一种基于风险偏好的社会网络系统的激励方法技术方案

本发明专利技术提供了一种基于风险偏好社会网络系统的激励方法，模型算法如下：所述模型中的节点与邻居节点进行随机交互，若交互成功，交互的双方同时给出自己的策略，所述策略选择为合作或不合作，策略是合作的节点为合作节点，策略是不合作为不合作节点，不能参与交互的节点为孤立节点；每个节点会计算出交互所得的真实函数值和新的信誉，每个节点会有自己初始风险因子，风险偏好节点、风险规避节点、风险中性节点会分别根据各自的真实函数值和风险因子计算各自的总函数值；邻居节点根据节点的信誉值变化情况，动态地调整与节点的连接强度；节点会综合考虑自己的真实函数值情况和邻居节点的真实函数值情况，来动态地改变自己的风险偏好，进行迭代计算。

An Incentive Method for Social Network System Based on Risk Preference

The invention provides an incentive method based on risk preference social network system. The model algorithm is as follows: the nodes in the model interact randomly with neighbor nodes. If the interaction succeeds, both sides of the interaction give their own strategies simultaneously. The strategy is to choose cooperative or uncooperative nodes. The strategy is to choose cooperative nodes as cooperative nodes, and the strategy is not to cooperate as uncooperative nodes, not to cooperate. The nodes that can participate in the interaction are isolated nodes; each node calculates the real function value and new reputation of the interaction, and each node will have its own initial risk factor. The risk preference node, risk aversion node and risk neutral node will calculate their respective total function value according to their real function value and risk factor respectively; the neighbor node will calculate their total function value according to the change of the reputation value of the node. In addition, the connection strength with the node is dynamically adjusted, and the node will dynamically change its risk preference by considering its real function value and the real function value of the neighbor node.

【技术实现步骤摘要】
一种基于风险偏好的社会网络系统的激励方法
本专利技术涉及计算机领域，特别涉及一种基于行为经济学风险偏好的社会网络系统的激励机制和激励方法。
技术介绍
社会网络已经被当作产生在线社交互动的主要平台，在这个平台里，用户可以源源不断的分享自己的资源，同时也可以寻找自己所需要的资源，网络中的资源通常是通过节点间的自愿资源共享来获得。由于网络中的节点在提供资源转发或共享等合作服务时自身会产生花费，因此大部分的节点在默认情况下通常会采用只向其他节点请求资源而自身不提供资源共享服务的不合作行为，这造成了网络中的共享资源不足的问题，严重的会导致网络的崩溃。因此，在网络中需要有适当的激励机制来激励自私节点改变自己的自私行为。目前，传统的激励机制大致可以分为三类：基于信誉的激励机制、基于虚拟货币的激励机制、基于博弈论的激励机制。大量的文献已经对传统的激励机制展开了研究。但是，这些研究并没有考虑到节点的风险偏好，风险偏好是指节点在决策过程中面对风险的态度，行为经济学的相关研究已经表明，人们在面对风险时，所采取不同的态度最终可以导致不同的决策结果，而经过映射之后，节点的行为决策过程往往是激励机制研究的重点，因此如果在对激励机制的研究过程中没有考虑风险偏好，则最终的研究结果很可能会偏离实际的情况。也有少部分关于激励机制的研究考虑了节点的风险偏好，但在研究中假定节点的风险偏好是不可变的，随着行为经济学的研究发现，风险偏好时可变的，人在面临损失和获益两种情况时，自身的风险偏好都会发生改变，而经过映射之后，节点在交互过程中会有自己的收入，所以根据节点的收入多少也会伴随真实函数值或是损失的情况，根据之前提到的行为经济学的研究成果，节点在交互过程中自身的风险偏好应该会随着交互的进行而不断改变，如果在社会网络激励机制的研究过程中未考虑节点风险偏好的可变性，最终节点会失去自我调整风险偏好的能力，使得实验结果偏离实际情况。
技术实现思路
本专利技术目的在于为社会网络系统设计一种激励机制，修正基于传统经济学激励机制的不足，并提高系统中各参与方的合作率，具体技术方案如下：一种基于行为经济学风险偏好的社会网络系统的激励方法，其特征在于，包括如下步骤：步骤1、构建激励机制模型，所述模型中的节点与邻居节点进行随机交互，若交互成功，交互的双方同时给出自己的策略，所述策略择一选择为合作或不合作，策略是合作的节点为合作节点，策略是不合作为不合作节点，不能参与交互的节点为孤立节点；步骤2、获取节点的总函数值，每个节点会计算出交互所得的真实函数值和新的信誉，每个节点会有自己初始风险因子，节点i的风险因子用αi来表示，若αi＞0则节点i喜好风险，所述节点i为风险偏好节点；所述节点若αi＜0则节点i厌恶风险，所述节点i为风险规避节点；所述节点i中若αi＝0则节点i对风险保持中立，所述节点i为风险中性节点；风险偏好节点、风险规避节点、风险中性节点会分别根据各自的真实函数值和风险因子计算各自的总函数值；步骤3、节点之间的连接强度调整，邻居节点根据节点的信誉值变化情况，动态地调整与节点的连接强度，信誉低于预设的阈值后，邻居节点抛弃低于所述预设阈值的节点，使其成为孤立节点；步骤4、节点的策略更新以及风险偏好的改变，每个节点在下一轮随机交互开始之前，会同时考虑自己和一位邻居节点之间在交互结束之后所得的信誉差和总函数值差，以一定的概率决定自己是否要采取邻居节点的策略，若不采取，则继续保持自己的策略不变；同时，节点会综合考虑自己的真实函数值情况和邻居节点的真实函数值情况，来动态地改变自己的风险偏好，返回到步骤1，进行重复的博弈。更进一步地，步骤1还包括：根据节点与节点之间的连接强度，计算出两个节点发生交互的概率，来判断两个节点是否会发生交互行为，两个节点发生交互的概率由下面的公式给出：Wi,j(t)＝Wi→j(t)×Wj→i(t)(1)其中，Wi→j(t)和Wj→i(t)分别代表两个节点i对节点j的单向连接强度和节点j对节点i的单向连接强度，Wi,j(t)代表节点i和节点j发生交互的概率。更进一步地，步骤2还包括：用Ri(t)表示节点i在第t轮交互中的信誉值，首先根据下面的公式计算Ri(t)：在公式(2)中：其中，Oi(t)表示节点i在t时刻的有效邻居数，Hi(t)表示节点i的总邻居数，φ(0＜φ＜1)代表的是节点对邻居节点的行为评论传播程度，φ的值越大，节点对邻居节点的行为传播能力就越强；ci(t)表示节点i在t时刻的策略，节点i采用策略合作或背叛时，使用向量ci来表示：ci＝(1,0)T或ci＝(0,1)T，εi(t)表示风险因子的归一化值，αimax、αimin分别表示节点i的风险因子可取的最大值和最小值；Πreputation为历史信誉因子，Πevaluate为传播因子；根据节点在步骤1中的行为选择，根据下面的公式来计算每个节点的真实函数值：其中，Ωi(t)表示t时刻节点i的有效邻居节点数；ci(t)和表示cj(t)分别表示i和j在t时刻的行为决策，M表示双方的真实函数值矩阵；每个节点根据自己的真实函数值以及自己的风险因子，根据下面的公式得到自己的总函数值：αi(t)代表节点i在第t轮的风险因子，pi(t)表示节点i在第t轮的真实函数值。更进一步地，步骤3还包括：节点若节点i的邻居节点j在第t轮的信誉值大于零并且大于它在第t-1轮的信誉值，则节点i会在第t+1轮增强和节点j的连接强度，增量为Δx；若节点i的邻居节点j在第t轮的信誉值小于零并且小于它在第t-1轮的信誉值，则节点i会在第t+1轮减少和节点j的连接强度，减量为Δx；具体的改变规则如下面公式：更进一步地，步骤4还包括：风险偏好的节点，首先从自身的邻居节点中随机选择一位本轮博弈之后信誉以及总函数值都比自己高的节点j，并根据一定的概率fi(t)进行学习模仿，fi(t)的计算方法如下面的公式所示：εi(t)代表节点i在第t轮中的风险因子的归一化值，k1和k2代表节点的理性程度，k1，k2越小，代表节点行为越理性，理性程度越高代表节点在行为选择过程中受到的干扰因素会越少；若此类型的邻居节点不存在，则i会继续寻找，并选择一位总函数值比自己高的邻居节点j，以一定的概率fi(t)来进行学习模仿，概率fi(t)计算方式如下：风险厌恶的节点，首先从自身的邻居节点中随机选择一位本轮博弈之后信誉以及总函数值都比自己高的节点j，并根据一定的概率fi(t)进行学习模仿，fi(t)的计算方法如下面的公式所示：εi(t)代表节点i在第t轮中的风险因子的归一化值，k1和k2代表节点的理性程度，k1，k2越小，代表节点行为越理性，理性程度越高代表节点在行为选择过程中受到的干扰因素会越少；若此类型的邻居节点不存在，则i会继续寻找，并选择一位信誉比自己高的邻居节点j，以一定的概率fi(t)来进行学习模仿，概率fi(t)计算方式如下：风险中性的节点，首先从自身的邻居节点中随机选择一位本轮博弈之后信誉以及总函数值都比自己高的节点j，并根据一定的概率fi(t)进行学习模仿，fi(t)的计算方法如下面的公式所示：εi(t)代表节点i在第t轮中的风险因子的归一化值，k1和k2代表节点的理性程度，k1，k2越小，代表节点行为越理性，理性程度越高代表节点在行为选本文档来自技高网...

【技术保护点】
1.一种基于行为经济学风险偏好的社会网络系统的激励方法，其特征在于，包括如下步骤：步骤1、构建激励机制模型，所述模型中的节点与邻居节点进行随机交互，若交互成功，交互的双方同时给出自己的策略，所述策略择一选择为合作或不合作，策略是合作的节点为合作节点，策略是不合作为不合作节点，不能参与交互的节点为孤立节点；步骤2、每个节点会计算出交互所得的真实函数值和新的信誉，每个节点会有自己初始风险因子，节点i的风险因子用αi来表示，若αi＞0则节点i喜好风险，所述节点i为风险偏好节点；所述节点若αi＜0则节点i厌恶风险，所述节点i为风险规避节点；所述节点i中若αi＝0则节点i对风险保持中立，所述节点i为风险中性节点；风险偏好节点、风险规避节点、风险中性节点会分别根据各自的真实函数值和风险因子计算各自的总函数值；步骤3、邻居节点根据节点的信誉值变化情况，动态地调整与节点的连接强度，信誉低于预设的阈值后，邻居节点抛弃低于所述预设阈值的节点，使其成为孤立节点；步骤4、每个节点在下一轮随机交互开始之前，会同时考虑自己和一位邻居节点之间在交互结束之后所得的信誉差和总函数值差，以一定的概率决定自己是否要采取邻居节点的策略，若不采取，则继续保持自己的策略不变；同时，节点会综合考虑自己的真实函数值情况和邻居节点的真实函数值情况，来动态地改变自己的风险偏好，返回到步骤1，进行重复的博弈。...

【技术特征摘要】
1.一种基于行为经济学风险偏好的社会网络系统的激励方法，其特征在于，包括如下步骤：步骤1、构建激励机制模型，所述模型中的节点与邻居节点进行随机交互，若交互成功，交互的双方同时给出自己的策略，所述策略择一选择为合作或不合作，策略是合作的节点为合作节点，策略是不合作为不合作节点，不能参与交互的节点为孤立节点；步骤2、每个节点会计算出交互所得的真实函数值和新的信誉，每个节点会有自己初始风险因子，节点i的风险因子用αi来表示，若αi＞0则节点i喜好风险，所述节点i为风险偏好节点；所述节点若αi＜0则节点i厌恶风险，所述节点i为风险规避节点；所述节点i中若αi＝0则节点i对风险保持中立，所述节点i为风险中性节点；风险偏好节点、风险规避节点、风险中性节点会分别根据各自的真实函数值和风险因子计算各自的总函数值；步骤3、邻居节点根据节点的信誉值变化情况，动态地调整与节点的连接强度，信誉低于预设的阈值后，邻居节点抛弃低于所述预设阈值的节点，使其成为孤立节点；步骤4、每个节点在下一轮随机交互开始之前，会同时考虑自己和一位邻居节点之间在交互结束之后所得的信誉差和总函数值差，以一定的概率决定自己是否要采取邻居节点的策略，若不采取，则继续保持自己的策略不变；同时，节点会综合考虑自己的真实函数值情况和邻居节点的真实函数值情况，来动态地改变自己的风险偏好，返回到步骤1，进行重复的博弈。2.根据权利要求1所述的基于行为经济学风险偏好的社会网络系统中的激励方法，其特征在于，步骤1还包括：根据节点与节点之间的连接强度，计算出两个节点发生随机交互的概率，来判断两个节点是否会发生随机交互行为，两个节点发生随机交互的概率由下面的公式给出：Wi,j(t)＝Wi→j(t)×Wj→i(t)(1)其中，Wi→j(t)和Wj→i(t)分别代表两个节点i对节点j的单向连接强度和节点j对节点i的单向连接强度，Wi,j(t)代表节点i和节点j发生交互的概率。3.根据权利要求2所述的基于行为经济学风险偏好的社会网络系统中的激励方法，其特征在于，步骤2还包括：用Ri(t)表示节点i在第t轮交互中的信誉值，首先根据下面的公式计算Ri(t)：在公式(2)中：其中，Oi(t)表示节点i在t时刻的有效邻居数，Hi(t)表示节点i的总邻居数，φ(0＜φ＜1)代表的是节点对邻居节点的行为评论传播程度，φ的值越大，节点对邻居节点的行为传播能力就越强；ci(t)表示节点i在t时刻的策略，节点i采用策略合作或背叛时，使用向量ci来表示：ci＝(1,0)T或ci＝(0,1)T，εi(t)表示风险因子的归一化值，αimax、αimin分别表示节点i的风险因子可取的最大值和最小值；Πreputation为历史信誉因子，Πevaluate为传播因子；根据节点在步骤1中的行为选择，根据下面的公式来计算每个节点的真实函数值：其中，Ωi(t)表示t时刻节点i的有效邻居节点数；ci(t)和表示cj(t)分别表示i和j在t时刻的行为决策，M表示双方的真实函数值矩阵；每个节点根据自己的真实函数值以及自己的风险因子，根据下面...

【专利技术属性】
技术研发人员：李登，汤应春，桂劲松，刘佳琦，
申请(专利权)人：中南大学，
类型：发明
国别省市：湖南,43