网络社区的游戏进化

网络社区的游戏进化（精选8篇）

网络社区的游戏进化 篇1

摘要：新媒体盛行的今天,虚拟社区受到了网络人士的热爱,成为一个公平、和谐、团结的社区。网络游戏的公会和团队使得无数玩家在同一个游戏中相互交流、交友、沟通,形成了一个庞大的虚拟世界。文章从公会和团队出发,分析网络的虚拟社区是如何实现公平、公正、和谐的。

关键词：网络游戏,虚拟社区,虚拟自我,身份认同

1 公会

网络游戏的公会作为游戏中玩家与玩家交互的基本平台,成为一个公平、和谐、团结的社区。无数玩家在同一个游戏中相互交流、交友、沟通,形成了一个庞大的虚拟世界,而公会就是这个虚拟世界中的小社区。在这里,玩家可以实现与现实世界对等的、公平的待遇。此外,网络游戏的虚拟社区相比现实的社区有很大的优势:公平、公正、和谐。“合作”是网络社区的一大特点。加入公会的成员必须与其他玩家进行合作,才能获得奖励。公会作为游戏中最基本的社会结构,都有自己的网站和论坛,相当于另一个社区。

孤单是人所惧怕的,游戏设计者抓住了玩家的这一需求,允许玩家个人自行建立公会,大大地调动了玩家的积极性。公会作为一个社区,在网络游戏中是不断更迭的,在游戏的早期阶段,公会基本上与玩家们慢慢熟悉虚拟世界[1]。公会有严密的管理体系和正式的庞大的领导机构负责处理游戏世界中公会的日常事务,公会有会阶制,有见习、成员、资深、官员、领导等公会头衔,是公会管理者为了赏罚分明所创立的一种奖惩制度,通过不同等级下放不同权限,以达到激励的目的。游戏中给每个公会提供专门的会所,这是公会会员联络交流的地方,有计划的公会活动让会员有机会交换商业技能物品,向低等级会员免费提供物品,增进公会的凝聚力和相互的信任[2]。

我们可以根据团队合作型玩家游戏过程,绘制出团队合作型交互模式图,如图1所示。

玩家建立虚拟角色之后,通过练级,获得相应的装备、技能、成就等。与此同时,与其他玩家结识,并加入公会,等到装备达标后,可以获得参加公会的资格。与公会成员一起进入公会进行活动,可以获得装备和报酬,公会的活动以DKP积分的方式由团队负责人进行记录,每一次活动成员都可以获得等额的DKP。积累较多积分之后,成员才可以获得装备。由于DKP分值只在本公会使用,因此它很大程度上束缚了玩家,使玩家长期地留在公会中。

从图2中,我们可以看到玩家加入到公会后的公会活动以及获得奖励的流程,这也是公会团队活动中的每个玩家所重复的步骤。

2 团队

随着游戏中公会的组建,公会中的成员逐渐增多,来源也不尽相同,但是他们都有着共同的目的:组队竞技。彼此之间通过公会的活动不断增强了信任,通过虚拟世界的交往,延伸到现实世界的交往,慢慢会形成一个庞大的玩家社区。在这个社区中,每个玩家之间都有着密切的联系,与现实社会一样。而这个社区能否长期存在下去,取决于游戏社区中的团队活动,特别是副本团队的组建,也直接影响着玩家是否能够获得奖励和装备。

如图3中,游戏预先设定的规则,玩家是不可控的,不能进行自由选择。对于玩家来讲,可控的部分为左右两边的实线所标记的步骤,玩家可以在游戏规则所强制的步骤之后,进行可控性的自主选择。

通过对网络游戏两种团队合作方式进行对比,可以得出:

第一,在网络游戏庞大的虚拟社区中,玩家会主动地接受游戏规则,并且为了达到游戏目的,不断地在与内部游戏设定以及外部虚拟社区之间进行积极的互动,创造出个人的游戏规则,表现了网络游戏中玩家个人的主体性所在。

第二,网络游戏中的团队合作系统是一个既虚拟又真实、既公平又复杂的交互系统,玩家在游戏中践行的每个阶段,都存在着各种合作方式。公平成为网络游戏团队合作的共同理念,这也是网络游戏得以壮大的经验所在。

综上所述,与传统的大众媒介相比,网络游戏的形成了一种复合式的多重传播。这种传播具有两个特点:

1)作为一种新型的大众传播方式,网络游戏把大众传播的单向传播隐藏在游戏者在游戏中人与人之间的传播——类人际传播,以及游戏者与自己虚拟角色的自我传播——人内传播之中。

2)网络游戏的传播将游戏内容外化为符号的传播,并且将符号与玩家虚拟体验相结合。传播者将网络游戏文化、观念、艺术结合在一起,建构成一个体验平台,游戏者通过在这一平台的虚拟实践与虚拟体验,自愿地“被迫”接受传播者所塑造的符号系统,并在某种程度上内化为自我认同与真实践行[3]。

参考文献

[1]施芸卿.虚拟世界中的公平演练——以《魔兽世界》为例探讨虚拟世界团队的合作机制[J].青年研究,2012(1):25.

[2]丰晨成.“魔兽世界”中的合作行为与组织——规则的影响[EB/OL].天则经济研究所,http://www.unirule.org.cn/Se cond Web/Article.asp?Article ID=2487.

[3]吴玲玲.网络游戏的传播模型建构与传播机制分析——基于大型角色扮演类网络游戏[J].福建论坛:人文社会科学版,2010(4):104-105.

网络社区的游戏进化 篇2

成果类别：论文

单位：南昌市新建区第二中学

姓名：涂芬琦

电话：***

“进化论游戏”在心理课堂的应用及思考

关键词：进化论游戏

心理课堂

高中生在生理心理方面都渐渐趋于成熟，老师家长的说教已经无法触动学生的内心，心理课堂如何才能让学生有所触动，得到释放，团体游戏应该是一个很好的选择。根据团体动力学的理论团体并非个体的集合，而是一个包容诸个体的“格式塔”。作为团体，它不是由各个个体的特征所决定的，而取决于团体成员相互依存的那种内在关系。所以要改变个体应先使其所属团体发生变化，这比直接改变个体来得容易。要让同学们理解人生的道路各种各样，应坦然面对，人生必然要经历不同的挫折困难最后进化成人这样的道理，在高三的心理课堂上“小鸡变凤凰”这个进化论游戏触发学生是很好的选择。

新建二中

涂芬琦

高中生在生理心理方面都渐渐趋于成熟，老师家长的说教已经无法触动学生的内心，心理课堂如何才能让学生有所触动，得到释放，团体游戏应该是一个很好的选择。“小鸡变凤凰”这个进化论游戏主要是用来让学生体验成功路上的挫折，在高三的心理课堂上我更多希望让学生从这个游戏中认识到成功的不同形式，有的人一帆风顺，有的人几经坎坷，有的人坚持到底也没能成功，面对不同的人生道路，应该持有什么样的人生态度，在这个过程中应该吸取什么经验和教训呢？

一、方案格式：

（1）活动时间：大约10分钟；

（2）活动流程：

1.参与者

a.全班同学参与

b.参与游戏的每个同学必须全力以赴，去体验其中的收获小游戏大道理；

2.进化过程：鸡蛋——小鸡——凤凰——人类。两人猜拳赢了孵化高一层次，输了就要自动降低一层次。

3.动作示范：

鸡蛋的造型：一脚在前一脚交叉在后，双手交叉，手心朝外在头顶。

小鸡的造型：半蹲，两胳膊为小鸡的两翅膀不停的展开。

凤凰的造型：右手在头前方昙花指，左手在后为尾巴左右煽动，一前一后。

l

人类的造型：摆一个很酷的造型，最能表现自己个性的动作。

若有人没做其中动作也要惩罚。

组织者和参与者要好好观察别人是否正确，举报者有奖励。

（3）注意

1．如果进行到最后还有人没有进化成人，也可以请已经变成人的同学帮忙，谁赢了，谁就进化成人。

2.参与者过程中要保持安静，只能通过造型判断对象，不同层次不能划拳，否则惩罚。

（4）奖惩方式：不遵守规则的同学在背景音乐下用屁股写自己的名字，或表演节目。

（5）游戏结果：最后剩下三个同学没有成功，一个鸡蛋，一个是小鸡，一个是凤凰。

二、体验分享

最快速度成功成人的同学A：那一刻很开心，感觉很爽。我觉得成功要快速出手，不能等，还要找准对象，要找那种看上去比较弱的同学，当然运气也是很重要的。

最快速度成功成人的同学B：我一把都没输过，有时候就是平局。主要是要观察对手，如果他表情紧张出剪刀的概率就比较高，如果他表情轻松出布的概率就更高，相应的我就可以赢或者平局。

几经波折最后成功成人的同学A：其实我刚开始是很顺利的，迅速地变成了凤凰，可就在离成人还有一步时，输了，还一输到底，到最后别人几乎都成功，我才成功了，之前心里还是有些失落的，还有些紧张，最后还是蛮开心的。我认为还是要坚持，坚持才有希望。

几经波折最后成功成人的同学B:“我终于成人了”。虽然经历好几次波折起伏，但我还是很高兴的，几经波折最后没有成功成人的同学A：我就没站起来过，最好成绩就是小鸡，哪怕让我变成凤凰也好啊。有些失望，我有些背。

几经波折最后没有成人的同学B：最后都没有成功，不过我还是玩得很开心的。

主动帮助他人的同学：我帮助他人成人，虽然自己退化，感觉也挺好，因为我们是朋友啊！

总结：（1）这个游戏其实也是我们人生的缩影，刚开始我们都在同一起跑线上，通过各自地努力变成人，有些已经成为人，有些还是小鸡。可是时间不是停留地，人也是会发展的，小鸡最终也会变成人的。

（2）

有的人很顺利，有的人可能要经历很多挫折才能成功，甚至在短暂地游戏中有人不能成功，你们会怎么看？我想两点之间直线距离最近，可曲线一定是更丰富的，甚至是更美丽的。奥巴马55岁就退休，川普70岁才开始当总统，有些人一直顺风顺水，年纪轻轻就功业有成，有些人坎坎坷坷一辈子，到了行将就木才绽放光彩，每个人都有自己地生命成长路线，享受属于自己地过程就好了。

（3）

有些人几经波折也没有成功成人，但他因此玩得最多，也玩得最开心，这也是另一种意义的成功。

（4）

有些同学主动帮助他人，最后成就了他人，却让自己退化了，他用行动种下了一颗善良的种子，依然是开心的。

思考：

（1）班级团体心理游戏为学生创造了一个自然轻松的氛围，同学们的参与度很高，也很有热情。很多学生在进入高三后，感到了强大的学习压力，有些学生可能出现一些自我否定，有些学生在与同学比较过程中产生嫉妒心理。如果在不能很好的调适这种心理状态，就会导致恶性循环，学生容易产生消极情绪，进而在学校学习生活中疲于被动应付，面对即将到来的高考也没办法用良好的心态面对。这次团体心理游戏创造了一种信任的、温暖的、支持的团体气氛，各种消极的情感认知在这种班级整体氛围得到释放，同班学生在游戏中的信任、支持使自我得到肯定和鼓励，学生们在这种开放互助的游戏中间，自我防卫心理机制降低，逐渐的放下了心理包袱，自信心逐渐回升，能正确地认识高考在人生中的意义，轻装对待自己的高三学习生活。

（2）再次，班级团体心理游戏中的分享和感悟，促进学生自我成长。认知行为疗法认为，在团体情境中,成员之间的分享、体验、感受能够促进他们的认知、情感以及行为模式的改变,模拟社会情境有助于学习及实践有效的行为模式。在具体的分享环节中我主要找了最快速成功的，和几经波折成功的，以及最后怎么努力都没有成功的分享自己的感受以及方法，大部分同学都有自己的领悟，在听他人分享的过程也很快乐。

（3）还有，就是心理游戏带来互动，带来乐趣，化解了同学之间的各种不良的负性情绪。高中生活中同学之间的交往难免会出现摩擦、矛盾、冲突等等，尤其是高中女生矛盾更多，一旦各种情况下的碰撞产生了偏见、误解、语言或者肢体冲突，就会在学生的内心留下困惑、裂痕、伤害等等。而这次地进化论游戏设计里，我加入了可以帮助同学这一环节，有助于让同学表达善意，关心，促进同学的交流交往。鼓励学生真诚地分享自己的情绪和感受，对于受到他人的帮助也能真诚地表示感谢。在充满乐趣的互动里学生们易于释放自己、敞开心扉。

网络营销:企业营销的进化 篇3

以往的营销咨询观念、工具、方法在网络时代都需要更新换代而不仅仅是另一种新的营销工具的应用。

在这一点上，传统营销咨询公司好像仍在抱着自己曾经的“辉煌经验”不放，仍然认为现在信息不对称，仍然以为现在消费者在“被动接受”信息，仍然以为只要投放CCTV或者某一个媒体就可以解放全中国……

他们显然对新形势估计不足，而且对网络营销摸不着门道，虽然意识到了网络营销将是趋势，可依然无法做到观念网络化。

网络营销将催生营销咨询新霸主

一如小沈阳紧扣“男色时代”脉搏，站在赵本山的“对立面”并一举成为了新一代“小品王”一样，网络营销也将改变营销咨询行业的游戏规则，而营销咨询行业的新霸主却未必是跟风的“老黄宏”们，而一定是年轻并深刻网络化生存的年轻营销专家。

网络时代的游戏规则与传统时代的游戏规则截然不同，没有人可以脱离一个时代而生存，而更没有一个人可以横跨两个时代，就像柯达在胶卷时代是霸主，但在数码时代却不得不面临被淘汰一样。营销咨询行业的许多老人也无法拥抱网络时代，因为骨子里的观念和经验让他们无法感同身受。

试想一下，当尚道用网络营销帮助哎呀呀“消灭”了很多业务员，并可以用更低的成本、更快的时间来组建全国经销网络，3年即年销售8个亿时，很多传统营销专家恐怕内心一定有惊慌。

网络营销标准化才可规模化

网络营销比传统营销最大的好处就是可效果化、可标准化、可精准化，因为网络把世界变成了平的，许多中间复杂环节都节省了，很多品牌与消费者的距离只是一个鼠标的距离。网络让营销真正做到了“数字化”，这又是一个与传统营销“相反”的地方，网络营销完全可以通过技术做到“标准化”，从而规模化，很多网络营销公司短短几年收入过亿甚至上市就是这个道理。

尚道每年服务的哎呀呀是一个典型的案例。

首先，尚道协助哎呀呀选择了百度竞价排名和SEO，根据尚道对哎呀呀潜在客户的理解和搜索习惯分析，筛选了近1000多个长尾关键词，来吸引潜在加盟创业的人来到哎呀呀网站，而关键词的选取完全可以凭借百度工具等来组合达成，并不需要太多创意在里面，而且可以根据访问量、转化率等统计数据进行调整完善。从2005年投放百度2400元到现在每年在百度上花费100多万元，哎呀呀用极低的营销成本完成了2000个加盟店的全国布局，如果用传统的招商模式，恐怕至少3000万元以上的成本才有可能达到。

其次，尚道根据网民只喜欢浏览并不喜欢在企业网站搜索和寻找的特点，把哎呀呀网站做了至少3屏长的首页，引起了同行的不屑，但赢得了网民的喜欢。另外，根据网民对信息浏览的重要性进行排序，并根据排序进行网站整体布局，几乎也成了尚道服务其他客户的标准模板。既然网民都一样，为什么为了创意而创意呢?标准化有效即可。

在互动方面，尚道更是把标准化发挥到了极致。比如哎呀呀的客户咨询系统的话术，尚道为其设计了至少2000多个标准问答话术，客服人员可以根据关键词匹配，直接发给相应的咨询客户，节省了时间，而且成功率高，减少了人为的回答不正确而丢失客户的几率，而且这个话题库一直在持续改善中。

正是因为可积累、可持续的标准化网络服务，让尚道服务哎呀呀时并不需要通宵达旦，因为一切都在“系统运行”不断完善中。

网络课程的进化式开发研究 篇4

一、进化式开发

所谓进化式开发, 就是先开发出一个原型系统给用户使用, 通过用户的反馈意见来修改系统直至最后成熟。基于进化式方法开发网络课程, 其优势在于可以不断补充完善对网络课程的需求描述, 当用户对系统需求有了更深刻理解时, 能够很快在系统中得到反映, 而付出的代价最少。

1. 常见的网络课程开发方式及其问题。

我们在开发建设网络课程时, 一般要进行以下活动: (1) 需求分析和描述:通过咨询教师、学生建立网络课程的服务约束和目标, 并对其进行详细描述。 (2) 系统设计:区分课程内涵建设与课程技术加工的需求, 并将这些需求分割成不同的功能单元, 从而建立一个总体的系统体系结构。 (3) 实现和单元测试:按照已划分好的不同的功能单元, 由学科教师完成课程内容、资源、试题库等内容的内涵建设;由软件开发人员进行网站编程开发、美工设计、视频制作, 并测试每个单元是否符合其描述。 (4) 集成和系统测试:继承各个功能单元, 利用技术手段将课程内涵建设部分集成到已构建好的网站上。在系统测试成功后, 系统可交付使用。 (5) 运行和维护:网络课程系统被安装并进入实际的使用后, 维护人员负责网站IP地址、域名的配置, 网络连接的畅通, 实现网站对外开放正常运行。以上活动并非同时进行, 而是需次第进行, 即前一项活动的结果 (一个或多个经过核准的文档) 是下一项活动开始的先决条件。这种系统开发方式一般被称为“瀑布式”开发方法。

“瀑布式”系统开发方法在每个阶段都生成文档供下一阶段使用, 容易理解和实现。但它将系统开发生硬地分解成五个确切的阶段, 不够灵活;并且“瀑布式”开发方法是一次性的开发, 在系统开发的早期就确定了用户需求, 在后期实现阶段, 即使需求发生了变化, 也很难进行重大修改。另外“瀑布式”方法在需求分析和描述阶段往往耗费时间过长, 这样会拖延整个系统的上线时间。

2. 进化式的网络课程开发方法。

采用进化式方法开发网络课程, 首先需要用户大概地提出系统需要提供的服务, 并指明哪些服务是最重要的, 哪些是最不重要的, 开发者首先考虑用户指出的那些重要的或急需的服务, 定义出网络课程系统最初的框架描述;然后并行进行系统的描述、实现、有效性验证等活动, 得到一个初始的系统版本, 我们往往称这个版本为系统的原型。

所谓原型, 是指根据用户的初始需求 (此需求并不全面、准确、客观) , 构造出的一个实验性质的系统, 该系统可帮助网络课程的用户理解他们的真实需求 (此需求相对全面、准确、客观) 。开发者利用初始的原型获得了有用的指引, 就可以进入下一轮对原型的改造。开发者根据用户的反馈, 对不合用户需求的地方进行修改完善, 如果可能, 开发者还会在上一轮开发中忽略的那些不太重要或急需的功能加入系统, 测试完毕后就形成了系统的中间版本, 或称更加完善的原型, 再交由用户进行有效性验证, 依次过程循环往复, 直至用户满意为止, 这时就形成了网络课程系统的最终版本。原型在整个开发过程中有以下作用:①在需求描述阶段, 原型可帮助导出真实的系统需求, 加快系统开发的步伐;②在设计阶段, 原型可用来探索特殊的软件解决方案和支持用户界面设计;③在有效性验证阶段, 原型可移交给用户进行测试。

(1) 进化式网络课程开发的优点。

采用进化式的网络课程开发方法, 主要有以下优点:①能够较快开发出网络课程系统。在需求分析阶段只要获得用户的关键需求就可进入到设计和实现阶段, 而且网络课程的初始版本一开发出来, 就可立即上线向用户开放, 缩短了用户的等待时间。②更能反映用户的真实需求。系统的原型允许用户看到系统是如何工作的, 这样用户会对需求有些新的想法, 会找出原型中的缺点和不足。③系统开发整体性失败的风险较低。在进化式开发方法中, 用户的关键需求是首先被实现的, 并包含于各版原型中经过多次有效性验证, 这使得最重要的系统服务肯定接受了最多的测试, 也就意味着系统的最重要部分, 不太可能遇到开发失败。④适应网络课程开发的现状。目前很多网络课程的开发者和统筹者就是课程的主讲教师。除计算机相关课程的教师外, 其他教师的信息技术水平有限, 他们往往是“在干中学”。而进化式的网络课程开发模式, 可以使教师先开发一个技术实现较为简单的系统, 当教师自身的信息技术水平有所提高时, 再对网络课程系统进行进化式的改善。⑤由于进化式开发是边开发边使用, 节省了开发人力和相关费用。

(2) 进行进化式开发的注意事项。

虽然相对于“瀑布式”开发方法, 进化式开发有很多优势, 但在使用进化式方法开发网络课程时, 需要注意以下事项:①用户参与用户 (学生、教师、教学管理者、相关专家) 应该始终紧密参与整个开发过程。对于网络课程建设来讲, 学生是最重要、最活跃的用户, 老师要对学生的要求进行甄别, 合理的建设性的要求予以采纳, 反之舍弃。②增量式原则进化式开发是从用户的关键需求开始, 这些需求被描述得最好且优先级最高。在每一轮原型的开发中, 一系列新的需求以增量的形式交付给开发者, 而低优先级或模糊的需求可留待下一轮对原型的开发中实现。③接受变更。在构建系统框架时, 要预计到可能的需求变更使系统框架能够容纳或适应这些变更。④保持简单性随着进化了的原型能够满足越来越多的用户需求, 系统会逐渐变得复杂。开发者要致力于保证所开发的软件和开发过程的简单性, 只要有可能, 就尽量降低系统的复杂性。⑤保持反馈。瀑布式开发方法把系统开发和系统维护看作两个完全独立的过程, 而进化式开发则把二者看作是一个进化过程, 即系统在其生命周期内随着需求的变化而变更的进化式过程。

二、进化式网络课程开发模型

用进化式方法开发网络课程, 实质上就是对原型的不断完善。这一完善是通过描述、设计和实现、有效性验证这几项活动的不断反复而实现的。每项活动的每次反复都使得系统有所进步, 众多的这种反复集成起来, 就是一个贯穿系统开发生命周期的由描述、设计和实现、有效性验证组成的螺旋上升过程, 螺旋的每一圈都会满足新的需求, 增加新的功能和设计, 从而实现进化。

我们进行进化式开发网络课程的时候, 可以有意识的依据此模型实施开发, 在每一个原型有效性验证阶段完成时, 对本次原型开发的四个阶段进行总结, 并与上一个原型进行比较, 得出工作中的经验或失误, 并将经验应用于下一个原型的开发中。这样, 整个网络课程的开发就呈现螺旋上升的趋势, 从而获得更进一步的教学效果。

摘要：网络课程的建设是各高校拓展教学范围的重要方式。本文提出一种新的进化式的网络课程开发模型, 介绍进化式的开发方法和流程, 将进化式的软件开发思想引入到网络课程的开发和维护中, 使网络课程更具生命力和活力。

关键词：网络课程,进化式,开发研究

参考文献

[1]吴东醒.基于自主学习的网络课程的设计与开发[J].电化教育研究, 2008, (6) :88-90.

[2]尚亚丽.基于自主学习的成人网络课程设计[M].东北师范大学, 2005.

[3]李华.高等教育信息化发展中的几个热点问题研究[J].电化教育研究, 2008, (5) :19-22.

[4]柯和平.精品课程高校开发模式探索[J].电化教育研究, 2008, (7) :9-12.

网络社区的游戏进化 篇5

本文对两个看似完全不同的研究领域:进化计算和复杂网络的相互关系进行简要研究[1]。进化算法 (Evolutionary Algorithms, EAs) 是以达尔文的进化论思想为基础, 通过模拟生物进化过程与机制的求解问题的自组织、自适应的人工智能技术, 遵循优胜劣汰, 适者生存的原则[2]。进化计算具有效率高、简单、易操作、鲁棒性强和通用性好等特点, 能够不受问题性质的限制, 有效地处理传统优化算法难以解决的复杂问题。但传统的描述形式不够清晰, 直观, 不利于理解, 且只注重计算结果, 忽视了算法的中间过程。因此分析算法的优化过程, 用隐含的网络结构动力学演化过程描述优化过程并分析网络结构动力学特征将成为进化计算和复杂网络研究的一大亮点[2,3]。

复杂网络作为大量真实复杂系统的高度抽象, 为研究问题的解决提供了一种新视角、新方法、新工具。通过复杂网络结构的分析可以揭示网络内部的拓扑结构, 理解其功能, 预测其行为。这两个看似无关的研究领域:进化计算和复杂网络, 是否存在某种隐含关系将成为研究重点。如何根据优化过程中染色体的相互关系构建网络拓扑结构模型并展现进化计算中隐含的拓扑结构的动力学演化过程将成为研究的难点与关键。

目前为止关于进化计算和复杂网络动力学关系的研究文献较少。本文从进化计算的优化过程入手, 重点分析进化计算和复杂网络之间的相互关系, 详述算法的中间过程, 并讨论进化算法的可视化步骤。希望对国内关于进化计算中复杂网络动力学的研究起到推动作用。

1 进化计算的基本概念

进化计算是计算科学的子学科, 属于生物计算领域。二战结束以来, 进化计算的主要思想被广泛的引入到科学界[1]。进化算法主要包括遗传算法 (Genetic Algorithms, GA) [4]、遗传规划 (Genetic Programming, GP) [5]、进化策略 (Evolution Strategies, ES) [6]和进化规划 (Evolution Programming, EP) [7]等。进化算法能有效处理传统优化算法难以解决的复杂问题, 因此这些算法和设计一经发表就受到人们的青睐。

进化算法最主要的两大特点是群体搜索策略和个体之间相互交换信息。目前进化计算的应用领域已渗透到许多学科, 同时应用实践又促进了进化计算的发展和完善[8,9,10,11,12]。

1.1 基本概念

1.1.1 收敛性

收敛性是进化计算研究的重要指标, 直接关系到算法的应用价值[10,13]。收敛性的研究可为算法的发展提供理论依据和正确方向。

在算法设计中应尽量避免局部收敛或过早收敛。当算法陷入局部收敛时, 产生的结果很可能不满足目标函数要求的最优解。

种群大小作为影响算法性能和收敛性的一个重要因素。种群太小不足以产生足够的样本点, 种群太大, 则增加计算难度、延长收敛时间。因此选择或设计算法时应充分运用已有的收敛性分析研究成果, 从算法结构、控制参数选择、遗传算子的操作方式等方面综合考虑[14]。

1.1.2 适应度

进化计算中优化过程的求解主要依赖于个体的适应度值, 适应度越好, 越有利于生存进化。在优化过程中应尽量让适应度好的个体有更多机会繁殖后代。因此适应度函数的选取非常重要。适应度函数的选取直接影响到算法的收敛速度和能否找到最优解。一般而言, 适应度函数的设计要综合考虑问题本身的要求及其值域的变化范围等[15,16]。

1.1.3 种群多样性

进化算法通过对大量个体进行优化操作推动种群进化, 通常情况下种群的多样性越大, 得到最优个体的几率越大, 种群多样性越小, 个体之间差异性越小, 越容易发生过早收敛现象。所以种群多样性是进化的前提条件, 种群只有在保持一定多样性的情况下才能进化。正确评价种群的多样性对进化算法的改进有着重要的指导作用。其中种群熵作为种群多样性评价的指标之一[17,18]。

定义1若第t代种群有Q个子集:St1, St2, …, St Q, 各个子集所包含的个体数目记为|St1|, |St2|, …, |St Q|, 且对任意的p, q∈{1, 2, …, Q}, 有为第t代种群的集合。则定义第t代种群的熵如下:

其中, N为种群中个体数目。

当种群中所有个体都相同, 即Q=1时, 熵取最小值, Emin=0。当Q=N时, 熵取最大值, 即Emax=log (N) 。种群中个体类型越多, 分配得越平均, 熵越大。通过比较熵和最大熵的大小, 分析种群多样性程度, 进而判断进化算法的好坏。令α=Et/Emax, 显然α∈[0, 1]。α越大, 种群多样性越大, 反之, 多样性越小。定义α≥0.5时, 种群具有较大的种群多样性。

在选择或设计算法时, 应首先考虑收敛性问题。在求最优解时, 应综合考虑收敛性、适应度函数和种群多样性。适应度函数的选取直接影响收敛速度和能否得到最优解。最后还应保证种群的多样性。种群多样性越单一, 算法越容易陷入局部最优, 算法性能越差。

1.1.4 缺点

进化算法发展较早, 应用广泛, 其中遗传算法的应用最为广泛。但也存在一些缺点。传统算法的描述形式包括文字描述, 代码, 以及二进制, 十进制和结构式编码等[19]。但这种描述、代码及编码形式不便于阅读理解。且只关注计算结果, 往往忽视算法的中间过程。优化过程中各个染色体之间有什么关系, 这种关系是否会影响进化结果?进化策略是否唯一?最优个体具有什么样的配对方式?若生成最优个体的配对染色体相似率较高, 则不利于种群多样性的发展, 也不利于种群进化。通过分析中间过程, 将这个过程用复杂网络结构进行可视化, 利用复杂网络技术找出能生成最优个体的相似率较低的染色体, 推动种群进化。

因此复杂网络结构动力学能有效弥补这一缺点。受到2014年进化计算会议 (IEEE CEC) 上一篇名为《Evolutionary Algorithms Dynamics and its Hidden Complex Network Structures》文章的启发, 可以将进化算法的优化过程用复杂网络动力学描述, 将复杂的中间过程描述为清晰的网络结构图[2]。用复杂网络工具分析形成的结构图, 进而控制算法。用基因片段相似度低的染色体产生最优个体, 提高种群多样性。并对算法提出指导和改进意见。

2 复杂网络的研究发展

2.1 起源

复杂网络的研究起源于两篇标志性的论文:一篇是发表在Nature上的小世界网络 (Small World Networks) [20], 另一篇是发表在Science上的无标度网络 (Scale-free Networks) [21]。这两篇论文可以看作是复杂网络研究新纪元开始的标志。自然界中的许多系统都可以用复杂网络描述, 同时, 复杂网络可以量化和预测这个复杂多变的社会。如交通网、因特网、科学合作网、人类语言网、神经网、生态食物链网、细胞网、蛋白质网等。“复杂网络”一词来源于具有既不完全规则又不完全随机的连接模式, 且表现出实质性和非平凡拓扑特征的网络。这些特征包括具有长长尾部的度分布、高聚类系数和分层结构。复杂网络是连接进化算法的另一个研究领域[3]。

复杂网络中, 人们熟知的特征是无标度特性和小世界网络。这两个特征的研究和发现对复杂网络的研究有着非常重要的作用。其具体结构特点是具有幂率度分布的无标度网络和具有相对短的平均路径长度和高聚类系数的小世界网络[22]。

2.2 统计特征

2.2.1 度分布

复杂网络中, 最基本的概念即为度:一个节点与其他节点连边的数目。

有向网络中, 节点度可以分为出度 (out-degree) 和入度 (in-degree) 。出度指从该节点指向其他节点的边的数目, 入度指其他节点指向该节点的边的数目。

度分布p (k) 定义为网络中节点度为K的概率。节点度越大, 对网络的影响力就越大。许多真实的网络度分布都遵循幂律分布, P (k) ~k-γ (通常2<=γ<=3) [23,24]。幂律分布也称为无标度分布。

度大的节点具有较大的度中心性, 在网络中越重要。利用度中心性分析种群的停滞或早熟收敛现象[25], 进而保留最优个体, 改善较差个体。

2.2.2 平均路径长度

网络中定义节点i和j之间的距离dij为连接这两个节点的最短路径上的边数。网络直径D (diameter) 定义为任意两个节点间距离的最大值, 即D=maxijdij[24]。网络平均路径长度L定义为任意两个节点之间距离dij的平均值, [26], 其中, N为网络节点数。

复杂网络具有相对较小的平均路径长度。计算进化算法形成的网络结构的平均路径长度判断进化算法能否用复杂网络或类似复杂网络的结构描述。

2.2.3 聚类系数

社会网络中有“物以类聚, 人以群分”的特性。社交圈窄的人易与人深交, 社交圈广的人不易与人深交, 社交总精力是恒定的。复杂网络中也有类似的特性, 称为聚类。网络中节点i有Ki条边与其他节点相连, 这Ki个节点就是节点i的邻居节点, Ki个节点之间最多可能有Ki* (Ki-1) /2条边, 假设Ki个节点实际的连边数为Ei, 则节点i的聚类系数为[22]。整个网络的聚类系数C是各个节点的聚类系数的平均值。对于N个节点的ER随机网络, 当N很大时, C趋于零 (C=N-1) 。但实际中的网络都有明显的聚类效应, 聚类系数远大于0 (N-1) , 或称为“抱团”现象[22]。

进化算法中, 聚类可反映个体基因的分布。

2.2.4 介数

介数值来源于社会网络中对个体重要性的评估, 度量特定节点和网络中其他节点长度的介数中心性定理首先是由Anthonisse (1971) 和Freeman (1977) 提出的。一个节点 (边) 的介数值表示所有的节点对之间通过该节点 (边) 的最短路径条数占所有最短路径的比例。因此, 它能够刻画节点和边在网络中的重要程度[27]。

任意节点v的介数值定义如下:

其中, ∂st表示节点s到t的最短路径数目;∂st (v) 为节点s到t的最短路径中经过节点v的最短路径数目[23]。也可以导出任意边e的介数计算公式。

由介数值的定义可知, 计算节点和边的介数值, 需要查找图中任意节点对之间的所有最短路径, 因此计算方法具有非常高的计算复杂性。目前, 已知最快的介数计算方法是Ulrik Brandes提出的。如果图中包含n个节点和e条边, 如果是无权图, 该算法的计算复杂性为O (en) ;如果是加权图, 则计算复杂性为O (en+n2log (n) ) 。

具有相对高的介数中心性的节点, 其适应度值相对较大。若节点的最大适应度值改变, 则系统的介数中心性也随之改变。

2.3 研究现状

目前复杂网络的研究已经应用到许多领域。例如, 文本抗毁性研究, 城市网络信息空间局部聚集和整体联通的研究[28,29]。基于复杂网络理论, 可有效分析复杂的综合电力问题、中国股票市场及网络游戏系统[29,30]。网络中节点重要性的分析与评价, 可有效防止整个网络瘫痪[31]。基于复杂网络的高速公路网的结构和可靠性分析, 有助于道路规划和突发事件的控制[32]。将复杂网络理论应用到城市交通网的信号控制研究中, 寻找最优信号网络拓扑的演化过程。最优的信号配时和网络拓扑可缓解交通拥堵现象[33]。

在近几年的研究中, 学者开始关注进化计算中隐含的复杂网络结构, 并取得一些成果。2010年, Zelinka Ivan等人开始讨论进化计算和复杂网络的关系, 研究讨论进化计算是否可以可视化或模拟成复杂网络。Zelinka Ivan等人发现进化计算可以可视化为类似于复杂网络的结构, 而网络结构的构建依赖于多个因素。如果进化计算能被可视化, 那么复杂网络的特点可用于描述算法或在以后的研究中控制算法的动态[34]。随后又对这两者之间的关系进行了进一步研究。在2011年, 讨论了如何用复杂网络工具可视化进化算法。如果进化算法能被可视化, 那么我们有理由相信复杂网络技术可用于控制进化算法[3,35,36]。在随后的几年, 继续研究这两个研究领域的相互关系, 并分析了差分进化算法、自组织迁移算法和遗传算法等的可视化结果[1,2,36,37,38]。

如果进化计算中蕴含着复杂网络结构, 则存在一种改善进化算法的控制技术。但在以往的研究中没有考虑复杂网络动力学。而复杂网络动力学已成为研究的一个热点。

网络上的动力学行为称为建立在网络上的系统动态性质。研究复杂网络的拓扑结构也是为了理解和解释发生在网络上的动力学行为或过程。由于拓扑结构特征的统计量准确衡量了复杂网络的结构特性, 故对复杂网络结构的研究有关键作用, 因此历来是研究的热点所在。网络结构决定网络所承担的各种“功能”, 这些功能是通过网络上运行的各种“动力学过程”实现的, 故动力学过程的行为受拓扑结构的影响。可见, 对网络结构的研究, 是复杂网络其它一切研究的基础所在。不过, 对复杂网络结构的研究, 最终目的还是要用来解释网络上的动力学过程的行为[25]。值得注意的是, 真实网络结构是不断变化的, 网络上的动力学过程有可能反过来影响网络结构的变化, 网络结构与网络动力学过程之间的复杂的相互影响和作用被称为“共同演化”, 是近年来研究的热点。复杂网络拓扑结构对其传播动力学影响的研究是复杂网络研究的一大热点, 具有许多现实的应用, 如传染性疾病, 计算机病毒, 手机病毒, 舆论在社会中的传播与扩散等, 都可以看作是发生在网络上的某种传播动力学行为, 通过对其传播行为的研究可以揭示其规律, 制定相应的控制策略[39]。

复杂网络动力学的应用很广, 但是用复杂网络动力学特性描述进化算法中间过程的文章还较少。本文将对网络动力学特征表示算法的优化过程进行简单分析, 并讨论其可视化步骤。

3 进化计算中复杂网络的相关研究

本文的研究目的是用复杂网络的工具弥补进化计算忽略中间过程的缺点, 及进化过程能否如复杂网络一样被可视化和模拟。若进化计算中蕴含着复杂网络结构, 则存在分析和控制进化算法的某种技术。这两个看似完全不同的研究领域之间是否存在某种隐藏的结构关系, 将成为进化计算研究领域的一大亮点[2]。

传统优化过程的描述形式大多为二进制编码、十进制编码或文字描述, 不够清晰直观。传统方法常常忽略算法的中间过程, 而中间过程对算法的结果有重大影响。从种群进化角度考虑, 选择交叉的个体基因相似度高, 不利于种群发展。然而用复杂网络工具可以避免此类问题。分析优化过程中染色体之间的相互关系, 将这种关系可视化为类似于复杂网络的拓扑结构。这种可视化方法能够清晰直观的展现算法的优化过程。分析网络拓扑结构中染色体之间的关系, 动态的展示算法的优化过程, 促进种群进化。

3.1 实验设计

本文主要利用遗传算法研究优化过程中个体的相互关系, 及这种相互关系是否能描述为复杂网络结构。选定的适应度函数为Ackley函数:

遗传算法的参数设置如表1所示。根据算法的优化过程, 将算法重复运行100次, 在100次迭代中10个个体的选择如图1所示。图1中的点代表每次迭代的最优位置。

3.2 可视化

本文中可视化的原理遵循自然界中适者生存的原则。适应度越好的个体, 被保留下来并成功产生后代的几率越大。进化算法描述为复杂网络动力学的步骤为。第一步:学习进化算法的规则和过程;第二步:分析个体之间的关系, 如哪些个体可用于产生新个体, 哪些个体从较差位置移动到较优位置。第三步:选择分析进化算法的复杂网络工具;第四步:用复杂网络动力学可视化算法的优化过程并分析形成的拓扑结构图。

随着算法的迭代, 个体之间的关系不断变化, 根据不断变化的染色体之间的关系建立网络拓扑结构模型。根据复杂网络动力学将算法的中间过程描述为网络结构的变化图 (图2) 。最后利用结构图验证各个算法的特点。

形成的网络结构是否符合复杂网络特性还需要进一步验证。将种群大小增大到100, 利用上述可视化步骤得到如图3所示的典型网络结构图。然而图3是否符合复杂网络特点, 还需要用复杂网络特性进行验证。

为确定图3的结构是否类似复杂网络, 可用复杂网络的典型特征进行验证。例如具有长长尾部的度分布。分析图3中度的分布特征得度的分布图 (图4) 。从图4的拟合结果可知拖着长“尾”的分布曲线基本符合复杂网络的度分布特性。

真实网络结构的度分布一般符合幂律分布, 即“富者越富”理论。幂律分布在双对数坐标下近似为一条直线。在图4得到的幂律分布图 (图5) 中除去距离较远的点外, 前半部分的线性特性较弱, 而后半部分近似于一条直线。因此可以说, 图3的结构图类似于复杂网络结构。

由遗传算法的熵 (图6) 和100个个体在第100代时形成的网络结构 (图7) 可以看出, 算法的熵在一定范围内来回波动, 波动范围在0.8~1.4之间, 即0.8<Et<1.4, 0.4<α<0.7。因此遗传算法基本保持种群多样性, 这与图7的结构图基本相符。图7的结构图中个体之间有相互关系但不是全连接。所以遗传算法能够有效找到最优解且基本保持种群多样性。

3.3 发展趋势

随着应用领域的扩展, 进化计算的应用潜力以及复杂网络的应用研究已受到学者们的广泛关注。通过本文的研究对于复杂网络的深入研究以及进化计算的改进、优化和控制等应用方面具有一定的理论意义和应用价值。

目前关于进化计算中复杂网络结构的研究较少。这两个看似完全不同的研究领域, 是否存在着某些隐藏的结构关系, 将成为进化计算和复杂网络研究的一大热点。进化计算和复杂网络结构关系的发展前景是广阔迷人的。

4 结论

该研究可用于复杂网络是否存在于进化计算的分析和控制中。实验结果证明复杂网络结构或类似于复杂网络的结构蕴含于进化计算中, 那么有理由相信存在一种控制或改进进化算法的技术。且复杂网络结构的出现依赖于多个因素, 如种群大小, 染色体长度, 迭代次数等。

文中主要讨论了进化计算和复杂网络动力学的关系。重点分析了如何用复杂网络工具可视化进化算法, 通过复杂网络特性可分析进化计算的特点并促进算法的进一步改善和发展。

摘要：基于达尔文进化论的进化算法可以将问题的求解过程模拟为群体的适者生存过程, 通过群体不断进化, 求得最终解。但进化过程的描述不够清晰, 且只注重最终结果, 常常忽略算法的中间过程。复杂网络结构可有效弥补这一缺陷。通过分析算法的优化过程, 将个体之间的关系进行动力学过程描述, 并讨论其蕴含的复杂网络结构, 最终利用复杂网络技术控制或改进算法。设置相关参数进行动力学描述的实验设计并验证网络结构是否符合复杂网络特征。研究结果表明进化计算的优化过程可以描述为复杂网络结构或类似于复杂网络的结构。这对于复杂网络的深入研究及进化计算的改进、优化和控制有一定的理论意义和应用价值。

网络社区的游戏进化 篇6

创新网络具有两大特征:创新的复杂性特点决定了人只可能具有有限理性;创新网络的形成是一个动态的调整过程。由于传统博弈理论建立在假定参与人是完全理性的,且信息是完全充分基础上的,而在现实的经济生活中,参与人完全理性与信息完全充分是很难实现的,因此,应用传统博弈理论研究创新网络的形成问题就不合适了。

进化博弈理论的推出正好弥补了传统博弈理论这方面的不足。进化博弈理论强调,在有限理性的条件下,各博弈方的策略均衡是不断调整的结果,而不是一次性选择的结果。通过长期不断的模仿和改进,所有的博弈方最终都会趋向于选择某个稳定策略,并且在大多数博弈方都采用这种稳定策略时,个别博弈方选择“突变”策略并不能使自己受益。这种稳定策略被形象称为“进化稳定策略”。

区别于以往静态博弈方法,本文根据创新网络形成过程的特点,选择学习速度较慢的大企业反复博弈理论——复制动态进化博弈理论对创新网络的形成机理进行研究,构建创新网络复制动态模型,定量研究创新网络趋向稳定状态这一过程的微观机理,有利于人们对企业创新网络形成机理的认识,并为企业的学习研究和政府政策的制定提供参考。

1 文献综述

目前关于创新网络形成机理的研究中,既有利用博弈论、复杂网络理论等建立理论模型进行理论研究的,如Casper在运用复杂网络方法研究美国加利福尼亚地区生物技术企业中高级经理社会网络的形成机理时发现,该地区劳动力的流动形成了一个巨大的的网络,其中经理人员之间的联系是网络的核心[1]。田钢、张永安、兰卫国设计了一个包括两个企业,两种商品和两类知识的简单经济系统,然后利用复杂适应系统理论构造刺激——反应模型对创新网络形成的机制进行研究。研究表明,创新网络的形成是自组织和自适应的过程,过多人为干预不会达到理想效果。同时,若创新主体间的知识水平相差过大,合作也不会发生[2]。也有采用仿真方法进行仿真研究的,如Muller和Penin建立了一个描述创新网络产生和演化的仿真模型,其中公开知识扮演重要角色。研究表明主动分享公开知识的企业更可能加入创新网络并获得网络的中心位置,这是由于通过主动分享公开知识使其他企业更愿意同它合作[3]。还有关于创新网络形成和演化的实证研究的,如王大洲在实地调研的基础上,就上下游企业间及同行企业间的网络关系分别进行了考察,比较了这些关系对企业技术创新的重要性,提出我国企业创新网络进化的总体趋向是:从政府协调走向企业自主协调,从开采性创新网络走向探索性创新网络,从本土创新网络走向跨国创新网络[4]。池仁勇通过对江浙地区中小企业创新网络进行调查,发现历史、需求拉动、区域文化环境等因素对中小企业创新网络的形成有一定影响[5]。

目前,运用进化博弈方法进行创新网络方面的研究尚不多见。Zander从演化视角研究了瑞典通用电器公司与Brown-Boveri合作,研究表明:网络形成过程中,由于某种经济动因不断变化,网络的形成是一个不断演进的复杂过程[6]。罗发友等对网络内企业技术创新行为构建了鹰鸽博弈、鹰鸽反击者博弈和鹰鸽应变者博弈三个模型,得出集群内企业创新行为不存在纯策略进化稳定均衡,但存在混合策略进化稳定均衡和行为策略进化稳定均衡,反映了集群内企业创新行为的协同竞争性及其进化稳定特征[7]。

区别于之前文献中将企业合作创新的形成看作是一次静态博弈过程,本文强调,在有限理性条件下,博弈方之间的均衡策略不是一次性选择得到的,而是不断调整的结果。因此,通过长期的模仿和改进,最终所有博弈方都会趋于某个稳定策略,合作创新网络便暂时达到均衡。

2 基本假设

为建模方便,结合企业创新网络形成的特点,做如下假设:

假设一:节点的创新效益与其投入正相关。对企业类节点,创新效益系数反映企业的生产技术水平、经营管理水平及服务水平等;对学研机构类节点,创新效益系数反映学研机构的知识和人力资源、研发经费投入状况及科技成果转化能力等。

假设二:研发合作存在协同效应和溢出效应。关于集群网络方面的研究表明:网络中的节点通过与其它节点建立各种正式或非正式的联系,一方面,可以交换知识和信息,共享资源和成果,提高自身的创新能力,另一方面,又可以通过合作分摊研发成本和风险。同时,合作使得信息和资源在网络内流动,获得并利用该信息和资源的节点从中获益,而信息和资源的提供者却因此减少对稀缺资源的控制,而其往往很难从合作中获得相应的补偿。

假设三:若博弈双方都选择合作,其将按各自投入资源的比例获取相应的收益;若双方都选择不合作,合作的收益都为零;若一方选择合作,并投入相应资源,而另一方选择不合作,则选择合作的一方将承担资源投入的成本,而另一方也能从对方投入的资源中获取部分收益。当然,该收益远小于其从合作中获得的收益。

假设四:由于信息不是完全的,因此博弈各方在选择自己的策略时并不能预先知道对方将采取何种策略,从而也无法考虑自己的决策对其它参与者的影响,而只能根据对方既定的策略,不断对自己的策略进行调整,直至达到博弈均衡。

3 模型构建

根据假设,A、B节点合作与否取决于各自独立研发投入产生的收益与合作时收益的比较。独立研发时,节点的收益仅取决于自身的投入,即y=βχα (β>1);合作时,收益还与合作的协同效益和溢出效应有关,即y=kβχα (β>1),其中k=λ/γ,λ为协同效应系数,γ为溢出效应系数, λ>=1,γ>=1。A、B合作的概率分别为x,y。合作时,A、B节点分别按比例a,b投入aI,bI的资源(a+b=1),继续合作,则两节点按投入资源比例分享创新成果;否则,坚持合作的一方收益为0,而不合作的一方则能从对方投入的资源中获得部分收益maI或mbI (0

A、 B节点博弈的支付矩阵如下:

根据上表,A、B节点的博弈共有三种结果:

4 博弈分析

根据上表中A、B节点的支付矩阵,结合各节点参与合作的概率,分别求出其各种情况下的期望收益。

1) A节点复制动态分析:

2) B节点复制动态分析:

3) 进化博弈的稳定状态必须满足条件:

4) 由上面的分析得到进化博弈系统的稳定性分析表和进化博弈分析图如下:

5 结果

该进化博弈系统最终收敛到哪个策略取决于系统的初始状态(x0,y0)

1)如果(x0,y0)位于鞍点右上方,即节点A、B均以大于I1-α/kβ的概率选择合作,该博弈将收敛于稳定策略(1,1),积极合作成为必然。

2)如果(x0,y0)位于鞍点左下方,即节点A、B均以小于I1-α/kβ的概率选择合作,该博弈将收敛于(0,0),不合作成为必然。

3)如果(x0,y0)位于鞍点左上方,即节点A以大于I1-α/kβ的概率,节点B以小于I1-α/kβ的概率选择合作,该博弈最终收敛于何种稳定策略取决于节点B选择合作与不合作两种策略时的收益情况。比较两种情况下的收益:

即节点B选择合作的收益大于选择不合作时的收益。即使在一次博弈中B选择了不合作,通过不断的模仿和学习,随着时间的推移,节点B选择合作的概率也会越来越高,于是逐渐博弈进入鞍点的右上方并最终收敛于进化稳定策略(1,1)。

4)根据对称性,如果(x0,y0)位于鞍点右下方,即节点A以小于I1-α/kβ的概率,节点B以大于I1-α/kβ的概率选择合作,博弈也将最终收敛于进化稳定策略(1,1)。

因此,只要阴影部分的面积尽可能小(即I尽量小,α,k,β尽量大),企业创新网络形成的概率就越大,网络就越容易达到一个稳定状态。

6 模型参数分析及建议

从上面的分析可知,影响博弈均衡的因素主要有四个,即投入产出弹性系数α,合作创新效应系数k,节点创新能力β和合作创新投入成本I。

1)投入产出弹性系数α越大,节点对合作创新以求得更大利益的欲望越强,合作时单位成本投入获得的收益就越大,于是合作的可能性越大。

2)合作创新效应系数k综合考虑了合作带来的协同效应和溢出效应。各节点通过交换信息,共享资源,分摊研发成本和风险获得协同效应,又因贡献信息和资源减少了对稀缺资源的控制而产生溢出效应。合作创新效应系数与协同效应成正比,与溢出效应成反比,因此,合作创新效应系数越大,表明合作产生的协同效应越大,而溢出效应越小,从而节点从合作中获得的收益就越大,就越愿意合作。

实践中,应建立创新网络内部学习机制以提高企业的学习能力,建立高效的沟通渠道,促进成员企业之间信息交流,以增加研发技术及成果的共享度,增大合作的协同效应。政府应制定约束机制规范创新网络中成员企业的行为,加强研发过程中的保密以消除不确定性及控制研发成果对外溢出,以减少合作的溢出效应。

3)节点创新能力β的提高会增加合作创新的成功率,即β越大,创新网络形成的概率就越大。实践中,企业应提高员工素质,加强企业内、外部交流,激励员工自主学习,以提高其创新知识转化的能力,保证企业创新网络的建立和维持。政府应完善各种财税优惠及投融资等方面的优惠政策,减少企业的创新成本,鼓励企业积极创新。

4)合作创新所需投入的成本I越高,节点合作的风险越大,节点参与合作创新的意愿就越弱。实践中,合作双方应建立利益共享和风险共担的机制,共摊研发费用和风险;建立正式或非正式的联盟关系,加强彼此间的了解和信任,减少沟通成本,共享信息和研发成果,降低合作创新所需投入的成本。

7 结语

对于企业创新网络的形成问题,以往的学者大多是从静态的角度加以解释和说明的,忽视了企业创新网络形成过程的内在机理,实际上,企业创新网络的形成是进化博弈的结果。本文通过构建进化博弈模型,从理论上分析了网络各节点在合作创新中的策略选择问题。通过对博弈过程的分析可知,系统的初始状态即博弈开始时双方各自选择合作策略的概率并不是最终博弈均衡的唯一决定因素,双方最终选择何种策略,还受到外部因素的影响。合作各方的投入产出弹性和创新能力、合作的投入成本和创新效应等都是影响企业创新网络形成的重要因素。在节点选择合作的收益大于选择不合作的收益时,节点通过学习、调整和模仿逐渐进入该网络,从而促进企业创新网络的形成。

参考文献

[1]CASPER.How Do Technology Clusters Emerge and BecomeSustainable?Social network Formation and Inter-firm Mobili-ty within the San Diego Biotechnology Cluster[J].ResearchPolicy,2007,36(4):438-455.

[2]田钢,张永安,兰卫国.基于刺激——反应模型的集群创新网络形成机理研究[J].管理评论,2009,21(7):49-55.

[3]MULLER,PENIN.Why do Firms Disclose knowledge andhow does It Matter[J].Evolutionary Eeonomies,2006(16):85.

[4]王大洲.我国企业创新网络发展现状分析[J].哈尔滨工业大学学报:社会科学版,2005(3):67-73.

[5]池仁勇.区域中小企业创新网络评价与构建研究:理论与实证[D].北京:中国农业大学,2005.

[6]ZANDER L.The Formation of International Innovation Net-works in the Multinational Corporation:An EvolutionaryPerspective,Industrial and Corporate Change[J].2002,11(2):327-353.

[7]罗发友,刘友金.集群内企业创新行为的进化博弈分析[J].中国软科学,2004(9):85-88.

[8]王大洲.企业创新网络的进化机制分析[J].科学学研究,2006,24(5):780-786.

[9]周勇,王耘.区域创新网络中企业合作问题探讨[J].商业时代,2008(26):109-110.

[10]党兴华,王幼林.技术创新网络中核心企业合作伙伴选择过程研究[J].科学学与科学技术管理,2007(1):139-144.

网络社区的游戏进化 篇7

安全协议是以密码学为基础的协议,它在网络和分布式系统中提供各种各样的安全服务,在信息系统安全中占据重要的地位。近些年来,伴随着 Internet 在全世界的飞速发展,大量网络通信方面的应用不断产生,针对不同的应用需求,均需要为之设计相应的安全协议。但实践证明,既便是一个简单的协议,其设计和分析也是不容易的。

安全协议的自动生成与验证研究是目前安全协议研究领域中的热点之一[1],它为安全协议设计提供了一个新途径。目前,针对安全协议自动验证的研究比较多,而将安全协议的自动生成和验证结合起来,进行安全协议自动综合的研究则还很少。国外这方面的研究较多,而国内刚刚起步。国际上,Ho Randy[2]采用人工智能规划算法来生成安全协议,并用基于知识逻辑的方法来进行验证;Perrig和Song[3]采用迭代深化搜索算法来生成安全协议,并用模型检测器Athena来进行验证;John和Jeremy[4]采用遗传算法来生成安全协议,并用BAN类逻辑来进行验证。国内,毛晨晓博士[5]在其毕业论文中采用遗传策略来生成安全协议,将协议结构作为安全协议知识库的启发式信息直接给出,而仅仅考虑了消息内容的自动生成问题。这种方法由于协议结构直接给出,消息内容基本不会有太大的变动,可扩展性不强,协议形式较单一,不能充分体现协议自动生成的动态性和多样性。鉴于此,本文提出了基于进化规划的安全协议生成方法,并用BAN逻辑来描述和验证协议,为进一步提高协议生成效率,降低协议消息的冗余度,加入了协议优化模块。实验表明,本文方法能够成功、高效地生成安全协议,保证所生成协议的安全性。

2 安全协议生成系统

本文提出的安全协议生成系统如图1所示。

系统的输入是安全协议的形式化需求规范,输出是安全协议,生成模块、验证模块和优化模块是系统的三个主要模块。根据算法的染色体编码方式,构造出安全协议状态空间,生成模块的作用就是在安全协议空间中进行搜索。生成模块输出的候选协议,验证模块对其进行评估,主要是安全协议的安全性、效率和冗余度等因素。其中,安全协议的安全性评估是关键,通常是检查协议是否达到了安全目标。同时,对于验证模块出来的安全协议一定是达到了安全目标的,但不一定是无冗余的,因此需要通过优化模块删除里面不必要的消息体和信念。如果生成系统产生的候选协议通过了验证,则进入优化模块优化输出安全协议;否则继续转到生成模块,继续在状态空间中进行搜索。

3 安全协议的验证方法

安全协议的验证是安全协议自动生成的基础,信念逻辑方法严谨且易于自动化,是一个比较合适的选择。本文采用BAN逻辑来进行安全协议的验证。

BAN逻辑是一种基于信念的模态逻辑,在应用BAN逻辑时,首先需要将协议理想化为逻辑公式,由逻辑的推理规则根据理想化协议和假设进行推理,推断协议能否完成预期的目标。因此BAN逻辑不仅可以用来对于协议进行分析,还可以在协议自动生成中作为协议的评估标准。

BAN逻辑共有19条推理规则[6],本文使用的3条主要推理规则[4]:

(1) 消息意义规则(Message Meaning Rule)

undefined

(2) 随机数验证规则(Nonce Verification Rule)

undefined

(3) 仲裁规则(Jurisdiction Rule)

undefined

4 安全协议的生成算法

遗传算法(GA)、进化策略(ES)、进化规划(EP)是相互独立发展起来的三种算法[7]。它们都是通过模拟由个体组成的生物种群的进化现象来解决复杂优化问题的,但三者分别强调了自然进化的不同方面。遗传算法强调染色体的操作,即个体基因结构的变化对其适应度的影响;进化策略强调个体级的行为变化;进化规划强调种群级的行为变化。进化规划作为近期的一个研究热点,采用基于Guassian变异的进化规划,可以提高算法的收敛性和鲁棒性,且运算简单,易于实现。因此,本文采用进化规划作为协议自动生成算法,下面详细描述该方法所采用的染色体编码方案、适应度函数以及详细的算法步骤和操作算子。

4.1 染色体编码方案

本文采用的染色体编码方案如图2所示[5]。

编码中包含L条消息。每条消息的开始处是发送方和接收方,分别用4位0-1串来表示:后面是消息体,每条消息包含N个信念,每个信念用6位0-1串来表示。这样整个染色体的长度是(8+6*N)*L位。通过对安全协议进行合理的染色体编码,构造出了安全协议自动生成与验证模型中的协议状态空间。

在BAN逻辑中,参与通信的主体都有一个信念状态空间,包含了他当前相信的所有信念,作为发送方,他只发送当前拥有的信念。因此,本文消息中包含的任何信念都是发送方的信念状态中的某个信念,并用发送方和接收方之间的密钥进行加密。

对染色体解码并进行验证。其过程如下:

(1) 在染色体解码之前,将初始假设放入主体的信念状态空间中。

(2) For m=0 to L-1(依次解码每一条消息)

① 解码得到发送方和接收方,假如他们之间拥有共同的密钥,则继续进行;否则忽略这部分信念,跳转至⑤。

② 解码得到消息m的每条信念,他们是由6位0-1串来表示的。假如发送方当前拥有T条可发送的信念,则第j条信念被发送(undefined。

③ 接收方检查接收到的信念,判断信念中是否有接收方相信为新鲜性的部分。例如A接收到的消息包含了A|～Na,同时A相信Na的新鲜性,则整条信念被认为是新鲜的。

④ 根据BAN逻辑的推理规则,更新接收方的信念状态空间。

⑤ 消息执行完后,记录达到的安全目标数。

4.2 适应度函数

适应度函数是实现安全协议自动生成系统中协议验证评估的主要手段。设计适应度函数时首先考虑的是安全性,必须达到所有安全目标。另外,由于所生成的安全协议中往往包含与安全目标无关的成分,适应度评估函数设计过程中应该考虑如何降低协议消息的冗余度。

综合考虑协议的安全性和冗余度,对于协议x,本文设计适应度函数f(x)为:

undefined

其中,s(x)表示协议的安全性,r(x)表示协议的冗余度,ws和wr表示两者的重要性,通常ws要远大于wr。

s(x)用来评估协议的安全性,其计算方法为:

undefined

式中,wi为权重参数,gi表示第i条消息处理完毕后安全目标达到的数目。

r(x)用来表示协议的冗余度,其计算方法为:

undefined

式中,B(X)是整个协议的信念含量,L是协议中消息的数目,而B(X)/L是协议中消息的平均信念含量;C是常数,选取C使得r(x)≥0;T是常数,当协议的平均信念含量过大(大于T)则进行惩罚。

4.3 算法步骤

结合上文已经给出的编码方案和适应度评估函数,下面将进一步详细描述进化规划[8]用于安全协议自动生成时的算法步骤及采用的操作算子设计方案。

(1) 初始化。令gap=1,随机生成m个个体初始种群,每个个体用一个实向量xi表示。计算每个个体的适应度f(xi)。

(2) 变异。对于每一个父个体xi,按事先设定的变异率,变异产生一个子个体x′i,并计算其适应度f(x′i)。其中,变异算子采用Guassian分布的随机序列来实现:x′i=xi⊕Ni,i=1,2,…,m。

式中Ni表示均值为0、方差为1的一维正态分布随机产生的0-1串,长度与个体相同。

(3) 所有父个体和子个体合并成一个含2m个个体的集合,记为S;对S中的每个个体xi,再从2m个个体中随机选择q个个体,比较这q个个体与个体xi之间的适应度大小,以其中适应度比xi适应度高(求最小值时)的个体数目作为个体xi的得分wk (k=1,2,…,2m);最后对这2m个个体按降序排列,选择前m个个体组成进化过程中的新一代群体。其中q为事先指定的正整数,称为竞争规模。

(4) 如果协议的安全目标满足则算法终止,否则gap=gap+1,回到步骤(2)。

5 安全协议的优化

相对于文献[5],本文中的协议结构和消息内容都是由协议生成算法自动生成的。这样,协议的搜索空间将大大加大,为了提高生成效率,本文提出加大消息体数目的方法。然而,这种方法在提高协议生成成功率的同时,也提高了协议的冗余度。因此,我们需要加入优化模块,通过删除对安全目标没有贡献的信念、合并连续的同类消息的方法,达到降低协议消息的冗余度的目的。

优化的主要步骤如下:

(1) 利用BAN逻辑验证从验证模块出来的安全协议,对于每一个安全目标的实现,标记对其有贡献的信念(不重复标记),删除没有标记的信念。

(2) 合并连续的同类消息。假如,两条连续的消息,它们的发送方和接受方一样,则可将它们合并成一条消息。

6 实 验

首先给出安全协议需求规范、基本的实验参数设置,然后给出实验中得到的符合规范的典型协议。

6.1 协议需求规范

协议需求规范包括协议的初始假设和协议目标两部分[4]。

(1) 初始假设

undefined

(2) 安全目标

undefined

6.2 实验参数的设置和协议自动生成的实现

(1) 安全协议自动生成的实验参数设置见表1。

(2) 协议自动生成的实现

本文协议的自动生成是在Eclipse平台上,运用Java语言实现的,下面给出实现过程中的一组优化前的协议如下:

优化后的协议如下:

其中,said表示“|～”。可以看出,优化前的协议虽然达到了所有安全目标,但是它存在不必要的信念,通过优化模块的处理,删除了协议中的冗余项,优化后的协议大大降低了冗余度。

7 结 语

本文提出了一种安全协议的自动生成方法,该方法采用进化规划来生成安全协议,并采用BAN逻辑来描述和验证安全协议,最后用优化模块处理生成的协议。实验表明,本文方法能够成功、高效地生成安全协议,能够保证所生成安全协议的安全性,能够有效地提高协议效率,降低协议消息的冗余度;并且,本文方法具有较高的可扩展性,对于不同的应用需求,可以生成不同的安全协议。

摘要：提出了基于进化规划的安全协议生成方法,并用BAN逻辑来描述和验证协议,为进一步提高协议生成效率,降低协议消息的冗余度,加入了协议优化模块。该方法具有较高的扩展性,对于不同的需求,可以生成不同的安全协议。实验表明,本文方法能够成功、高效地生成安全协议,保证所生成协议的安全性。

关键词：安全协议,BAN逻辑,进化规划,自动生成

参考文献

[1]卿斯汉.安全协议20年研究进展[J].软件学报,2003,14(10):1 740-1 752.

[2]Ho Randy.Automatic dDesign of Network Security Proto-cols[D].A Dissertation Submitted in Partial Fulfillment ofthe Requirements for the Degree of Doctor of Philosophy.Ann Arbor:The University of Michigan,2002.

[3]Perrig Adrian,Song Dawn.A first step towards the Auto-matic Generation of Security Protocols[C].Proc.of Networkand Distributed System Security,2000:73-83.

[4]Clark John,Jacob Jeremy.Searching for a Solution:Engi-neering Tradeoffs and the Evolution of Provably SecureProtocols[C].Proc.of 2000 IEEE Symposium on Researchin Security and Privacy,2000:82-95.

[5]毛晨晓.安全协议进化生成与模态逻辑验证研究[D].合肥:中国科学技术大学.

[6]卿斯汉.安全协议[M].北京:清华大学出版社,2005.

[7]王正志,薄涛.进化计算[M].长沙:国防科技大学出版社,2000.

锐捷网络之钥:“自进化”创新 篇8

现代管理学之父彼得·德鲁克在《创新与企业家精神》 (Innovation and Entrepreneurship) 一书中曾经指出:评价创新的成功与否, 不在于这个创新是不是新颖、巧妙或有很深的技术内涵, 而在于它是否能够赢得市场;是否能为客户创造出新的价值。那么, 什么是价值?很显然, 价值并不是用货币来衡量的价格。价值的本质实际上就是为客户解决问题。因此, 锐捷网络的创新有一个核心的创造与评估体系:那就是立足于应用, 能给用户带来价值、创造价值。如果离开了这一点, 所谓的创新也就成了无源之水、无本之木。围绕面向用户的“应用价值”不断创新, 锐捷经过多年的探索和实践, 打造出了“自进化”创新体系。

所谓“自进化”, 就是面对不断变化的应用环境, 能够敏锐感知、自我调节、自我进化的创新体系。它有两个核心要素, 一是“扎根应用环境”。到目前为止, 锐捷网络所有的创新, 都是瞄准具体的应用, 植根于应用的土壤, 说直白些, 就是我们的创新, 都是要在用户的实际应用中创造价值。

在信息化领域, IT系统名不副实, 难以应用并非个案。在这里我和大家分享一个实际的案例:2011年, 锐捷曾针对北京三十多家医院的无线网络应用情况进行了一次调研, 调研结果令人大吃一惊, 在已经大面积部署无线网络的医院病房, 超过一半的医院无法开展规划中的移动医护应用。虽然设备买了, 无线网络也搭建了, 但却没有创造出实际的价值。而原因就是, 原有传统的无线网络解决方案存在弊端, 容易部署的方案信号差, 而信号有保障的方案部署又十分复杂且性能较低。

锐捷的调研小组在捕捉到了这一应用需求后, 和研发团队协调配合, 在原有的方案基础上大胆创新, 仅用了2个月的时间, 推出了集放装和室分优势为一体的无线智分解决方案, 全面满足了医院对于信号、性能、部署和美观度的需求, 该方案随后也在教育等行业获得了用户的一致认可, 成为锐捷的明星产品。

锐捷创新体系在扎根应用环境后, 要做到“自进化”, 还需要具备感知和反应能力。而这一点的基础, 正是锐捷从公司名称到企业理念上一直坚持强调的根本基因:敏锐、快捷, 这也是锐捷经营理念“敏锐把握应用趋势, 快捷满足客户需求”的核心要素。在公司新的发展阶段, “敏锐、快捷”的内涵也在不断拓展和丰富, 并逐步融入到锐捷创新的体系之中。

去年, 咨询公司Booz&Co.曾经发布了一份非常有影响力的咨询报告——《全球创新1000》, 在这份报告中, 现代企业打破传统边界, 成功实现创新的来源和路径被分为三类:一是对用户需求的捕获;二是对市场变化的观测;三是对技术的更新和演进。这三方面都是激发关键创新最重要的土壤。锐捷的创新体系, 正是要在这三个层面上, 表现出“敏锐的感知和快捷的反应”, 让创新根据应用环境的不同, 能够快速进化、适应和完善。