杂社会中主体间行为的演进方式。而本文运用该理论基于Agent-Swarm仿真分析现今影响跨境电子商务发展最大的因素信用如何通过跨境电子商务的留痕机制实现信用优化。本文主要建立了两个模型,即静态博弈模性和动态博弈模型,文中首先基于静态博弈及动态博弈对电商主体的交易行为选择做了一定的理论表述,然后通过Swarm仿真对静态博弈与动态博弈情况下的交易主体信用行为选择建立模型,并运行的出相应结论：在静态博弈模型中,交易主体更倾向于选择失信行为,但由于跨境电子商务留痕机制的作用使得交易主体建立了重复修正的动态博弈模型,令其信用值不断累加,由于信用的驱动性,交易主体的行为更多的选择守信行为,失信的交易者将被剔除在交易之外。同时还得出在信用不断得以优化的过程中交易双发更倾向于选择0-0-0(即完全守信行为),体现出了交易者的“赢者通吃”性,在某种程度上体现出了锁定理论。
基于不完全信息的智能对抗决策模型研究与应用系统开发
这是一篇关于不完全信息,不对称信息,动态博弈,对抗决策,深度学习的论文, 主要内容为信息充斥着人们的日常生活,人们时常需要根据信息做出决策,这一过程可以被理解为信息博弈。根据场景中信息的完整性与否,信息博弈被分为完全信息博弈和不完全信息博弈。不完全信息博弈的场景更接近人们的现实生活,研究不完全信息下的博弈决策行为具有更广泛的应用领域,例如市场拍卖、金融调控、军事推演等。本文基于不完全信息下的智能对抗决策任务场景,设计智能体模型完成不完全信息态势评估和最优决策,基于态势评估和决策模型建立对抗决策博弈树,完成智能体间作战对抗推演。以智能对抗决策模型为核心内容,完成相关应用系统开发。论文的具体工作包括:不完全信息下智能对抗模型的研究,实现了模型的态势信息预判模块,启发式资源决策模块和智能体对抗推演模块。基于智能对抗决策模型的实际业务需要,完成相关应用系统的需求分析,基于需求分析的结果进行系统的总体设计和详细设计,实现了系统的用户信息管理、系统场景算子信息管理、场景参与方态势信息预判和资源决策、场景参与方对抗推演等功能模块。系统使用MVC模式的SSM(Spring+Spring MVC+Mybatis)框架进行开发,使用My SQL数据库实现信息管理功能,使用基于Python语言的深度神经网络模型DCGAN(Deep Convoltional Generative Adversarial Networks,深度卷积对抗生成网络),Res Net(残差网络)网络完成场景参与方态势信息预判功能,使用启发式迭代搜索完成巨大搜索空间下的最优决策功能,使用MCTS(Monte Carlo Tree Search,蒙特卡罗树搜索)构建博弈树,实现场景参与方之间对抗推演功能。最后完成了系统功能测试,并在系统上线后,根据反馈对系统业务逻辑进行了优化和完善。目前系统已正式投入实用,系统各个模块运行稳定,并满足系统使用者的业务需求,为基于不完全信息场景的参与方提供决策辅助信息,极大程度提升了场景智能体对抗推演的胜率和决策的准确率,该系统方案的解决对于其它不完全信息场景的同性质问题具有较好的参考价值。
基于Agent-Swarm仿真的跨境电子商务交易信用优化研究
这是一篇关于跨境电子商务,信用,Swarm仿真,静态博弈,动态博弈的论文, 主要内容为随着互联网技术的快速发展,通过网络开展国际贸易活动的趋势愈加盛行,尤其在2009年后我国大力发展跨境电子商务,这一新兴贸易形式不断崛起,成为我国进出口贸易改革中不可或缺的动力。但跨境电子商务相对于传统的贸易模式存在一定的不足,由于电子商务市场存在虚拟性,其交易主体的信息相比于传统贸易存在更大的不对称性,这使得交易主体在贸易过程中更加倾向于失信行为。由于跨境电子商务市场存在留痕机制,买卖双方可通过多次动态重复博弈来不断修正自身的行为而选择守信行为。留痕机制的存在也为交易主体在信用行为方式的选择上节约了交易成本,从而使的交易主体更愿意维持自己的守信行为。 本文突破了传统的建模方式,运用先进比较流行的仿真经济学的方法,以复杂适应系统理论为基础构造模型,对跨境电子商务交易信用的优化进行研究,复杂适应系统理论是一种自下而上的将系统中的主体看作是可以适应系统环境,具有学习能力并不断积累经验的主体,自底而上的分析复杂社会中主体间行为的演进方式。而本文运用该理论基于Agent-Swarm仿真分析现今影响跨境电子商务发展最大的因素信用如何通过跨境电子商务的留痕机制实现信用优化。本文主要建立了两个模型,即静态博弈模性和动态博弈模型,文中首先基于静态博弈及动态博弈对电商主体的交易行为选择做了一定的理论表述,然后通过Swarm仿真对静态博弈与动态博弈情况下的交易主体信用行为选择建立模型,并运行的出相应结论：在静态博弈模型中,交易主体更倾向于选择失信行为,但由于跨境电子商务留痕机制的作用使得交易主体建立了重复修正的动态博弈模型,令其信用值不断累加,由于信用的驱动性,交易主体的行为更多的选择守信行为,失信的交易者将被剔除在交易之外。同时还得出在信用不断得以优化的过程中交易双发更倾向于选择0-0-0(即完全守信行为),体现出了交易者的“赢者通吃”性,在某种程度上体现出了锁定理论。
本文内容包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主题。发布者：源码货栈 ，原文地址：https://bishedaima.com/lunwen/46894.html
