博弈論
關(guān)注創(chuàng)建者：匿名 創(chuàng)建時(shí)間：2025-12-01
博弈論的實(shí)例教程
博弈論咨詢服務(wù) ￥50
本咨詢服務(wù)專注于以博弈論為核心的方法體系，為政府部門、科研機(jī)構(gòu)及企業(yè)提供復(fù)雜決策問題的系統(tǒng)化分析與優(yōu)化方案。服務(wù)內(nèi)容涵蓋靜態(tài)與動(dòng)態(tài)博弈建模、演化博弈分析、不完全信息博弈設(shè)計(jì)以及機(jī)制激勵(lì)與協(xié)同策略優(yōu)化。通過嚴(yán)謹(jǐn)?shù)睦碚撏茖?dǎo)與數(shù)值仿真，本服務(wù)能夠揭示多主體之間的戰(zhàn)略互動(dòng)邏輯，識(shí)別均衡路徑，并為政策制定、風(fēng)險(xiǎn)管理、資源配置與合作機(jī)制設(shè)計(jì)提供量化支撐。
與傳統(tǒng)管理咨詢不同，本服務(wù)強(qiáng)調(diào)“模型驅(qū)動(dòng)決策”，通過將實(shí)際問題形式化為可求解的博弈結(jié)構(gòu)，結(jié)合實(shí)驗(yàn)經(jīng)濟(jì)學(xué)與算法仿真技術(shù)，實(shí)現(xiàn)策略穩(wěn)定性分析與政策效果預(yù)測。同時(shí)，可根據(jù)客戶需求定制應(yīng)用模型，涵蓋環(huán)境治理、災(zāi)害管理、數(shù)字平臺(tái)治理、能源協(xié)同與科技創(chuàng)新博弈等典型場景，助力決策者在復(fù)雜系統(tǒng)中實(shí)現(xiàn)科學(xué)、透明與可驗(yàn)證的最優(yōu)決策。
展開 合作博弈課程 ￥249
本課程系統(tǒng)介紹合作博弈（Cooperative Game Theory）的基本理論、分析方法與實(shí)際應(yīng)用。與非合作博弈不同，合作博弈強(qiáng)調(diào)在群體理性與集體最優(yōu)條件下的協(xié)作機(jī)制設(shè)計(jì)，研究如何在多主體系統(tǒng)中實(shí)現(xiàn)利益分配、公平性與穩(wěn)定性。本課程將引導(dǎo)學(xué)生從博弈論的基本概念出發(fā)，深入理解核心、Shapley值、核仁、協(xié)作聯(lián)盟形成等關(guān)鍵問題，掌握解決合作問題的數(shù)學(xué)工具與建模框架。
課程在理論闡釋的基礎(chǔ)上，結(jié)合環(huán)境治理、供應(yīng)鏈管理、能源系統(tǒng)、公共物品供給、科研合作網(wǎng)絡(luò)等典型案例，展示合作博弈在工程管理、經(jīng)濟(jì)學(xué)及可持續(xù)發(fā)展領(lǐng)域中的應(yīng)用潛力。
展開 關(guān)鍵字：mathematica；博弈論，逆向求解法，納什均衡，均衡解參數(shù)分析
本文復(fù)現(xiàn)一篇題為“Who should invest in blockchain technology under different pricing models in supply chains?[1]” 近年來，供應(yīng)鏈成員爭相投資區(qū)塊鏈技術(shù)，以提高產(chǎn)品可追溯性，從而在運(yùn)營中獲得更多利潤。當(dāng)制造商和零售商都能承擔(dān)區(qū)塊鏈的成本時(shí)，一個(gè)問題就出現(xiàn)了:誰應(yīng)該投資區(qū)塊鏈技術(shù)？為了從區(qū)塊鏈投資中獲益，像沃爾瑪這樣在定價(jià)模式選擇上比制造商擁有更大權(quán)力的零售商，將考察供應(yīng)鏈成員的區(qū)塊鏈投資動(dòng)機(jī)，并精心設(shè)計(jì)定價(jià)模式:批發(fā)定價(jià)模式或代理定價(jià)模式。本文通過建立博弈模型來探討零售商對定價(jià)模式的選擇和供應(yīng)鏈成員對區(qū)塊鏈投資者的選擇之間的相互影響。
1.逆向求解法求解4種定價(jià)模式的均衡解
文章介紹了4種區(qū)塊鏈投資模式，其中2種批發(fā)定價(jià)模式，2種代理定價(jià)模式。文章中介紹了決策順序。以下按照文章中的決策順序?qū)懗隽嗽敿?xì)求解過程，以及彌補(bǔ)文章中未提及的均衡解存在性證明，公式推導(dǎo)和后續(xù)結(jié)果分析均在mathematica中進(jìn)行。
2. 代理定價(jià)模式下區(qū)塊鏈投資者的選擇
在這一小節(jié)中，我們比較了AM和AR模式下制造商和零售商的利潤。在利潤比較的基礎(chǔ)上，研究了區(qū)塊鏈投資者對制造商和零售商的選擇。在代理定價(jià)模式下，區(qū)塊鏈投資者的最優(yōu)選擇主要取決于傭金率。
展開 關(guān)鍵詞：博弈論；mathematica；逆向求解法，納什均衡，均衡解參數(shù)分析
本文復(fù)現(xiàn)《中國管理科學(xué)》中一篇題為“考慮企業(yè)異質(zhì)性的外部知識(shí)對流程創(chuàng)新作用機(jī)制的博弈分析[1]”。本文基于知識(shí)基礎(chǔ)觀理論，以兩個(gè)異質(zhì)性制造企業(yè)組成的寡頭競爭市場為研究對象，參考經(jīng)典研發(fā)競爭AJ模型和非對稱研發(fā)模型，構(gòu)建外部知識(shí)對企業(yè)流程創(chuàng)新作用機(jī)制的兩階段非合作博弈模型，采用逆向回歸法求解子博弈納什均衡解，對均衡解進(jìn)行理論分析，并進(jìn)行數(shù)值模擬。研究表明，對于異質(zhì)性企業(yè)來說，通過流程創(chuàng)新獲得成本優(yōu)勢的企業(yè)將擁有更大的市場份額，且企業(yè)的均衡外部知識(shí)引入量也隨著初始邊際生產(chǎn)成本差異系數(shù)的變
化而變化。總體來說，企業(yè)異質(zhì)性造成了流程創(chuàng)新競爭的不平衡性。在流程創(chuàng)新過程中，企業(yè)引入外部知識(shí)對自身均衡產(chǎn)量具有正向效應(yīng)，對均衡利潤的影響存在閾值，呈現(xiàn)先增加后降低的趨勢。由于溢出效應(yīng)的存在，企業(yè)引入外部知識(shí)對競爭企業(yè)的均衡產(chǎn)量及利潤也產(chǎn)生正向效應(yīng)，但是，競爭企業(yè)的均衡產(chǎn)量及利潤取決于兩個(gè)企業(yè)的競爭關(guān)系。
模型建立
符號(hào)及其含義見表1。
表1 符號(hào)及含義說明
2.產(chǎn)品競爭階段均衡分析
在均衡分析階段，常常需要進(jìn)行求導(dǎo)、代入等操作，隨著分析的深入，式子逐漸復(fù)雜，手動(dòng)推導(dǎo)極為困難且容易出錯(cuò)，所以我們在mathematica中進(jìn)行均衡解的推導(dǎo)。
在流程創(chuàng)新競爭階段，兩個(gè)企業(yè)獨(dú)立決定流程創(chuàng)新中引入的外部知識(shí)量，以使其利潤最大化。將式(7)、式(8)分別對k1, k2求偏導(dǎo)，得到一階最優(yōu)條件。
展開 長期從事隨機(jī)動(dòng)態(tài)決策系統(tǒng)的學(xué)習(xí)優(yōu)化理論（尤其是馬氏決策過程、強(qiáng)化學(xué)習(xí)、排隊(duì)論、博弈論等）研究及其在能源、通信、金融、人工智能等領(lǐng)域的應(yīng)用。
主持國家自然科學(xué)基金項(xiàng)目五項(xiàng)（其中一項(xiàng)為重點(diǎn)專項(xiàng)項(xiàng)目）、國家重點(diǎn)研發(fā)計(jì)劃子課題三項(xiàng)，以及華為、騰訊等企業(yè)委托研究項(xiàng)目多項(xiàng)。兩次榮獲教育部高等學(xué)校科學(xué)研究優(yōu)秀成果獎(jiǎng)（自然科學(xué)）二等獎(jiǎng)。
書籍介紹
本書聚焦于如何運(yùn)用數(shù)據(jù)挖掘和機(jī)器學(xué)習(xí)方法，從企業(yè)經(jīng)營數(shù)據(jù)中提取有價(jià)值的信息與知識(shí)，特別以 Altair 旗下的 RapidMiner 軟件（2023 年 3 月更名為 Altair AI Studio）作為核心實(shí)踐工具，系統(tǒng)地闡述了數(shù)據(jù)挖掘在商業(yè)決策中的應(yīng)用。
大數(shù)據(jù)與商業(yè)智能作為新商科培養(yǎng)模式的核心課程，旨在培養(yǎng)學(xué)生運(yùn)用先進(jìn)技術(shù)解決企業(yè)管理問題的能力。
這本教材基于多年教學(xué)經(jīng)驗(yàn)，結(jié)合學(xué)科特點(diǎn)與商學(xué)院學(xué)生的知識(shí)結(jié)構(gòu)編寫而成，使用RapidMiner（更名為AI Studio）作為數(shù)據(jù)挖掘和機(jī)器學(xué)習(xí)算法實(shí)踐的軟件平臺(tái)，具有零編程門檻的優(yōu)勢，適合作為各大院校商學(xué)院及人文社科領(lǐng)域本科生和研究生的教材，也可供對數(shù)據(jù)挖掘和機(jī)器學(xué)習(xí)感興趣的社會(huì)人士學(xué)習(xí)參考。
全書共 14 章，系統(tǒng)性地以數(shù)據(jù)挖掘和機(jī)器學(xué)習(xí)的經(jīng)典算法為主線來組織內(nèi)容，涵蓋數(shù)據(jù)挖掘的基礎(chǔ)知識(shí)、數(shù)據(jù)統(tǒng)計(jì)與可視化、數(shù)據(jù)預(yù)處理、關(guān)聯(lián)規(guī)則挖掘、回歸分析、決策樹、模型評(píng)估與集成學(xué)習(xí)、樸素貝葉斯、K 近鄰、支持向量機(jī)、神經(jīng)網(wǎng)絡(luò)、聚類分析、文本分析，以及 RapidMiner 的高階功能等。
通過豐富的案例和實(shí)踐指導(dǎo)，讀者能夠深入理解數(shù)據(jù)挖掘算法的工作原理，并掌握如何使用 RapidMiner（更名為AI Studio） 進(jìn)行實(shí)際操作。
展開 
博弈論的最新內(nèi)容
關(guān)鍵詞：博弈論；mathematica；逆向求解法，納什均衡，均衡解參數(shù)分析
本文復(fù)現(xiàn)《中國管理科學(xué)》中一篇題為“考慮企業(yè)異質(zhì)性的外部知識(shí)對流程創(chuàng)新作用機(jī)制的博弈分析[1]”。
關(guān)鍵字：mathematica；博弈論，逆向求解法，納什均衡，均衡解參數(shù)分析
本文復(fù)現(xiàn)一篇題為“Who should invest in blockchain technology under different pricing models in supply chains?[1]” 近年來，供應(yīng)鏈成員爭相投資區(qū)塊鏈技術(shù)，以提高產(chǎn)品可追溯性，從而在運(yùn)營中獲得更多利潤。
合作博弈課程6個(gè)月前
本課程將引導(dǎo)學(xué)生從博弈論的基本概念出發(fā)，深入理解核心、Shapley值、核仁、協(xié)作聯(lián)盟形成等關(guān)鍵問題，掌握解決合作問題的數(shù)學(xué)工具與建模框架。
課程在理論闡釋的基礎(chǔ)上，結(jié)合環(huán)境治理、供應(yīng)鏈管理、能源系統(tǒng)、公共物品供給、科研合作網(wǎng)絡(luò)等典型案例，展示合作博弈在工程管理、經(jīng)濟(jì)學(xué)及可持續(xù)發(fā)展領(lǐng)域中的應(yīng)用潛力。
博弈論咨詢服務(wù)6個(gè)月前
本咨詢服務(wù)專注于以博弈論為核心的方法體系，為政府部門、科研機(jī)構(gòu)及企業(yè)提供復(fù)雜決策問題的系統(tǒng)化分析與優(yōu)化方案。服務(wù)內(nèi)容涵蓋靜態(tài)與動(dòng)態(tài)博弈建模、演化博弈分析、不完全信息博弈設(shè)計(jì)以及機(jī)制激勵(lì)與協(xié)同策略優(yōu)化。通過嚴(yán)謹(jǐn)?shù)睦碚撏茖?dǎo)與數(shù)值仿真，本服務(wù)能夠揭示多主體之間的戰(zhàn)略互動(dòng)邏輯，識(shí)別均衡路徑，并為政策制定、風(fēng)險(xiǎn)管理、資源配置與合作機(jī)制設(shè)計(jì)提供量化支撐。
長期從事隨機(jī)動(dòng)態(tài)決策系統(tǒng)的學(xué)習(xí)優(yōu)化理論（尤其是馬氏決策過程、強(qiáng)化學(xué)習(xí)、排隊(duì)論、博弈論等）研究及其在能源、通信、金融、人工智能等領(lǐng)域的應(yīng)用。
主持國家自然科學(xué)基金項(xiàng)目五項(xiàng)（其中一項(xiàng)為重點(diǎn)專項(xiàng)項(xiàng)目）、國家重點(diǎn)研發(fā)計(jì)劃子課題三項(xiàng)，以及華為、騰訊等企業(yè)委托研究項(xiàng)目多項(xiàng)。兩次榮獲教育部高等學(xué)校科學(xué)研究優(yōu)秀成果獎(jiǎng)（自然科學(xué)）二等獎(jiǎng)。
隨著在人工智能的進(jìn)一步發(fā)展中，也逐漸形成了基于聚類分析的數(shù)據(jù)融合方法、基于模糊邏輯的數(shù)據(jù)融合方法、基于博弈論的數(shù)據(jù)融合方法以及基于神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)的數(shù)據(jù)融合方法等。
5.3跟蹤探測
傳統(tǒng)的“探測—識(shí)別—跟蹤”流程，要是建立在于目標(biāo)可被感知的信號(hào)強(qiáng)烈，探測到難度低于識(shí)別難度，識(shí)別的難度低于跟蹤難度的基礎(chǔ)之上的。
在這一點(diǎn)上，值得介紹一下博弈論中的納什均衡（Nash equilibrium）。這是指當(dāng)發(fā)現(xiàn)對立的策略時(shí)，即使對手的策略是已知的，任何一方都不能單方面改善他或她的結(jié)果。部分考慮到這一點(diǎn)，該算法并不選擇最受歡迎的字母，而是根據(jù)頻率加權(quán)選擇任何一個(gè)可能的字母（例如，如果 1000 個(gè)候選詞包含 "e"，13個(gè)包含 "x"，那么 "e "將以 1000：13 的比例被選中，而不是 "x"）。
從博弈論的角度而言，列車之間在時(shí)空資源占用方面存在一定程度的競爭關(guān)系，然而所有列車的目標(biāo)是一致的，即安全快速地完成旅途，令各列車之間又存在著合作關(guān)系。因此，列車運(yùn)行圖編制問題在深度強(qiáng)化學(xué)習(xí)領(lǐng)域中屬于多智能體問題的范疇。三是基于深度強(qiáng)化學(xué)習(xí)的列車運(yùn)行圖智能編制方法。
而此論文也引用了馮·諾依曼的《博弈論》和維納的《控制論》。
這篇論文開啟了計(jì)算機(jī)下棋的理論研究，其主要思路在多年后的“深藍(lán)”及AlphaGo中仍能看到。1956年，在洛斯阿拉莫斯的MANIAC計(jì)算機(jī)上，他又展示了國際象棋的下棋程序。
此外，博弈論也被應(yīng)用到主動(dòng)容錯(cuò)控制中。在文獻(xiàn)[146]中，通過微分對策設(shè)計(jì)了一種基于合作博弈的執(zhí)行器容錯(cuò)控制策略。此外，文獻(xiàn)[147]結(jié)合反饋線性化和合作博弈論設(shè)計(jì)容錯(cuò)控制器。為了提高容錯(cuò)控制器的魯棒性，文獻(xiàn)[148]設(shè)計(jì)了一種與模型無關(guān)的自校正容錯(cuò)控制框架，可以加強(qiáng)不同故障條件下縱向和側(cè)向跟蹤能力。
