人类复杂行为模式下合作自发涌现的条件已成为多个学科关注的焦点,探讨合作产生的条件对于理解人类社会中的制度安排有着重要的科学意义和理论价值。社会困境博弈为研究多人合作问题提供了理论原型。演化博弈论作为一种包含参与人学习和策略调整过程的动态分析框架,目前已成为分析社会困境中合作演化最有效的方法。对采用演化博弈方法研究社会困境博弈中群体合作问题的研究进展进行了系统总结和评述。具体包括:社会困境博弈模型、演化博弈论及均衡分析方法的研究进展;奖惩机制和声誉机制下的社会困境博弈与合作演化研究进展;具有分离策略和剥削策略的社会困境博弈与合作演化研究进展;网络互惠下的社会困境博弈与合作演化研究进展。最后对这一领域可以进一步拓展的研究问题进行了展望。

首先确定了7种不同的生境格局以及植物的生长规则,并基于此提出分株扩散网络模型,模拟数字克隆植物的分株动态生长的过程。揭示了在分株的不同生长阶段,生境异质性、植物自身的结构特征对分株种群扩散过程的影响,得到分株网络,并对不同处理下的分株种群生长扩散过程进行定量描述,结果表明生境中的斑块分布越密集则分株种群增长速度越快,且不同植物对环境的适应性不同,在富养分斑块产生更长间隔子的基因型探索新生境的能力会更强,而在贫养分斑块产生更长间隔子的基因型更容易获取生境中的有利资源,由此揭示了克隆植物的生态复杂性。

与以往对股市收益率及波动率的长记忆性及有效性研究不同,聚焦于金融市场极端波动行为,以中国股票市场最具代表性指数——上证指数为研究样本,将金融市场按照一定期间划分为不同的时间窗口,将每个时间窗内的极值收益率组成一个时间序列,并将该极值收益率序列作为实证研究对象。分别运用重标极差分析、消除趋势波动分析等多种统计方法,对上海股票市场极值收益率的长记忆性展开深入研究,结果发现无论是极值收益率序列还是极值波动率序列都具有明显的长记忆性特征,且极值收益率序列和极值波动率序列呈现出的长记忆性特征要明显强于原始全样本收益率序列本身,这说明市场的极端波动行为之间具有一定的依赖性,市场的极端波动行为在一定程度上是可测的。此外,进一步分析了极大值及其相应波动率序列之间、极小值及其相应波动率序列之间以及极大值与极小值之间的互相关关系,结果发现不同的极值序列间呈现出各自特有的、强度不同的相互依赖关系。

在现实的社交网络中,用户之间往往存在多种关系,而现有的社会化推荐算法都只考虑一种关系对推荐结果的影响。基于多子网复合复杂网络模型,将用户间的多种社交关系引入用户特征矩阵,提出了基于多关系的矩阵分解社会化推荐算法。通过对2个真实数据集上的实验结果分析,发现加入多种社交关系的矩阵分解社会化推荐方法比传统的矩阵分解算法在推荐准确率方面有显著提高。

用户声誉度量用户评分的准确程度,用户声誉的研究对于保障社会经济和民生的健康发展具有重要意义。在电影网站MovieLens数据上从用户活跃度与记忆性两个角度进行用户声誉的实证研究。根据用户的度分组,发现用户声誉随着用户度的增加而增加,将数据集按照时间分成36个季度的片段,同样发现随着用户度的增加,用户声誉出现上升的趋势。同时,将数据集按照时间分成9个年度的片段,发现用户的持续存在率逐年减小,提出一种度量指标来衡量用户声誉记忆性,发现5年之内用户声誉排名的肯德尔系数比用户度的肯德尔系数更高,表明用户声誉比用户活跃度更具有记忆性。通过建立随机模型与实证结果进行比较,发现真实数据集上用户声誉与度的关系以及声誉的记忆性与随机模型有显著不同。

粒子群优化算法是一种新型的群体智能算法,具有参数少、使用方便、效果好等优点,因而得到了广泛应用。为了改进粒子群算法的性能,在自适应粒子群算法和模拟退火粒子群算法的基础上提出基于混沌映射的自适应退火型粒子群算法,在局部最优解附近添加混沌扰动算子,使其具有突跳能力,进而提高全局搜索能力;将传统的惯性因子改为双重选择策略,不仅使惯性因子随着目标函数的变化而变化而且随着粒子当前位置与上一时刻位置的距离的变化而变化;采用线性递减加速因子来动态调整自身经验和群体经验在迭代中的作用。通过数值实验验证了改进算法的性能,结果表明改进的算法对于不同类型的函数的寻优能力要优于自适应粒子群算法和模拟退火粒子群算法。

针对制造商、回收商及消费者组成的三级闭环供应链模型,运用混沌控制理论解决三渠道回收模式下闭环供应链混沌控制问题。首先考虑消费者对再制品需求的不确定性,在某一时间段中,对消费者自愿购买再制品数量的数据进行采集,通过K-S检验的方法验证该数据服从均匀分布,进一步构建基于决策变量的离散动态模型;其次使用MATLAB软件进行数值仿真模拟,研究回收价格敏感系数和回收价格竞争系数作为固定值时,制造商和两个回收商之间的绘制分岔图、最大Lyapunov指数图、初值敏感分析图,并对系统的混沌特征和初值敏感性进行研究分析;最后采用状态反馈控制和参数调整的方法对混沌系统进行控制。结果表明该方法能有效地改善或消除混沌状态,优化决策行为,提高决策者利润。

开放式创新成为企业创新的主要模式,创新社区为企业提供了大量的外部创新资源,有效整合创新社区中多种类型用户知识,能够发现用户需求,为企业研发提供具有市场潜力的解决方案。综合考虑开放式创新社区知识的特征和企业需求,从创新需求、创新方案和创新主体3个维度构建知识网络模型,采用本体对创新社区中的用户生成内容进行挖掘及可视化,并以华为产品定义社区为例进行实证研究。研究表明,基于本体构建的知识网络模型能够实现开放式创新社区用户知识的多维发现,帮助企业识别关键用户、创新用户需求和关键技术问题的解决方案,从而有效缓解开放式创新社区中知识发现复杂性的难题,为企业开展开放式创新提供知识发现的新思路。

随着对人类行为时空复杂性分析的深入,大量的实证研究发现人类的行为常常不再表现为泊松分布,而是呈现出一段时间内频繁发生,经历长久静默之后再次爆发的“阵发性”特征。针对我国电子商务中顾客购买行为的特点,提出改进的阵发性测量方法,并对一号店及京东平台的顾客购买行为进行测量和实证分析。结果表明,在线顾客最近购买时间R、购买频次F与其活跃的概率正相关;阵发性对最近购买时间R有调节作用,无阵发性的顾客,最近购买时间R和其活跃的概率更相关。

实际应用中信号和噪声的统计知识经常是未知的,为探究未知噪声环境中加权随机汇池网络模型的信号参数估计性能,本文研究了加权随机汇池网络中信号估计的递归最小二乘自适应递推算法,分析了该模型下算法的收敛性、均方误差、学习曲线等统计特征。在非平稳输入信号下,引入遗忘因子,探究了算法有效跟踪信号变化的能力。实验结果验证了关于算法收敛性与均方误差性能的理论分析,同时还证实了自适应过程中的超阈值随机共振现象。本文研究结果对于加权随机汇池网络的实际应用具有理论指导义。

分析中国麻疹不同年龄的被感染风险及传染率的季节性,并分析了儿童间周期性接触及整体人群的周期性接触如何形成我国麻疹传染率的季节性。根据中国2013-2016年麻疹分年龄组的数据,应用感染力分析模型,估算了中国麻疹不同年龄的感染力(即被感染风险);建立了基于年龄结构的具有季节性传染率的时间序列易感者-感染者-恢复者(time series susceptible-infected-recovered,TSIR)模型,并对中国麻疹的传播动态进行分析。模型包含了两种不同的传染率季节性驱动因素:儿童间的周期性接触率、整体人群的周期性接触率,研究了开学放假和春运引起的接触率变化对传染率季节性的影响。结果表明:1)中国麻疹不同年龄的感染力不同,其中<1岁的婴儿感染力最高为24%-44%,其次是50-65岁人群;2)由学期和春运引起的两种周期性接触率都会导致麻疹传染率的季节性,其中开学期间传染率较均值增加31%;3)由春运引起的整体人群接触率的季节性导致春运期间传染率较均值增加23%。