[发明专利]促进节点合作的机会网络演化算法及装置

权利要求书

1.一种促进节点合作的机会网络演化算法，其特征在于：所述算法包括以 下步骤：

(1)初始化机会网络，设置相应参数：网络节点数量、移动速度、随 机初始化节点策略S₀和博弈历史H₀，将博弈收益清0，信誉值清0；

(2)它们互相进行m代博弈，即重复执行步骤(3)、(4)、(5)m次， 每一代时间间隔为t；

(3)每代开始博弈时，所有的两两相遇的节点在该时间间隔中同时博 弈，根据当前支付矩阵利用基于信誉的支付函数计算各自收益，并将各 自所有的博弈的收益累积；

(4)当时间间隔t满后，每个节点评估本轮博弈过的节点的信誉度， 初筛出学习目标的候选集；

(5)实施萤火虫算法，搜索出最优学习目标，并复制该学习目标的策 略作为下一轮博弈的策略；

(6)记录m次演化完成后的相关数据，包括协作水平、博弈的历史。

2.根据权利要求1所述的机会网络演化算法，其特征在于：所述步骤4中 评估信誉度基于社会化分布式的信誉模型，包括量化信誉度，利用信誉 的直接计算法和间接计算法计算信誉度，以及自适应平滑指数与马尔科 夫链相结合的信誉度预估。

3.根据权利要求2所述的机会网络演化算法，其特征在于：所述计算信誉 度采用效率高、速度快的加权平均法对信誉值进行初步计算：

T＝γT_social×(1-γ)T_unsocial

其中T_social＝α×R_p+β×R_q+γ×R_n，α+β+γ＝1；在影响因子中将引入社交 型因子T_social，相遇次数R_p、成功协作次数R_q，双方共同好友数R_n，而T_unsocial则是除了社交因子外的其它影响信誉的因素。

4.根据权利要求1所述的机会网络演化算法，其特征在于：所述步骤4中 初筛出学习目标的候选集具体为：根据信誉值初步筛选出一些潜在的可 模仿学习的目标对象，作为学习目标的候选者集，通常信誉值高的节点， 被看做信任节点，其诚信度较高，虚报收益值的可能性相对较低。

5.根据权利要求1所述的机会网络演化算法，其特征在于：所述步骤5中 的萤火虫算法为改进的萤火虫算法，关键点在于将候选者集的收益作为 目标函数，Rij表示萤火虫节点j和节点i的距离，将其构造为自身节点 与候选目标集节点的策略数目差R_ij＝R_i-R_j，则表示对方策略 数量与其整体吸引力成反比，当对方比自身的策略数目越多，即对方的 吸引度应越大，则萤火虫位置就越靠近，表示学习对方的积极性就越大， 反之，学习的积极性越少。

6.根据权利要求1所述的机会网络演化算法，其特征在于：所述步骤3中 的博弈基于多种群非对称演化博弈模型，以模拟不同群体节点之间的协 作博弈状态，所述不同群体分为正常节点、自私节点和恶意节点群体。