一种雪堆博弈网络重构算法研究与仿真.docVIP

一种雪堆博弈网络重构算法研究与仿真 　　摘 要： 针对演化博弈网络拓扑难以事先确定的问题，提出一种基于压缩感知理论的雪堆博弈复杂网络重构算法。通过个体博弈时序信息将网络重构问题转化成压缩感知理论可以处理的形式，同时运用双曲正切函数和修正牛顿法对求解过程进行进一步优化，从而实现对网络拓扑的有效重构，并通过Matlab 7.0作为实验平台对算法进行相应的验证与仿真实验，实验结果表明，只需要较少量的时序信息就可以快速准确地完成重构工作。 　　关键词： 雪堆博弈； 时间序列； 压缩感知； 修正牛顿法； 复杂网络 　　中图分类号： TN926?34； TP18 文献标识码： A 文章编号： 1004?373X（2016）14?0073?04 　　Compressive sensing based algorithm of snowdrift game network reconstruction 　　YANG Aiyun1， LOU Hong2 　　（1. Department of Computer， Henan Institute of Engineering， Zhengzhou 451191， China； 　　2. College of Information Engineering， Zhongzhou University， Zhengzhou 450000， China） 　　Abstract： Since it is difficult to determine the network topology of evolutionary game in advance， a complex network reconstruction algorithm based on compressive sensing theory for snowdrift game is proposed in this paper. Network construction is converted into a form that can be handled by compressed sensing theory by means of time series information. The solving process is optimized with hyperbolic tangent function and revised Newton method， so as to realize the effective reconstruction of the network topology. By taking Matlab 7.0 as experimental platform， corresponding verification and simulation experiment were conducted for this algorithm. The experimental results show that the network construction can be completed quickly and accurately with less time series information. 　　Keywords： snowdrift game； time series； compressive sensing； revised Newton method； complex network 　　0 引 言 　　作为存在于自然界和人类社会中的普遍现象，个体的演化博弈行为获得了生物学以及各种社会科学尤其是经济学学者极大的研究兴趣[1]，而针对博弈个体（节点）间存在的错综复杂的利益关系，使得复杂网络理论成为研究相互竞争的自私个体间博弈演化的有力工具[2]。但是在实际网络研究中，人们往往无法直接或事先获知所有节点间的链接情况（如恐怖组织），即网络拓扑是未知的，而相对更多的是只能获得各个节点的相关时序信息。 　　如何基于个体行为及时序信息重构网络拓扑已成为近年来复杂网络研究的热点问题[3?5]，并已取得了一定成果；如文献[6?7]利用基因表达数据重构基因调控网络；文献[8]利用大脑活动数据提取脑功能网络等。但是，当前的大部分研究方法或者需要一定的关于目标网络动力学方程的先验知识，或者要求节点的时序信息是长时并且连续的[9]。 　　对于演化博弈网络，个体的博弈行为通常难以用动力学方程进行描述，同时其相关时序信息一般数量有限并且是离散的；因此，如何基于少量的个体博弈离散时序信息，挖掘出潜在的节点链接关系并重构成网络，是本文所要解决的问题。文献[9?11]提出一种基于压