BIMATRIXSTACKELBERG 为双矩阵 Stackelberg 博弈中的领导者和追随者找到最佳策略以及相关的收益。 它实现了 V Conitzer, T Sandholm, "Computing the Optimal Strategy to Commit to", EC'06, Proceedings of the 7th ACM Conference on电子商务，2006 年 6 月 11-15 日，密歇根州安娜堡的定理 2 中描述的算法，美国，第 82 - 90 页。
2021-07-13 10:07:00
3KB
1
新兴的移动云计算（MCC）技术为移动终端提供了巨大的潜力，可支持运行高度复杂的应用程序。 但是，支持此类应用程序需要来自云服务器和移动终端的有效资源管理。 此外，与基于服务质量的资源管理技术相比，基于体验质量（QoE）的资源管理技术可以更好地满足最终用户的需求。 在本文中，我们以可接受的QoE解决了MCC网络的资源管理问题。 该方案基于多线索多跟随者两阶段Stackelberg博弈模型，最大化了MCC网络的效用函数。 考虑到云服务器和移动终端自私以最大化其自身利益的场景，网络性能受到其贪婪程度的极大影响。 为了获得更好的网络性能，控制决策需要相互结合。 效用功能不仅考虑移动终端的频谱效率和用户满意度，还考虑云中的定价信息。 我们提出的方案可以在移动终端和云服务器之间获得均衡的性能。 另外，研究了该方案中纳什均衡的存在。 从理论上讲，可以推论出带宽的最高和最低售价。 仿真结果表明，所提算法和所提方案在用户满意度和网络收益方面均优于均等分配方案。
2021-03-25 13:07:42
1017KB
1
针对大型电动汽车无序充电对电网的负面影响，提出了基于Stackelberg博弈的电动汽车协调充放电多目标优化策略。 作为领导者，电网公司旨在稳定负载波动并制定合理的电价策略，以指导电动汽车参与车联网（V2G）； 作为追随者，电动汽车用户根据电价信息优化充电计划，以降低成本并获得良好的舒适度。 本文使用MOPSO算法解决了提出的多目标Stackelberg问题，并在各种偏好下计算了优化结果，证明了所提模型和方法的有效性。
2021-03-08 13:04:41
503KB
1
具有通道不确定性的D2D通信的鲁棒Stackelberg博弈上行功率控制
2021-03-03 10:05:15
1.29MB
1