專利名稱：公共品投資實(shí)驗(yàn)仿真系統(tǒng)及實(shí)現(xiàn)方法
技術(shù)領(lǐng)域：
本發(fā)明涉及在公共品實(shí)驗(yàn)中進(jìn)行仿真實(shí)驗(yàn)的方法。
背景技術(shù)：
公共品理論是近年來經(jīng)濟(jì)學(xué)的重要熱點(diǎn)問題，也是公共財(cái)政學(xué)研究的重點(diǎn)，公共福利，公共健康，公共醫(yī)療都可以劃歸為公共品的范圍。公共品的生成的主要途徑是政府向公眾收取稅款，利用稅收向產(chǎn)品和服務(wù)的提供者購買公眾需要的產(chǎn)品和服務(wù)，例如教育，醫(yī)療，政府再將這些公共品免費(fèi)提供給公眾。因此研究公共品的生產(chǎn)問題，已經(jīng)成為政府資金劃分的一個(gè)重要方面，而如何分配以及維護(hù)已有的公共品也是個(gè)大的研究方向。
公共品投資實(shí)驗(yàn)是目前公共品理論研究的主要形式，通過在實(shí)驗(yàn)室環(huán)境下進(jìn)行公共品投資實(shí)驗(yàn)，對(duì)得到的實(shí)驗(yàn)數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析。公共品實(shí)驗(yàn)中存在著
一個(gè)公共品兩難(Public Goods Dilemma)問題，公共品兩難是經(jīng)典的社會(huì)兩難(Social Dilemma)范式，社會(huì)兩難(social dilemmas)是指一群人(N^2)必須決定是最大化個(gè)人利益還是最大化集體利益。公共品兩難一個(gè)典型的解釋就是，在一個(gè)集體中，個(gè)人可以選擇合作和背叛，而最后整個(gè)集體的所有個(gè)人，按照集體收益平均分配資源。于是出現(xiàn)了合作者的收益永遠(yuǎn)大于背叛者的收益，如果大家都選擇不合作，那集體中的任何人都無法獲得收益，這就是兩難的存在。
傳統(tǒng)的針對(duì)公共品兩難的研究大多一味的重復(fù)Fehr于2000年發(fā)表于Science的"公共品實(shí)'瞼中的合作和懲罰"(Cooperation and Punishment in PublicGoods Experiments )中的實(shí)驗(yàn)，企圖驗(yàn)證Fehr的結(jié)果。傳統(tǒng)的研究使用0-1模式來標(biāo)記合作與不合作，采用簡單的logistic線性回歸分析數(shù)據(jù)就結(jié)束了。然而根據(jù)實(shí)驗(yàn)得到的數(shù)據(jù)往往具有離散性，線性回歸分析往往不能很好地得到其規(guī)
4律，采用0-1模式標(biāo)記投資和不投資，使得數(shù)據(jù)的重復(fù)率過高，并且實(shí)驗(yàn)得到
的數(shù)據(jù)是有限的，根據(jù)這些有限數(shù)據(jù)得到的規(guī)律，往往不能反映真實(shí)的情況。從經(jīng)濟(jì)學(xué)的角度考慮，參與公共品實(shí)驗(yàn)的投資人會(huì)從最大化個(gè)人利益的角度考慮，也就是純"理性人，，的角度，但是在實(shí)際實(shí)驗(yàn)中發(fā)現(xiàn)，"理性人，，的假設(shè)被推翻，出現(xiàn)了親社會(huì)的"社會(huì)人"。為了解釋"社會(huì)人"的行為，出現(xiàn)了條件合
作(conditional cooperation)理論，條件合作理論認(rèn)為人們傾向于在他人合作的情況下選擇合作，別人合作地越多，自己也合作地越多。主要研究不帶懲罰的公共品投資實(shí)驗(yàn)，假設(shè)有N個(gè)人參加實(shí)驗(yàn)，最初給每個(gè)人Z元，所有人在不知道
他人投資的情況下，向一個(gè)公共品資源庫中投資C'元，C'表示第!'個(gè)人投入的錢。該輪捐獻(xiàn)結(jié)束后，公共品資源庫中的資源總量乘以一個(gè)收益系數(shù)P后再平均分配給所有參與投資的人。這樣每個(gè)人的個(gè)人資源到最后等于原有的錢，減去投入公共品資源庫的錢加上從公共品資源庫中得到的回報(bào)。
本發(fā)明致力于解決的問題是哪種外部刺激更容易激發(fā)條件合作行為，造成高的條件合作概率。

發(fā)明內(nèi)容
本發(fā)明的目的在于提供一種快速得知哪種外部刺激更容易激發(fā)公共品投資
條件合作行為，造成高的條件合作概率的系統(tǒng)及方法。
本發(fā)明的目的是通過如下技術(shù)方案實(shí)現(xiàn)的首先設(shè)計(jì)信息顯示條件不同的若干組對(duì)照實(shí)驗(yàn)，將過去經(jīng)驗(yàn)即過去平均投資人數(shù)以及當(dāng)前投資人數(shù)設(shè)為兩個(gè)自變量，將每組變量下的投資概率設(shè)為因變量，對(duì)實(shí)驗(yàn)采集的數(shù)據(jù)進(jìn)行處理，每組因變量的投資概率的計(jì)算公式為p=m/(m+n), n為選擇不投資的人數(shù)，m為選擇投資的人數(shù)；
征集若干名被試進(jìn)行實(shí)驗(yàn)，得到若干組有效數(shù)據(jù)，根據(jù)信息顯示條件分為4個(gè)大類;設(shè)立自變量和因變量分別為過去經(jīng)驗(yàn)以及當(dāng)前投資人數(shù)，因變量為每組過去經(jīng)驗(yàn)和當(dāng)前投資人數(shù)值對(duì)應(yīng)的投資概率，每組變量為神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)的輸
5輸入輸出值;采用2-8-1的多層前饋(Back Propagation)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行學(xué)習(xí)，輸入為2個(gè)變量，中間層為8個(gè)神經(jīng)元，輸出為1個(gè)變量;得到投資概率預(yù)測函數(shù)；
根據(jù)神經(jīng)網(wǎng)絡(luò)建模得到的投資概率預(yù)測函數(shù)，在Swarm平臺(tái)上開發(fā)一個(gè)基于智能體仿真系統(tǒng)，模擬公共品博弈中智能體的投資行為及智能體與周圍環(huán)境的交互作用。
本發(fā)明與現(xiàn)有技術(shù)相比，具有如下有益效果本發(fā)明設(shè)計(jì)了公共品投資實(shí)驗(yàn)不同的信息顯示條件，以模擬真實(shí)情況，根據(jù)神經(jīng)網(wǎng)絡(luò)建模數(shù)據(jù)并采用計(jì)算機(jī)仿真技術(shù)，從理論和實(shí)際上驗(yàn)證何種信息顯示條件有利于得到最多的公共資源，具有重大的現(xiàn)實(shí)意義。


圖l是本發(fā)明總體框架圖。圖2是本發(fā)明多層前饋神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖。圖3是本發(fā)明智能體結(jié)構(gòu)圖。圖4是本發(fā)明仿真系統(tǒng)總體架構(gòu)圖。圖5是本發(fā)明仿真實(shí)驗(yàn)實(shí)現(xiàn)方法流程圖。
具體實(shí)施例方式
本發(fā)明仿真系統(tǒng)包括輸入模塊，輸出模塊，具有仿真程序的建模模塊，在本實(shí)驗(yàn)中在輸入模塊中輸入相關(guān)實(shí)驗(yàn)參數(shù),建模模塊在仿真環(huán)境進(jìn)行演示運(yùn)算，最終結(jié)果由輸出模塊輸出。
本發(fā)明設(shè)計(jì)了四組不同的信息條件，征集被試進(jìn)行實(shí)驗(yàn)，將采集到的數(shù)據(jù)根據(jù)信息顯示條件分為四大組，分別使用傳統(tǒng)線性回歸分析和神經(jīng)網(wǎng)絡(luò)算法分析實(shí)驗(yàn)數(shù)據(jù)，根據(jù)神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)得到的投資概率預(yù)測函數(shù)，在仿真實(shí)驗(yàn)中使用這個(gè)預(yù)測函數(shù)，驗(yàn)證何種信息顯示條件對(duì)條件合作行為的刺激最大。
本發(fā)明實(shí)現(xiàn)的具體步驟如下
6如圖1所示，首先進(jìn)行實(shí)驗(yàn)室實(shí)驗(yàn)，實(shí)驗(yàn)室實(shí)驗(yàn)給予報(bào)酬來激勵(lì)被試進(jìn)行兩難抉擇，報(bào)酬與個(gè)人資源以及公共資源皆成正比，被試必須在個(gè)人利益和集
體利益之間進(jìn)行博棄。其次對(duì)實(shí)驗(yàn)數(shù)據(jù)進(jìn)行處理，得到的數(shù)據(jù)形式為表2所示，將數(shù)據(jù)傳輸給多層前饋(Back Propagation)神經(jīng)網(wǎng)絡(luò)進(jìn)行學(xué)習(xí)，得到 一個(gè)投資概率預(yù)測函數(shù)。
設(shè)計(jì)四組對(duì)照實(shí)-驗(yàn)，具體如表l所示。
實(shí)驗(yàn)lTestnone不顯示此輪實(shí)驗(yàn)中任何他人的投資信息
實(shí)驗(yàn)2Testnum顯示此輪實(shí)驗(yàn)當(dāng)前有多少人選擇投資
實(shí)驗(yàn)3Testnamc顯示此輪實(shí)驗(yàn)當(dāng)前有多少人選擇投資以及已投資人的姓名
實(shí)驗(yàn)4Testnonam6顯示此輪實(shí)驗(yàn)當(dāng)前有多少人選擇不投資以及不投資人的姓名
表1
四組對(duì)照實(shí)驗(yàn)的信息顯示條件不同，為了具體化信息顯示條件的影響，將過去經(jīng)驗(yàn)以及當(dāng)前投資人數(shù)設(shè)為兩個(gè)自變量，將每組變量下的投資概率設(shè)為因
變量，以量化環(huán)境及投資概率。由于傳統(tǒng)的0-1模式使得變量的重復(fù)變高，不利于神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)，本發(fā)明對(duì)實(shí)驗(yàn)采集的數(shù)據(jù)進(jìn)行處理，使投資概率為[O，l]之間的小數(shù)。每組因變量的投資概率的計(jì)算公式為P = ^/w + ", n為選擇不投資的人數(shù)，m為選擇投資的人數(shù)。
征集300名被試進(jìn)行實(shí)驗(yàn)，得到24x100組有效數(shù)據(jù)，根據(jù)信息顯示條件分為4個(gè)大類。設(shè)立自變量和因變量分別為過去經(jīng)驗(yàn)以及當(dāng)前投資人數(shù)，因變量為每組過去經(jīng)驗(yàn)和當(dāng)前投資人數(shù)值對(duì)應(yīng)的投資概率，每組變量為神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)的輸入輸出值。采用2-8-1的三層多層前饋神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行學(xué)習(xí)，輸入為2個(gè)變量，中間層為8個(gè)神經(jīng)元，輸出為l個(gè)變量。神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)如圖2所示，多層前饋神經(jīng)網(wǎng)絡(luò)的輸入輸出值的實(shí)例如表2所示。在matlab的神經(jīng)網(wǎng)絡(luò)工具箱環(huán)境下，采用多層前饋神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)后，得到投資概率關(guān)于過去經(jīng)驗(yàn)和當(dāng)前投資人數(shù)的一個(gè)預(yù)測函數(shù)，預(yù)測函數(shù)如下式所示
for m= 1:6
X2(m"l/(l+exp(國(x^W"m，l)+x W"m，2)醫(yī)《(m)))); end
7y=l/(l+exp(-((x2(l)*W2(l,l)+x2(2)*W2(l，2)+x2(3)*W2(l，3)+x2(4)*W2(l,4)+x2(
5)*W2(l,5)+x2(6)*W2(l，6)-《))》；
其中X2分別為神經(jīng)元的兩個(gè)輸入變量，y為每組輸入變量對(duì)應(yīng)的輸出
值。Wl, w2，《，《為神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)得到的值。
根據(jù)神經(jīng)網(wǎng)絡(luò)建模得到的投資概率預(yù)測函數(shù)，在Swarm平臺(tái)上開發(fā)一個(gè)自上而下的基于智能體仿真系統(tǒng)，模擬公共品博弈中智能體的投資行為及智能體與周圍環(huán)境的交互作用，本發(fā)明的系統(tǒng)分為兩個(gè)部分，智能體建模及智能體之間的環(huán)境。
智能體表示實(shí)驗(yàn)的參與人，智能體具有屬性，策略集，決策算法，和學(xué)習(xí)算法。智能體的屬性包括智能體的位置，個(gè)人資源，公共品總量等；策略集=<投資，不投資>;智能體決策算法為多層前饋(Back Propagation)神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)得到的投資概率預(yù)測函數(shù)，根據(jù)決策算法決定選擇策略集中的哪一個(gè)策略；智能體根據(jù)其學(xué)習(xí)算法修改自身屬性。由于設(shè)計(jì)了四組對(duì)照實(shí)驗(yàn)，本發(fā)明的系統(tǒng)具有一個(gè)供選擇的環(huán)境參數(shù)，4個(gè)環(huán)境參數(shù)對(duì)應(yīng)于真實(shí)實(shí)驗(yàn)的4種信息顯示條件。智能體的結(jié)構(gòu)圖如圖3所示。仿真系統(tǒng)的總體架構(gòu)圖如圖4所示。仿真系統(tǒng)的實(shí)現(xiàn)方法流程圖如圖5所示。
在Swarm平臺(tái)上構(gòu)建一個(gè)仿真系統(tǒng)，仿真系統(tǒng)中的智能體選擇投資還是不投資不是傳統(tǒng)的TFT等策略，而是神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)的投資概率預(yù)測函數(shù)。
分析仿真系統(tǒng)的結(jié)果，在系統(tǒng)中輸入不同環(huán)境參數(shù)，參與實(shí)驗(yàn)的智能體數(shù)量和博弈輪數(shù)，將智能體數(shù)量分別設(shè)為(10, 5000),博弈輪數(shù)設(shè)為(100, 500),根據(jù)仿真結(jié)果，分析不同的信息顯示條件下的公共品總量和投資概率。
本發(fā)明針對(duì)當(dāng)前例如慈善捐款，公共建設(shè)籌款等問題，設(shè)計(jì)了公共品投資實(shí)驗(yàn)不同的信息顯示條件，以模擬真實(shí)情況，根據(jù)神經(jīng)網(wǎng)絡(luò)建模數(shù)據(jù)并采用計(jì)算機(jī)仿真技術(shù)，從理論和實(shí)際上驗(yàn)證何種信息顯示條件有利于得到最多的公共資源，具有重大的現(xiàn)實(shí)意義。
8
權(quán)利要求
1. 一種公共品投資實(shí)驗(yàn)仿真系統(tǒng)，其特征在于其包括設(shè)置在控制面板中的輸入模塊、輸出模塊，及具有仿真程序的建模模塊，在輸入模塊中輸入相關(guān)實(shí)驗(yàn)參數(shù)，建模模塊在仿真環(huán)境進(jìn)行演示運(yùn)算，最終結(jié)果由輸出模塊輸出。
2. —種公共品投資實(shí)驗(yàn)在仿真系統(tǒng)中的實(shí)現(xiàn)方法，其特征在于首先設(shè)計(jì)信息顯示條件不同的若干組對(duì)照實(shí)驗(yàn)，將過去平均投資人數(shù)以及當(dāng)前投資人數(shù)設(shè)為兩個(gè)自變量，將每組變量下的投資概率設(shè)為因變量，對(duì)實(shí)驗(yàn)采集的數(shù)據(jù)進(jìn)行處理，每組因變量的投資概率的計(jì)算公式為p=m/(m+n), n為選擇不投資的人數(shù)，m為選擇投資的人數(shù)；征集若干名被試進(jìn)行實(shí)驗(yàn)，得到若干組有效數(shù)據(jù)，根據(jù)信息顯示條件分為4個(gè)大類；為每個(gè)大類設(shè)立兩個(gè)自變量分別為過去平均投資人數(shù)和當(dāng)前投資人數(shù)，對(duì)應(yīng)的因變量為過去平均投資人數(shù)和當(dāng)前投資人數(shù)對(duì)應(yīng)的投資概率，自變量和因變量分別為多層前饋神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)樣本的輸入輸出值；根據(jù)學(xué)習(xí)樣本，釆用2-8-1的多層前饋神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行學(xué)習(xí)，輸入為2個(gè)變量，中間層為8個(gè)神經(jīng)元，輸出為1個(gè)變量；得到投資概率預(yù)測函數(shù)；根據(jù)神經(jīng)網(wǎng)絡(luò)建模得到的投資概率預(yù)測函數(shù)，在Swarm平臺(tái)上開發(fā)一個(gè)基于智能體仿真系統(tǒng)，模擬公共品博弈中智能體的投資行為及智能體與周圍環(huán)境的交互作用。
3. 如權(quán)利要求2所述的公共品投資實(shí)驗(yàn)在仿真系統(tǒng)中的實(shí)現(xiàn)方法，其特征在于所述預(yù)測函^:為for m=l: 6x2(m)=l/(l+exp(-(x^l(m， 1)+x^W,(m, 2)-《(m)))); endy=l/ (l+exp (- ((x2 (1) *W2 (1， 1) +x2 (2) *W2 (1， 2) +x2 (3) *W2 (1， 3) +x2 (4) *W2 (1， 4) +x2 (5) *W2 (1， 5) +x2 (6) *W2 (1， 6)-《))))；其中X2分別為神經(jīng)元的兩個(gè)輸入變量，y為每組輸入變量對(duì)應(yīng)的輸出值，w2，《，《為神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)得到的值。
4. 如權(quán)利要求3所述的公共品投資實(shí)驗(yàn)在仿真系統(tǒng)中的實(shí)現(xiàn)方法，其特征在于智能體具有屬性，策略集，決策算法，和學(xué)習(xí)算法；其中智能體的屬性包括智能體的位置，個(gè)人資源，公共品總量等；策略集由元素投資與不投資組成；智能體決策算法為神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)得到的投資概率預(yù)測函數(shù)。
5.如權(quán)利要求4所述的公共品投資實(shí)驗(yàn)在仿真系統(tǒng)中的實(shí)現(xiàn)方法，其特征在于在系統(tǒng)中輸入不同參與實(shí)驗(yàn)的智能體數(shù)量和博弈輪數(shù)的環(huán)境參數(shù)，根據(jù)仿真結(jié)果，分析不同的信息顯示條件下的公共品總量和投資概率。
6.如權(quán)利要求5所述的公共品投資實(shí)驗(yàn)在仿真系統(tǒng)中的實(shí)現(xiàn)方法，其特征在于建模模塊在環(huán)境參數(shù)條件下生成規(guī)定數(shù)量的智能體，智能體全部生成后與其余的智能體進(jìn)行博弈，根據(jù)決策算法決定選擇策略集中的某一個(gè)策略，循環(huán)達(dá)到用戶設(shè)定輪數(shù)為止，最后由輸出模塊輸出公共品總量隨輪數(shù)變化圖。
全文摘要
本發(fā)明公共品投資實(shí)驗(yàn)仿真系統(tǒng)及實(shí)現(xiàn)方法，其包括輸入模塊，輸出模塊，具有仿真程序的建模模塊，在輸入模塊中輸入相關(guān)實(shí)驗(yàn)參數(shù)，建模模塊在仿真環(huán)境進(jìn)行演示運(yùn)算，最終結(jié)果由輸出模塊輸出，該實(shí)驗(yàn)步驟設(shè)計(jì)了四組不同的信息條件，征集被試進(jìn)行實(shí)驗(yàn)，將采集到的數(shù)據(jù)根據(jù)信息顯示條件分為四大組，分別使用傳統(tǒng)線性回歸分析和神經(jīng)網(wǎng)絡(luò)算法分析實(shí)驗(yàn)數(shù)據(jù)，根據(jù)神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)得到的投資概率預(yù)測函數(shù)，在仿真實(shí)驗(yàn)中使用這個(gè)預(yù)測函數(shù)，驗(yàn)證何種信息顯示條件對(duì)條件合作行為的刺激最大，從理論和實(shí)際上驗(yàn)證何種信息顯示條件有利于得到最多的公共資源，具有重大的現(xiàn)實(shí)意義。
文檔編號(hào)G06Q10/00GK101464980SQ20091009565
公開日2009年6月24日 申請(qǐng)日期2009年1月15日 優(yōu)先權(quán)日2009年1月15日
發(fā)明者健 吳, 吳朝暉, 智 唐, 尹建偉, 瑩 李, 鄧水光 申請(qǐng)人:浙江大學(xué)