期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
基于隐马尔可夫模型和非合作博弈的功率控制 被引量:1
1
作者 袁红春 余跃 梅海彬 《山东农业大学学报(自然科学版)》 北大核心 2019年第4期724-728,共5页
降低功耗是无线传感网研究中的重要问题之一。针对现有无线传感网存在功耗高、能量利用率低等问题,本文提出一种基于隐马尔可夫模型和非合作博弈的功率控制方法。证明了该方法中纳什均衡的存在性和唯一性以及隐马尔可夫模型(HMM)在特定... 降低功耗是无线传感网研究中的重要问题之一。针对现有无线传感网存在功耗高、能量利用率低等问题,本文提出一种基于隐马尔可夫模型和非合作博弈的功率控制方法。证明了该方法中纳什均衡的存在性和唯一性以及隐马尔可夫模型(HMM)在特定条件下的广义平稳性。通过仿真实验将该算法与已有的基于非合作博弈的控制方法进行比较。仿真结果表明,该算法在能量利用率、收敛性、降低功耗方面均优于原有算法,能够有效延长网络生命周期。 展开更多
关键词 无线传感器网络 马尔可夫模型 合作博弈 低功耗
下载PDF
基于隐马尔可夫预测的非对称信息功率博弈机制
2
作者 朱江 张玉平 彭祯珍 《计算机应用》 CSCD 北大核心 2014年第4期939-944,共6页
为了解决无线资源竞争中功率博弈的博弈者获得的环境信息具有非对称性问题,提出了一种基于隐马尔可夫预测的功率博弈机制。该机制通过建立隐马尔可夫预测模型(HMPM)判断博弈的对手是否参与博弈,从而提高博弈的信息准确度;然后利用预测... 为了解决无线资源竞争中功率博弈的博弈者获得的环境信息具有非对称性问题,提出了一种基于隐马尔可夫预测的功率博弈机制。该机制通过建立隐马尔可夫预测模型(HMPM)判断博弈的对手是否参与博弈,从而提高博弈的信息准确度;然后利用预测获得的信息通过代价函数计算最佳发射功率。仿真结果表明,与最大后验概率法(MAP)和不预测法(NP)相比,基于隐马尔可夫预测的功率博弈模型能够在满足目标容量的同时,较好地提高非授权用户的功率效率。 展开更多
关键词 马尔可夫预测 对称信息 功率控制 合作博弈 代价函数
下载PDF
认知无线网络中基于隐马尔可夫预测的P-CSMA协议 被引量:3
3
作者 朱江 张玉平 +1 位作者 柴源 李方伟 《电视技术》 北大核心 2014年第19期80-84,共5页
针对非对称信息环境下的无线资源竞争问题,提出一种基于隐马尔可夫预测的P-CSMA协议,该协议中采用随着竞争信道的非授权用户数变化而改变的动态接入概率。非授权用户通过隐马尔可夫预测模型来判断博弈的对手是否参与信道竞争,提升了博... 针对非对称信息环境下的无线资源竞争问题,提出一种基于隐马尔可夫预测的P-CSMA协议,该协议中采用随着竞争信道的非授权用户数变化而改变的动态接入概率。非授权用户通过隐马尔可夫预测模型来判断博弈的对手是否参与信道竞争,提升了博弈的信息准确度,使得非授权用户能在非对称信息环境下选择最佳的接入概率以最大化自身效用。仿真表明,相比其他协议,基于隐马尔可夫预测的P-CSMA协议能够较好地提升系统的信道利用率。 展开更多
关键词 合作博弈 对称信息 马尔可夫 P—CSMA
下载PDF
保守策略梯度与策略改进
4
作者 黄儒泽 《理论数学》 2025年第2期218-226,共9页
本文在双人非合作马尔科夫博弈模型下,引入了一种策略度量指标,将保守策略推广到了双智能体情形,给出了一种保守策略梯度和策略改进的条件。这为双人非合作博弈中寻找保守策略下的纳什均衡提供了一定基础和改进方向。In this paper, a p... 本文在双人非合作马尔科夫博弈模型下,引入了一种策略度量指标,将保守策略推广到了双智能体情形,给出了一种保守策略梯度和策略改进的条件。这为双人非合作博弈中寻找保守策略下的纳什均衡提供了一定基础和改进方向。In this paper, a policy metric is introduced under the two-player non-cooperative Markov game model, which generalizes the conservative policy to the two-agent case, and gives a conservative policy gradient and the conditions for policy improvement. This provides a certain foundation and improvement direction for finding Nash equilibrium under policy in two-player non-cooperative game. 展开更多
关键词 双人非合作马尔可夫博弈 保守策略 策略梯度 策略改进
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部