基于演化博弈的异质网络复杂性研究

异质网络中存在拓扑的时空动态性、交互信息的不完全性、交互过程中的自适应性三个相互关联，且对异质网络性能有直接影响的复杂特性。本项目以这些复杂特性及其对网络性能影响的成因为对象，对异质网络拓扑的时空动态性、不完全信息下的学习和决策机制等关键问题进行基础科学研究，为异质网络复杂性分析提供理论基础。具体内容包括：研究节点动态系统函数、边动态系统函数、不完全信息特性、动态拓扑生成算法，建立一个反映异质网络动态拓扑和不完全信息特性的复杂环境模型CEM。 在CEM基础上，将偏好机制融入具有长记忆过程的学习算法中，研究主体交互行为，"随机偏扰"，建立能够充分反映信息不完全性对主体决策影响的异质网络演化博弈模型EGM。以此为基础，分析异质网络的动力学行为和自适应性，并将动态目标优化与EGM相结合，使得异质网络在动态最优面上运行，为异质网络性能优化提供理论指导。