个体理性受限的P2P网络合作激励研究

Sharing resources and services among different nodes as the basis, P2P networks rely on cooperation between nodes greatly. Therefore, cooperation incentive policies play very important role in P2P networks. In recent years, the application of P2P scheme extends to wireless networks and online social networks. In these areas, the cooperation incentives have more challenges since the nodes of the networks may change with time and different environments, or the communication between nodes may be interfered by noises, or even the network nodes have only limited information about the environment. .In this project, we consider the P2P network nodes as bounded rationality game players, meaning that the nodes only have limited computing, storage capability and limited information. These assumptions can describe the application more realistic, but we cannot apply the results of previous researches based on classic game theory, which holds only with the assumption of completely rationality. We will carry out the following research works: 1) expression of bounded rationality of nodes in P2P networks and bounded rational game modeling; 2) cooperation incentives with adaptive game learning in P2P networks; 3) anti-noises solution in cooperation incentives; 4) cooperation incentives with limited information. .Through the research of this project, we can discover more realistic P2P network nodes behaviors, modeling the behaviors more accurately, and find some new solution for the challenges of P2P networks cooperation incentives when they are used in the new areas. The results of these works may inspire some researches on computer networks with the aid of state-of-the-art economic researches.

节点间相互提供资源和服务是P2P 网络的原动力，因此，合作激励是P2P 网络研究中的关键问题。近年来P2P 网络的应用场景逐步拓展到了无线网络、在线社会网络等新领域，在这些场景中面临着节点行为随时间和环境变化、噪声干扰、信息受限等问题，此时经典博弈论已不适用，给合作激励的研究带来了新的挑战。.本项目针对上述问题，将P2P 网络节点看作具有有限理性的博弈参与者（即博弈参与者.具有获取最大收益的预期，但是在计算、存储、信息获取等方面受到一定约束），在P2P 网.络节点有限理性的表达与博弈建模、基于自适应博弈学习的P2P 网络合作激励方法、合作激.励方法的抗噪音扰动、信息受限条件下的合作激励四个方面开展研究。通过本项目的实施，.促进对P2P 网络节点行为特征的深入理解，为合作激励问题在新应用场景中面临的挑战提供.新的解决方案。研究成果还可以为以经济学最新研究成果解决计算机网络问题提供新的思.路。

本项目按照原计划从理论和网络技术实践两方面研究了P2P与社会网络的有限理性建模及噪音等条件下的合作激励方法等研究工作。.我们研究了典型的对称合作博弈中的合作演化问题，揭示了在具有自发学习能力的网络中，节点的邻居数量是促成合作的关键因素，并给出了出现帕累托最优的条件。我们研究了带有噪声干扰的有限理性重复博弈问题，通过运用带随机扰动的博弈学习理论，发现当个体都拥有足够邻居时，如果随机噪声发生的概率足够小，长期来看，每个个体都会选择最大努力水平，此时系统最优与个体理性达到一致。我们研究了P2P社区网络合作稳定性问题，分析并得出了用户数量有限的情况下能够保持社区网络稳定的条件，并且证明了积分机制可以容易的使社区网络达到合作稳定状态，除非非授权用户获得资源的代价过低。.我们根据研究趋势，针对网络中新出现的众包计算开展了研究。尽管与传统P2P网络拓扑结构不完全相同，众包与P2P计算有诸多共同的技术需求，激励策略也是众包中的重要一环。我们设计了一种适用于大型移动感知场景的任务分配算法UCB-QA，能够基于用户传感器的特性、任务的完成质量以及用户的策略行为不断调整分配策略，最大化高质量分配的次数；另外，我们设计了一种价格激励机制MinPay，从任务承担者的角度出发，尽可能满足用户的报价需求，可以促进更多用户积极参与任务，同时尽可能降低任务发布者的成本。.综上所述，本项目跨越传统P2P网络、社会网络和众包网络，研究了网络节点的有限理性博弈建模、节点合作稳定性分析等问题，形成了一套理论结合实践的合作激励解决方法。项目的主要成果为：1）博弈学习网络中的对称合作博弈模型与帕累托最优的条件；2）噪声条件下社会网络重复博弈的合作稳定性模型；3）P2P社区网络的合作稳定性分析模型与激励有效性分析方法；4）众包网络中质量可知的合作激励策略和价格激励策略。 .通过本项目的研究，在国内外知名期刊、会议上发表学术论文共计10篇，其中SCI期刊论文6篇，CCF C类会议3篇，国内重要期刊1篇。获得发明专利授权3项。培养博士研究生2名，硕士研究生3名。完成了项目计划书所设定的研究目标和各项研究任务。