面向动态云市场的Agent自适应报价策略研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 国内外的研究现状 | 第11-14页 |
| 1.2.1 云计算的研究现状 | 第11-13页 |
| 1.2.2 云计算中拍卖机制的研究现状 | 第13页 |
| 1.2.3 云计算中自适应报价策略研究现状 | 第13-14页 |
| 1.3 本文的主要工作 | 第14-15页 |
| 1.4 组织结构 | 第15-16页 |
| 第2章 研究基础 | 第16-25页 |
| 2.1 博弈论 | 第16-19页 |
| 2.1.1 基本概念 | 第16-17页 |
| 2.1.2 非合作博弈 | 第17-18页 |
| 2.1.3 合作博弈 | 第18-19页 |
| 2.2 拍卖理论 | 第19-21页 |
| 2.2.1 传统拍卖 | 第19-20页 |
| 2.2.2 组合拍卖 | 第20-21页 |
| 2.3 强化学习 | 第21-24页 |
| 2.3.1 强化学习概述 | 第21-22页 |
| 2.3.2 马尔可夫决策过程 | 第22页 |
| 2.3.3 强化学习的模型和基本原理 | 第22-23页 |
| 2.3.4 强化学习系统组成要素 | 第23-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第3章 动态云市场下的自适应报价策略 | 第25-46页 |
| 3.1 一般动态云市场 | 第25-28页 |
| 3.1.1 问题背景描述 | 第25-26页 |
| 3.1.2 一般动态云市场模型 | 第26-27页 |
| 3.1.3 动态云市场中拍卖流程 | 第27-28页 |
| 3.2 Agent的报价问题 | 第28-29页 |
| 3.2.1 问题描述 | 第28页 |
| 3.2.2 Agent自适应报价分析 | 第28-29页 |
| 3.3 自适应报价策略 | 第29-36页 |
| 3.3.1 自适应报价策略的目标 | 第29-31页 |
| 3.3.2 基本定义 | 第31-32页 |
| 3.3.3 自适应报价算法 | 第32-36页 |
| 3.4 实验 | 第36-38页 |
| 3.4.1 实验设置 | 第36-37页 |
| 3.4.2 实验结果和分析 | 第37-38页 |
| 3.5 自适应Agent竞争间的囚徒困境 | 第38-39页 |
| 3.6 Q-学习理论基础 | 第39-40页 |
| 3.6.1 Q-学习基本框架 | 第39-40页 |
| 3.6.2 ε-Greedy策略 | 第40页 |
| 3.7 Q-策略 | 第40-43页 |
| 3.7.1 相关定义 | 第40-41页 |
| 3.7.2 Q-策略算法 | 第41-42页 |
| 3.7.3 具体案例演示 | 第42-43页 |
| 3.8 实验 | 第43-45页 |
| 3.8.1 实验设置 | 第43页 |
| 3.8.2 实验结果和分析 | 第43-45页 |
| 3.9 本章小结 | 第45-46页 |
| 第4章 基于团购的动态云市场下的自适应报价策略 | 第46-59页 |
| 4.1 基于团购的动态云市场 | 第46-51页 |
| 4.1.1 背景描述 | 第46-48页 |
| 4.1.2 基于团购的动态云市场模型 | 第48-50页 |
| 4.1.3 Agent竞拍流程 | 第50-51页 |
| 4.2 Agent的报价策略 | 第51-54页 |
| 4.2.1 问题描述 | 第51-52页 |
| 4.2.2 自适应报价策略分析 | 第52-53页 |
| 4.2.3 相关讨论 | 第53-54页 |
| 4.3 自适应报价策略算法设计 | 第54-56页 |
| 4.3.1 相关定义 | 第54-55页 |
| 4.3.2 算法与相关解释 | 第55-56页 |
| 4.4 实验 | 第56-58页 |
| 4.4.1 实验设置 | 第56-57页 |
| 4.4.2 实验结果与分析 | 第57-58页 |
| 4.5 本章小结 | 第58-59页 |
| 第5章 总结与展望 | 第59-61页 |
| 5.1 本文工作总结 | 第59页 |
| 5.2 进一步工作 | 第59-61页 |
| 参考文献 | 第61-66页 |
| 致谢 | 第66-68页 |
| 攻读学位期间发表论文及参加科研项目 | 第68-70页 |
| 一、发表的学术论文 | 第68页 |
| 二、参加学术会议 | 第68页 |
| 三、参加的科研项目 | 第68-70页 |
