基于贝叶斯博弈的协同演化算法及其在交易Agent中的应用研究

本项目应用博弈论的思想设计人工的演化博弈系统。在算法设计中，将博弈论中处理不完全信息动态博弈的思想引入算法，对演化算法的遗传算子、选择算子和搜索机制等提出新的协同策略，建立高效的协同演化模型和算法。针对交易Agent谈判过程中交易策略、交易议题和决策过程存在的优化问题进行研究，基于博弈论对Agent交易过程进行形式化描述，提出协同优化模型和算法。具体内容包括：（1）设计个体或种群之间的动态竞争和合作机制，建立一种基于贝叶斯博弈的协同演化模型BCEM；（2）以BCEM为基础，分析交易过程的动力学行为和自适应性，结合Agent交易过程中存在的多议题、多策略优化问题，提出一种不完全信息环境下的多目标优化算法；（3）研究时间和资源等因素对Agent交易策略的影响，建立求解约束优化问题的协同演化算法；（4）对算法进行实验研究，研究噪音和参数等因素对算法性能的影响。

本项目以博弈论为基础，建立了新的协同演化算法框架，设计了新的变异算子、交叉算子和协同机制，完成了协同演化算法的设计和实验；以演化博弈理论作为工具,对多策略信任演化模型和信誉评估协作模型进行了研究，建立了基于博弈的激励机制和合作机制；针对交易Agent 在信息不完全环境下的决策问题，建立了基于多目标优化的Agent多议题协商模型，提出了基于Bayesian学习的时间依赖的双边多议题协商优化模型；对提出的协同算法的性能进行了分析研究，提出了一种用渐进收敛速度和渐进到达时间来衡量进化算法性能的方法；针对交易Agent博弈过程中获得信息不完全性等特性，应用机器学习理论和智能优化算法，建立了竞拍模型，设计的交易Agent在TAC国际交易Agent比赛中获得第四名的成绩。本课题的研究成果不仅丰富了演化计算的理论，而且为演化计算的应用提供了理论基础和实现方法。