CN111680394A - 一种基于博弈模型的决策方法及装置 - Google Patents

一种基于博弈模型的决策方法及装置 Download PDF

Info

Publication number
CN111680394A
CN111680394A CN202010336738.0A CN202010336738A CN111680394A CN 111680394 A CN111680394 A CN 111680394A CN 202010336738 A CN202010336738 A CN 202010336738A CN 111680394 A CN111680394 A CN 111680394A
Authority
CN
China
Prior art keywords
product
optimal
game
profit
model
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202010336738.0A
Other languages
English (en)
Other versions
CN111680394B (zh
Inventor
余玉刚
梁樑
郑圣明
郭晓龙
孙李波
余虎
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
University of Science and Technology of China USTC
Original Assignee
University of Science and Technology of China USTC
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by University of Science and Technology of China USTC filed Critical University of Science and Technology of China USTC
Priority to CN202010336738.0A priority Critical patent/CN111680394B/zh
Publication of CN111680394A publication Critical patent/CN111680394A/zh
Application granted granted Critical
Publication of CN111680394B publication Critical patent/CN111680394B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/04—Constraint-based CAD

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Accounting & Taxation (AREA)
  • Theoretical Computer Science (AREA)
  • Development Economics (AREA)
  • Finance (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Physics & Mathematics (AREA)
  • Marketing (AREA)
  • Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Game Theory and Decision Science (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请提供了一种基于博弈模型的决策方法及装置，该方法先对平台零售企业捆绑销售博弈模型进行分析，得到约束条件和最优解计算关系式，将约束条件和最优解计算关系式参与到产品的生产商的利润博弈模型的最优博弈结果的求解中，利用非线性迭代算法，使生产商的利润博弈模型基于约束条件，进行求解结果的迭代，直到求解得到产品的生产商的利润博弈模型的最优博弈结果，提高求解的准确性，在此基础上，在各个最优博弈结果符合约束条件的情况下，将各个最优博弈结果输入到最优解计算关系式，实现对复杂博弈模型的分析，并实现平台零售企业捆绑销售博弈模型与生产商的利润博弈模型的嵌套求解，保证分析的准确性，进而保证决策结果的准确性。

Description

一种基于博弈模型的决策方法及装置
技术领域
本申请涉及决策技术领域，特别涉及一种基于博弈模型的决策方法及装置。
背景技术
随着互联网和信息技术的发展，电子商务也得到了迅速的发展。互联网已经成为零售行业不可或缺的销售渠道，同时互联网在线销售带来了新的零售形式，平台零售形式。使用平台零售形式的企业经常将两种或者两种以上的产品捆绑在一起进行定价和销售。
在对两种产品进行捆绑销售时，可以通过构建由生产商之间的博弈模型和平台零售企业与生产商之间的博弈模型组成的复杂博弈模型，并对复杂博弈模型进行分析，得到捆绑销售的策略。
但是，目前常见的是采用一阶求导的方法对单个博弈模型进行分析，若将一阶求导的方法应用于复杂博弈模型，会存在分析不够准确，导致决策结果准确性低的问题。
发明内容
为解决上述技术问题，本申请实施例提供一种基于博弈模型的决策方法及装置，以达到分析的准确性，进而保证决策结果的准确性的目的，技术方案如下：
一种基于博弈模型的决策方法，该方法包括：
获取预先构建的平台零售企业捆绑销售博弈模型，对所述平台零售企业捆绑销售博弈模型进行分析，得到约束条件和最优解计算关系式；所述平台零售企业捆绑销售博弈模型为用于表征平台零售商决策多个产品的捆绑销售价格和生产商决策各自产品零售价格之间博弈的斯坦克伯格模型；
获取预先构建的各个所述产品的生产商的利润博弈模型，所述产品的生产商的利润博弈模型为用于表征所述多个生产商决策各自产品零售价格之间博弈的纳什模型；
基于所述约束条件和所述最优解计算关系式，利用非线性迭代算法，获得各个所述产品的生产商的利润博弈模型的最优结果，作为最优博弈结果；
判断各个所述最优博弈结果是否符合所述约束条件；
若符合所述约束条件，则将各个所述最优博弈结果输入到所述最优解计算关系式，得到最优解，将所述最优解作为平台零售企业捆绑销售的决策结果。
优选的，所述预先构建的平台零售企业捆绑销售博弈模型，包括：
maxp12πR＝(p12-(1-θ)(p1+p2))((2-p12)2-(1-p1)2-(1-p2)2)/2+θ(p1(p12- p1)(1-p1)+p2(p12-p2)(1-p2))
，所述
Figure RE-GDA0002618921710000021
表示决策捆绑销售产品的最优价格，πR表示平台零售商的利润，p12表示第一产品和第二产品捆绑销售的价格，p1表示第一产品单独销售的价格，p2表示第二产品单独销售的价格，θ表示平台零售企业的佣金比例；
所述对所述平台零售企业捆绑销售博弈模型进行分析，得到约束条件和最优解计算关系式，包括：
对所述
maxp12πR＝(p12-(1-θ)(p1+p2))((2-p12)2-(1-p1)2-(1-p2)2)/2+θ(p1(p12- p1)(1-p1)+p2(p12-p2)(1-p2))
进行一阶函数求导，获得约束条件(1+2θ)p1p2-(1+θ)p1-(1+θ)p2+1＜0，及最优解计算关系式
Figure RE-GDA0002618921710000022
其中，
Figure RE-GDA0002618921710000031
所述
Figure RE-GDA0002618921710000032
表示最优解；
所述预先构建的各个所述产品的生产商的利润博弈模型，包括：
预先构建的第一产品的生产商的利润博弈模型
Figure RE-GDA0002618921710000033
及预先构建的第二产品的生产商的利润博弈模型
Figure RE-GDA0002618921710000034
其中，
Figure RE-GDA00026189217100000315
表示决策第一产品销售时的最优销售价格，π1表示第一产品的生产商的利润，c1表示第一产品的单位成本，
Figure RE-GDA00026189217100000316
表示决策第二产品销售时的最优销售价格，π2表示第二产品的生产商的利润，c2表示第二产品的单位成本。
优选的，所述基于所述约束条件和所述最优解计算关系式，利用非线性迭代算法，获得各个所述产品的生产商的利润博弈模型的最优结果，包括：
步骤S1:设置p1和p2的精度要求，表示为，设置
Figure RE-GDA0002618921710000035
步骤S2：置
Figure RE-GDA00026189217100000314
步骤S3：若
Figure RE-GDA0002618921710000037
则
Figure RE-GDA0002618921710000038
若
Figure RE-GDA0002618921710000039
则
Figure RE-GDA00026189217100000310
计算
Figure RE-GDA00026189217100000311
步骤S4：若
Figure RE-GDA00026189217100000317
则
Figure RE-GDA00026189217100000312
返回执行步骤S3；若
Figure RE-GDA00026189217100000313
则从
Figure RE-GDA0002618921710000041
中找到最大值为
Figure RE-GDA0002618921710000042
令
Figure RE-GDA0002618921710000043
步骤S5：设置
Figure RE-GDA0002618921710000044
并计算
Figure RE-GDA0002618921710000045
若
Figure RE-GDA0002618921710000046
则
Figure RE-GDA0002618921710000047
若
Figure RE-GDA0002618921710000048
则
Figure RE-GDA0002618921710000049
计算
Figure RE-GDA00026189217100000410
步骤S6：若
Figure RE-GDA00026189217100000411
则
Figure RE-GDA00026189217100000412
返回步骤S5；若
Figure RE-GDA00026189217100000413
则从
Figure RE-GDA00026189217100000414
中找到最大值为
Figure RE-GDA00026189217100000415
令
Figure RE-GDA00026189217100000416
步骤S7，若
Figure RE-GDA00026189217100000417
则迭代结束，令
Figure RE-GDA00026189217100000418
若
Figure RE-GDA00026189217100000419
则令t＝t+1，
Figure RE-GDA00026189217100000420
返回执行步骤S2；
所述判断各个所述最优博弈结果是否符合所述约束条件，包括：
判断
Figure RE-GDA00026189217100000421
是否成立。
优选的，所述设置p1和p2的精度要求，包括：
对所述p1及所述p2进行单位化处理，将单位化处理后的p1替换所述p1，将单位化处理后的p2替换所述p2，并设置所述p1和所述p2的精度要求；
所述
Figure RE-GDA00026189217100000422
替换为
Figure RE-GDA00026189217100000423
且所述
Figure RE-GDA00026189217100000424
替换为
Figure RE-GDA00026189217100000425
所述
Figure RE-GDA00026189217100000426
替换为
Figure RE-GDA00026189217100000427
且所述
Figure RE-GDA00026189217100000428
替换为
Figure RE-GDA00026189217100000429
一种基于博弈模型的决策装置，该装置包括：
分析模块，用于获取预先构建的平台零售企业捆绑销售博弈模型，对所述平台零售企业捆绑销售博弈模型进行分析，得到约束条件和最优解计算关系式；所述平台零售企业捆绑销售博弈模型为用于表征平台零售商决策多个产品的捆绑销售价格和生产商决策各自产品零售价格之间博弈的斯坦克伯格模型；
获取模块，用于获取预先构建的各个所述产品的生产商的利润博弈模型，所述产品的生产商的利润博弈模型为用于表征所述多个生产商决策各自产品零售价格之间博弈的纳什模型；
最优博弈结果获得模块，用于基于所述约束条件和所述最优解计算关系式，利用非线性迭代算法，获得各个所述产品的生产商的利润博弈模型的最优结果，作为最优博弈结果；
判断模块，用于判断各个所述最优博弈结果是否符合所述约束条件；
决策模块，用于若符合所述约束条件，则将各个所述最优博弈结果输入到所述最优解计算关系式，得到最优解，将所述最优解作为平台零售企业捆绑销售的决策结果。
优选的，所述分析模块，具体用于：
获取预先构建的平台零售企业捆绑销售博弈模型
maxp12πR＝(p12-(1-θ)(p1+p2))((2-p12)2-(1-p1)2-(1-p2)2)/2+θ(p1(p12- p1)(1-p1)+p2(p12-p2)(1-p2))
，所述
Figure RE-GDA0002618921710000051
表示决策捆绑销售产品的最优价格，πR表示平台零售商的利润，p12表示第一产品和第二产品捆绑销售的价格，p1表示第一产品单独销售的价格，p2表示第二产品单独销售的价格，θ表示平台零售企业的佣金比例；
对所述
Figure RE-GDA0002618921710000052
进行一阶函数求导，获得约束条件(1+2θ)p1p2-(1+θ)p1-(1+θ)p2+1＜0，及最优解计算关系式
Figure RE-GDA0002618921710000053
其中，
Figure RE-GDA0002618921710000061
所述
Figure RE-GDA0002618921710000062
表示最优解；
所述获取模块，具体用于：
获取预先构建的第一产品的生产商的利润博弈模型
Figure RE-GDA0002618921710000063
及预先构建的第二产品的生产商的利润博奕模型
Figure RE-GDA0002618921710000064
其中，
Figure RE-GDA00026189217100000619
表示决策第一产品销售时的最优销售价格，π1表示第一产品的生产商的利润，c1表示第一产品的单位成本，
Figure RE-GDA00026189217100000620
表示决策第二产品销售时的最优销售价格，π2表示第二产品的生产商的利润，c2表示第二产品的单位成本。
优选的，最优博弈结果获得模块，具体用于执行以下过程：
步骤S1:设置p1和p2的精度要求，表示为，设置
Figure RE-GDA0002618921710000065
步骤S2：置
Figure RE-GDA00026189217100000618
步骤S3：若
Figure RE-GDA0002618921710000067
则
Figure RE-GDA0002618921710000068
若
Figure RE-GDA0002618921710000069
则
Figure RE-GDA00026189217100000610
计算
Figure RE-GDA00026189217100000611
步骤S4：若
Figure RE-GDA00026189217100000612
则
Figure RE-GDA00026189217100000613
返回执行步骤S3；若
Figure RE-GDA00026189217100000614
则从
Figure RE-GDA00026189217100000615
中找到最大值为
Figure RE-GDA00026189217100000616
令
Figure RE-GDA00026189217100000617
步骤S5：设置
Figure RE-GDA0002618921710000071
并计算
Figure RE-GDA0002618921710000072
若
Figure RE-GDA0002618921710000073
则
Figure RE-GDA0002618921710000074
若
Figure RE-GDA0002618921710000075
则
Figure RE-GDA0002618921710000076
计算
Figure RE-GDA0002618921710000077
步骤S6：若
Figure RE-GDA0002618921710000078
则
Figure RE-GDA0002618921710000079
返回步骤S5；若
Figure RE-GDA00026189217100000710
Figure RE-GDA00026189217100000711
则令t＝t+1，
Figure RE-GDA00026189217100000712
返回执行步骤S2；
所述判断模块，具体用于判断
Figure RE-GDA00026189217100000713
是否成立。
优选的，所述最优博弈结果获得模块，具体用于执行以下过程：
步骤S1:对所述p1及所述p2进行单位化处理，将单位化处理后的p1替换所述p1，将单位化处理后的p2替换所述p2，并设置p1和p2的精度要求，表示为，设置
Figure RE-GDA00026189217100000729
步骤S2：置
Figure RE-GDA00026189217100000730
步骤S3：若
Figure RE-GDA00026189217100000716
则
Figure RE-GDA00026189217100000717
若
Figure RE-GDA00026189217100000718
则
Figure RE-GDA00026189217100000719
计算
Figure RE-GDA00026189217100000720
步骤S4：若
Figure RE-GDA00026189217100000721
则
Figure RE-GDA00026189217100000722
返回执行步骤S3；若
Figure RE-GDA00026189217100000723
则从
Figure RE-GDA00026189217100000724
中找到最大值为
Figure RE-GDA00026189217100000725
令
Figure RE-GDA00026189217100000726
步骤S5：设置
Figure RE-GDA00026189217100000727
并计算
Figure RE-GDA00026189217100000728
若
Figure RE-GDA0002618921710000081
则
Figure RE-GDA0002618921710000082
若
Figure RE-GDA0002618921710000083
则
Figure RE-GDA0002618921710000084
计算
Figure RE-GDA0002618921710000085
步骤S6：若
Figure RE-GDA0002618921710000086
则
Figure RE-GDA0002618921710000087
返回步骤S5；若
Figure RE-GDA0002618921710000088
Figure RE-GDA0002618921710000089
则令t＝t+1，
Figure RE-GDA00026189217100000810
返回执行步骤S2。
与现有技术相比，本申请的有益效果为：
在本申请中，可以先对平台零售企业捆绑销售博弈模型进行分析，得到约束条件和最优解计算关系式，并获取预先构建的各个产品的生产商的利润博弈模型，并将约束条件和最优解计算关系式参与到产品的生产商的利润博弈模型的最优博弈结果的求解中，并利用非线性迭代算法，使生产商的利润博弈模型基于约束条件，进行求解结果的迭代，直到求解得到产品的生产商的利润博弈模型的最优博弈结果，提高求解的准确性，在最优博弈结果的准确性提高的基础上，再判断各个所述最优博弈结果是否符合所述约束条件，在符合约束条件的情况下，将各个所述最有博弈结果输入到所述最优解计算关系式，得到最优解，实现对复杂博弈模型的分析，并通过以上方式实现平台零售企业捆绑销售博弈模型与生产商的利润博弈模型的嵌套求解，保证分析的准确性，进而保证决策结果的准确性。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是本申请提供的一种基于博弈模型的决策方法实施例1的流程图；
图2是本申请提供的一种基于博弈模型的决策装置的逻辑结构示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
随着互联网和信息技术的发展，电子商务也得到了迅速的发展。互联网已经成为零售行业不可或缺的销售渠道，同时互联网在线销售带来了新的零售形式，平台零售形式。
在平台零售中，零售形式不再是上游生产商批发卖给零售商然后零售商再加价卖给消费者的传统批发零售形式。而是，上游生产商直接制定销售价格卖给消费者，零售商作为一个零售平台只抽取固定比例的销售额作为佣金。使用平台零售形式的企业经常使用将两种或者两种以上的产品捆绑在一起进行定价和销售的捆绑销售策略。
博弈理论是研究多个个人或团体作为决策者在相应的条件和规则约束下，实施相应的决策策略的学科。博弈论是应用数学的重要分支和运筹学的重要学科，也在经济学、管理学、生物学和计算机科学等领域有着众多应用。考虑捆绑销售的平台零售企业的决策分析，就是分析上游生产商企业和下游平台零售商之间博弈的过程。上游生产商制定产品销售价格时会考虑到零售商的捆绑销售策略，平台零售商制定捆绑销售策略时会考虑到生产商的最优决策。供应链上下游不同利益主体之间的相互竞争、相互制约以及相互影响符合典型的博弈特征。将博弈论应用到考虑捆绑销售的平台零售企业的决策分析中，就是研究供应链上下游企业在理性人假设下如何决策各自的最优价格从而达到自己利润最大化的问题。可以发现，博弈论在分析平台零售企业的捆绑销售策略时，具有很强的适用性，因此，在对两种产品进行捆绑销售时，可以通过构建由由生产商之间的博弈模型和平台零售企业与生产商之间的博弈模型组成的复杂博弈模型，并对复杂博弈模型进行分析，得到捆绑销售的策略。
但是，目前常见的是采用一阶求导的方法对单个博弈模型进行分析，若将一阶求导的方法应用于复杂博弈模型，会存在分析不够准确，导致决策结果准确性低的问题。为了解决现有方法分析不够准确，导致决策结果准确性低的问题，本申请提出了一种基于博弈模型的决策方法。
接下来对本申请实施例公开的基于博弈模型的决策方法进行介绍，如图1所示，为本申请提供的一种基于博弈模型的决策方法实施例1的流程图，可以包括以下步骤：
步骤S11、获取预先构建的平台零售企业捆绑销售博弈模型，对所述平台零售企业捆绑销售博弈模型进行分析，得到约束条件和最优解计算关系式。
本实施例中，所述平台零售企业捆绑销售博弈模型为用于表征平台零售商决策多个产品的捆绑销售价格和生产商决策各自产品零售价格之间博弈的斯坦克伯格模型。
约束条件可以理解为：对平台零售企业是否进行捆绑销售的约束条件。
最优解计算关系式，可以理解为：对最优捆绑销售价格进行计算的关系式。
步骤S12、获取预先构建的各个所述产品的生产商的利润博弈模型。
本实施例中，所述产品的生产商的利润博弈模型为用于表征所述多个生产商决策各自产品零售价格之间博弈的纳什模型。
步骤S13、基于所述约束条件和所述最优解计算关系式，利用非线性迭代算法，获得各个所述产品的生产商的利润博弈模型的最优结果，作为最优博弈结果。
本实施例中，基于所述约束条件和所述最优解计算关系式，利用非线性迭代算法，获得各个所述产品的生产商的利润博弈模型的最优结果，可以理解为：
基于所述约束条件和所述最优解计算关系式，对各个所述产品的生产商的利润博弈模型的结果进行迭代，直到获得各个产品的生产商的利润博弈模型的最优结果。
步骤S14、判断各个所述最优博弈结果是否符合所述约束条件；
在获得各个产品的生产商的利润博弈模型的最优结果之后，继续判断各个最优博弈结果是否符合约束条件，来确定是否进行捆绑销售。
若符合约束条件，则执行步骤S15。
步骤S15、将各个所述最优博弈结果输入到所述最优解计算关系式，得到最优解，将所述最优解作为平台零售企业捆绑销售的决策结果。
在各个最优博弈结果均符合约束条件的情况下，确定可以进行捆绑销售，进一步将各个最优博弈结果输入到最优解计算关系式，得到最优解。并将最优解作为平台零售企业捆绑销售的决策结果。
在本申请中，可以先对平台零售企业捆绑销售博弈模型进行分析，得到约束条件和最优解计算关系式，并获取预先构建的各个产品的生产商的利润博弈模型，并将约束条件和最优解计算关系式参与到产品的生产商的利润博弈模型的最优博弈结果的求解中，并利用非线性迭代算法，使生产商的利润博弈模型基于约束条件，进行求解结果的迭代，直到求解得到产品的生产商的利润博弈模型的最优博弈结果，提高求解的准确性，在最优博弈结果的准确性提高的基础上，再判断各个所述最优博弈结果是否符合所述约束条件，在符合约束条件的情况下，将各个所述最有博弈结果输入到所述最优解计算关系式，得到最优解，实现对复杂博弈模型的分析，并通过以上方式实现平台零售企业捆绑销售博弈模型与生产商的利润博弈模型的嵌套求解，保证分析的准确性，进而保证决策结果的准确性。
作为本申请另一可选实施例，为本申请提供的一种基于博弈模型的决策方法实施例2的流程示意图，本实施例主要是对上述实施例1描述的基于博弈模型的决策方法的细化方案，该方法可以包括但并不局限于以下步骤：
步骤S21、获取预先构建的平台零售企业捆绑销售博弈模型
Figure RE-GDA0002618921710000111
其中，所述
Figure RE-GDA0002618921710000112
表示决策捆绑销售产品的最优价格，πR表示平台零售商的利润，p12表示第一产品和第二产品捆绑销售的价格，p1表示第一产品单独销售的价格，p2表示第二产品单独销售的价格，θ表示平台零售企业的佣金比例。
步骤S22、对所述平台零售企业捆绑销售博弈模型
Figure RE-GDA0002618921710000121
进行一阶函数求导，获得约束条件(1+2θ)p1p2-(1+θ)p1-(1+θ)p2+1＜0和最优解计算关系式
Figure RE-GDA0002618921710000122
其中，
Figure RE-GDA0002618921710000123
所述
Figure RE-GDA0002618921710000124
表示最优解。
步骤S21-S22为实施例1中步骤S11的一种具体实施方式。
本实施例中，预先构建的平台零售企业捆绑销售博弈模型可以理解为：两个产品进行捆绑销售的博弈模型。
步骤S23、获取预先构建的第一产品的生产商的利润博弈模型
Figure RE-GDA0002618921710000125
及预先构建的第二产品的生产商的利润博弈模型
Figure RE-GDA0002618921710000126
其中，
Figure RE-GDA0002618921710000127
表示决策第一产品销售时的最优销售价格，π1表示第一产品的生产商的利润，c1表示第一产品的单位成本，
Figure RE-GDA00026189217100001328
表示决策第二产品销售时的最优销售价格，π2表示第二产品的生产商的利润，c2表示第二产品的单位成本。
步骤S23为实施例1中步骤S12的一种具体实施方式。
步骤S24、设置p1和p2的精度要求，表示为ε，设置
Figure RE-GDA0002618921710000131
步骤S25：置
Figure RE-GDA00026189217100001327
步骤S26：若
Figure RE-GDA0002618921710000133
则
Figure RE-GDA0002618921710000134
若
Figure RE-GDA0002618921710000135
则
Figure RE-GDA0002618921710000136
计算
Figure RE-GDA0002618921710000137
步骤S27：若
Figure RE-GDA0002618921710000138
则
Figure RE-GDA0002618921710000139
返回执行步骤S26；若
Figure RE-GDA00026189217100001310
则从
Figure RE-GDA00026189217100001311
中找到最大值为
Figure RE-GDA00026189217100001312
令
Figure RE-GDA00026189217100001313
步骤S28：设置
Figure RE-GDA00026189217100001314
并计算
Figure RE-GDA00026189217100001315
若
Figure RE-GDA00026189217100001316
则
Figure RE-GDA00026189217100001317
若
Figure RE-GDA00026189217100001318
则
Figure RE-GDA00026189217100001319
计算
Figure RE-GDA00026189217100001320
步骤S29：若
Figure RE-GDA00026189217100001321
则
Figure RE-GDA00026189217100001322
返回步骤S28；若
Figure RE-GDA00026189217100001323
则从
Figure RE-GDA00026189217100001324
中找到最大值为
Figure RE-GDA00026189217100001325
令
Figure RE-GDA00026189217100001326
步骤S210，若
Figure RE-GDA0002618921710000141
则迭代结束，令
Figure RE-GDA0002618921710000142
若
Figure RE-GDA0002618921710000143
则令t＝t+1，
Figure RE-GDA0002618921710000144
返回执行步骤S25。
步骤S24-S210为实施例1中步骤S13的一种具体实施方式。
步骤S211、判断
Figure RE-GDA0002618921710000145
是否成立。
步骤S211为实施例1中步骤S14的一种具体实施方式。
若成立，则执行步骤S212；若不成立，则确定平台零售企业不采取捆绑销售。
步骤S212、确定平台零售企业采取捆绑销售，且通过
Figure RE-GDA0002618921710000146
获得最优解。
步骤S212为实施例1中步骤S15的一种具体实施方式。
需要说明的是，本实施例介绍的是两种产品进行捆绑销售时的决策方法，但实施例1介绍的基于博弈模型的决策方法并不局限于两种产品捆绑销售的决策，基于博弈模型的决策方法可以适用于三种产品或更多产品捆绑销售的决策，在三种产品或更多产品捆绑销售时的基于博弈模型的决策方法的具体过程在此不再赘述。
作为本申请另一可选实施例3，本实施例主要是对上述实施例2描述的基于博弈模型的决策方法的细化方案，该方法可以包括但并不局限于以下步骤：
步骤S31、获取预先构建的平台零售企业捆绑销售博弈模型
maxp12πR＝(p12-(1-θ)(p1+p2))((2-p12)2-(1-p1)2-(1-p2)2)/2+θ(p1(p12- p1)(1-p1)+p2(p12-p2)(1-p2))。
其中，所述
Figure RE-GDA0002618921710000147
表示决策捆绑销售产品的最优价格，πR表示平台零售商的利润，p12表示第一产品和第二产品捆绑销售的价格，p1表示第一产品单独销售的价格，p2表示第二产品单独销售的价格，θ表示平台零售企业的佣金比例。
步骤S32、对所述平台零售企业捆绑销售博弈模型
Figure RE-GDA0002618921710000151
进行一阶函数求导，获得约束条件(1+2θ)p1p2-(1+θ)p1-(1+θ)p2+1＜0和最优解计算关系式
Figure RE-GDA0002618921710000152
其中，
Figure RE-GDA0002618921710000153
所述
Figure RE-GDA0002618921710000154
表示最优解。
本实施例中，预先构建的平台零售企业捆绑销售博弈模型可以理解为：两个产品进行捆绑销售的博弈模型。
步骤S33、获取预先构建的第一产品的生产商的利润博弈模型
Figure RE-GDA0002618921710000155
及预先构建的第二产品的生产商的利润博弈模型
Figure RE-GDA0002618921710000156
其中，
Figure RE-GDA0002618921710000157
表示决策第一产品销售时的最优销售价格，π1表示第一产品的生产商的利润，c1表示第一产品的单位成本，
Figure RE-GDA0002618921710000158
表示决策第二产品销售时的最优销售价格，π2表示第二产品的生产商的利润，c2表示第二产品的单位成本。
步骤S31-S33与实施例2中步骤S21-S23相同，在此不再赘述。。
步骤S34、对所述p1及所述p2进行单位化处理，将单位化处理后的p1替换所述p1，将单位化处理后的p2替换所述p2，并设置p1和p2的精度要求，表示为，设置
Figure RE-GDA0002618921710000161
本实施例中，步骤是S34为实施例2中步骤S24的一种具体实施方式。
对所述p1及所述p2进行单位化处理，将单位化处理后的p1替换所述p1，将单位化处理后的p2替换所述p2，可以减少后续运算的运算量，提高运算效率。
单位化处理后的p1及p2均为大于0且小于1的数。
步骤S35：置
Figure RE-GDA00026189217100001620
步骤S36：若
Figure RE-GDA0002618921710000163
则
Figure RE-GDA0002618921710000164
若
Figure RE-GDA0002618921710000165
则
Figure RE-GDA0002618921710000166
计算
Figure RE-GDA0002618921710000167
步骤S35-S36与实施例2中的步骤S25-S26相同，在此不再赘述。
步骤S37：若
Figure RE-GDA0002618921710000168
则
Figure RE-GDA0002618921710000169
返回执行步骤S36；若
Figure RE-GDA00026189217100001610
则从
Figure RE-GDA00026189217100001611
中找到最大值为
Figure RE-GDA00026189217100001612
令
Figure RE-GDA00026189217100001613
步骤S37为实施例2中步骤S27的一种具体实施方式。
步骤S38：设置
Figure RE-GDA00026189217100001614
并计算
Figure RE-GDA00026189217100001615
若
Figure RE-GDA00026189217100001616
则
Figure RE-GDA00026189217100001617
若
Figure RE-GDA00026189217100001618
则
Figure RE-GDA00026189217100001619
计算
Figure RE-GDA0002618921710000171
步骤S38与实施例2中步骤S28相同，在此不再赘述。
步骤S39：若
Figure RE-GDA0002618921710000172
则
Figure RE-GDA0002618921710000173
返回步骤S38；若
Figure RE-GDA0002618921710000174
则从
Figure RE-GDA0002618921710000175
中找到最大值为
Figure RE-GDA0002618921710000176
令
Figure RE-GDA0002618921710000177
步骤S39为实施例2中步骤S29的一种具体实施方式。
步骤S310，若
Figure RE-GDA0002618921710000178
则迭代结束，令
Figure RE-GDA0002618921710000179
若
Figure RE-GDA00026189217100001710
则令t＝t+1，
Figure RE-GDA00026189217100001711
返回执行步骤S35。
步骤S311、判断
Figure RE-GDA00026189217100001712
是否成立。
若成立，则执行步骤S312；若不成立，则确定平台零售企业不采取捆绑销售。
步骤S312、确定平台零售企业采取捆绑销售，且通过
Figure RE-GDA00026189217100001713
获得最优解。
步骤S310-S312与实施例2中步骤S210-S212相同，在此不再赘述。本实施例中，对所述p1及所述p2进行单位化处理，将单位化处理后的p1替换所述p1，将单位化处理后的p2替换所述p2，可以减少运算量，提高决策的整体效率。
接下来对本申请提供的一种基于博弈模型的决策装置进行介绍，下文介绍的基于博弈模型的决策装置与上文介绍的基于博弈模型的决策方法可相互对应参照。
请参见图2，基于博弈模型的决策装置包括：分析模块11、获取模块12、最优博弈结果获得模块13、判断模块14和决策模块15。
分析模块11，用于获取预先构建的平台零售企业捆绑销售博弈模型，对所述平台零售企业捆绑销售博弈模型进行分析，得到约束条件和最优解计算关系式；所述平台零售企业捆绑销售博弈模型为用于表征平台零售商决策多个产品的捆绑销售价格和生产商决策各自产品零售价格之间博弈的斯坦克伯格模型；
获取模块12，用于获取预先构建的各个所述产品的生产商的利润博弈模型，所述产品的生产商的利润博弈模型为用于表征所述多个生产商决策各自产品零售价格之间博弈的纳什模型；
最优博弈结果获得模块13，用于基于所述约束条件和所述最优解计算关系式，利用非线性迭代算法，获得各个所述产品的生产商的利润博弈模型的最优结果，作为最优博弈结果；
判断模块14，用于判断各个所述最优博弈结果是否符合所述约束条件；
决策模块15，用于若符合所述约束条件，则将各个所述最优博弈结果输入到所述最优解计算关系式，得到最优解，将所述最优解作为平台零售企业捆绑销售的决策结果。
本实施例中，所述分析模块11，具体可以用于：
获取预先构建的平台零售企业捆绑销售博弈模型
Figure RE-GDA0002618921710000181
，所述
Figure RE-GDA0002618921710000182
表示决策捆绑销售产品的最优价格，πR表示平台零售商的利润，p12表示第一产品和第二产品捆绑销售的价格，p1表示第一产品单独销售的价格，p2表示第二产品单独销售的价格，θ表示平台零售企业的佣金比例；
对所述
Figure RE-GDA0002618921710000183
进行一阶函数求导，获得约束条件(1+2θ)p1p2-(1+θ)p1-(1+θ)p2+1＜0，及最优解计算关系式
Figure RE-GDA0002618921710000191
其中，
Figure RE-GDA0002618921710000192
所述
Figure RE-GDA0002618921710000193
表示最优解。
相应地，所述获取模块12，具体可以用于：
获取预先构建的第一产品的生产商的利润博弈模型
Figure RE-GDA0002618921710000194
及预先构建的第二产品的生产商的利润博弈模型
Figure RE-GDA0002618921710000195
其中，
Figure RE-GDA00026189217100001917
表示决策第一产品销售时的最优销售价格，π1表示第一产品的生产商的利润，c1表示第一产品的单位成本，
Figure RE-GDA00026189217100001918
表示决策第二产品销售时的最优销售价格，π2表示第二产品的生产商的利润，c2表示第二产品的单位成本。
本实施例中，最优博弈结果获得模块13，具体可以用于执行以下过程：
步骤S1:设置p1和p2的精度要求，表示为，设置
Figure RE-GDA0002618921710000196
步骤S2：置
Figure RE-GDA00026189217100001916
步骤S3：若
Figure RE-GDA0002618921710000198
则
Figure RE-GDA0002618921710000199
若
Figure RE-GDA00026189217100001910
则
Figure RE-GDA00026189217100001911
计算
Figure RE-GDA00026189217100001912
步骤S4：若
Figure RE-GDA00026189217100001913
则
Figure RE-GDA00026189217100001914
返回执行步骤S3；若
Figure RE-GDA00026189217100001915
则从
Figure RE-GDA0002618921710000201
中找到最大值为
Figure RE-GDA0002618921710000202
令
Figure RE-GDA0002618921710000203
步骤S5：设置
Figure RE-GDA0002618921710000204
并计算
Figure RE-GDA0002618921710000205
若
Figure RE-GDA0002618921710000206
则
Figure RE-GDA0002618921710000207
若
Figure RE-GDA0002618921710000208
则
Figure RE-GDA0002618921710000209
计算
Figure RE-GDA00026189217100002010
步骤S6：若
Figure RE-GDA00026189217100002011
则
Figure RE-GDA00026189217100002012
返回步骤S5；若
Figure RE-GDA00026189217100002013
Figure RE-GDA00026189217100002014
则令t＝t+1，
Figure RE-GDA00026189217100002015
返回执行步骤S2。
相应地，所述判断模块14，具体可以用于判断
Figure RE-GDA00026189217100002016
是否成立。
本实施例中，所述最优博弈结果获得模块13，一可以具体用于执行以下过程：
步骤S1:对所述p1及所述p2进行单位化处理，将单位化处理后的p1替换所述p1，将单位化处理后的p2替换所述p2，并设置p1和p2的精度要求，表示为，设置
Figure RE-GDA00026189217100002027
步骤S2：置
Figure RE-GDA00026189217100002028
步骤S3：若
Figure RE-GDA00026189217100002019
则
Figure RE-GDA00026189217100002020
若
Figure RE-GDA00026189217100002021
则
Figure RE-GDA00026189217100002022
计算
Figure RE-GDA00026189217100002023
步骤S4：若
Figure RE-GDA00026189217100002024
则
Figure RE-GDA00026189217100002025
返回执行步骤S3；若
Figure RE-GDA00026189217100002026
则从
Figure RE-GDA0002618921710000211
中找到最大值为
Figure RE-GDA0002618921710000212
令
Figure RE-GDA0002618921710000213
步骤S5：设置
Figure RE-GDA0002618921710000214
并计算
Figure RE-GDA0002618921710000215
若
Figure RE-GDA0002618921710000216
则
Figure RE-GDA0002618921710000217
若
Figure RE-GDA0002618921710000218
则
Figure RE-GDA0002618921710000219
计算
Figure RE-GDA00026189217100002110
步骤S6：若
Figure RE-GDA00026189217100002111
则
Figure RE-GDA00026189217100002112
返回步骤S5；若
Figure RE-GDA00026189217100002113
Figure RE-GDA00026189217100002114
则令t＝t+1，
Figure RE-GDA00026189217100002115
返回执行步骤S2。
需要说明的是，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。对于装置类实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本申请时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
通过以上的实施方式的描述可知，本领域的技术人员可以清楚地了解到本申请可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例或者实施例的某些部分所述的方法。
以上对本申请所提供的一种基于博弈模型的决策方法及装置进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的一般技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。

Claims (8)

1.一种基于博弈模型的决策方法，其特征在于，该方法包括：
获取预先构建的平台零售企业捆绑销售博弈模型，对所述平台零售企业捆绑销售博弈模型进行分析，得到约束条件和最优解计算关系式；所述平台零售企业捆绑销售博弈模型为用于表征平台零售商决策多个产品的捆绑销售价格和生产商决策各自产品零售价格之间博弈的斯坦克伯格模型；
获取预先构建的各个所述产品的生产商的利润博弈模型，所述产品的生产商的利润博弈模型为用于表征所述多个生产商决策各自产品零售价格之间博弈的纳什模型；
基于所述约束条件和所述最优解计算关系式，利用非线性迭代算法，获得各个所述产品的生产商的利润博弈模型的最优结果，作为最优博弈结果；
判断各个所述最优博弈结果是否符合所述约束条件；
若符合所述约束条件，则将各个所述最优博弈结果输入到所述最优解计算关系式，得到最优解，将所述最优解作为平台零售企业捆绑销售的决策结果。
2.根据权利要求1所述的方法，其特征在于，所述预先构建的平台零售企业捆绑销售博弈模型，包括：
Figure FDA0002466820440000011
，所述
Figure FDA0002466820440000012
表示决策捆绑销售产品的最优价格，πR表示平台零售商的利润，p12表示第一产品和第二产品捆绑销售的价格，p1表示第一产品单独销售的价格，p2表示第二产品单独销售的价格，θ表示平台零售企业的佣金比例；
所述对所述平台零售企业捆绑销售博弈模型进行分析，得到约束条件和最优解计算关系式，包括：
对所述
Figure FDA0002466820440000013
进行一阶函数求导，获得约束条件(1+2θ)p1p2-(1+θ)p1-(1+θ)p2+1＜0，及最优解计算关系式
Figure FDA0002466820440000021
其中，
Figure FDA0002466820440000022
所述
Figure FDA0002466820440000023
表示最优解；
所述预先构建的各个所述产品的生产商的利润博弈模型，包括：
预先构建的第一产品的生产商的利润博弈模型
Figure FDA0002466820440000024
及预先构建的第二产品的生产商的利润博弈模型
Figure FDA0002466820440000025
其中，
Figure FDA0002466820440000026
表示决策第一产品销售时的最优销售价格，π1表示第一产品的生产商的利润，c1表示第一产品的单位成本，
Figure FDA0002466820440000027
表示决策第二产品销售时的最优销售价格，π2表示第二产品的生产商的利润，c2表示第二产品的单位成本。
3.根据权利要求2所述的方法，其特征在于，所述基于所述约束条件和所述最优解计算关系式，利用非线性迭代算法，获得各个所述产品的生产商的利润博弈模型的最优结果，包括：
步骤S1:设置p1和p2的精度要求，表示为ε，设置
Figure FDA0002466820440000028
步骤S2：置n＝1，m＝1,
Figure FDA0002466820440000029
步骤S3：若
Figure FDA00024668204400000210
则
Figure FDA00024668204400000211
若
Figure FDA0002466820440000031
则
Figure FDA0002466820440000032
计算
Figure FDA0002466820440000033
步骤S4：若
Figure FDA0002466820440000034
则
Figure FDA0002466820440000035
返回执行步骤S3；若
Figure FDA0002466820440000036
则从
Figure FDA0002466820440000037
中找到最大值为
Figure FDA0002466820440000038
令
Figure FDA0002466820440000039
步骤S5：设置
Figure FDA00024668204400000310
并计算
Figure FDA00024668204400000311
若
Figure FDA00024668204400000312
则
Figure FDA00024668204400000313
若
Figure FDA00024668204400000314
则
Figure FDA00024668204400000315
计算
Figure FDA00024668204400000316
步骤S6：若
Figure FDA00024668204400000317
则
Figure FDA00024668204400000318
返回步骤S5；若
Figure FDA00024668204400000319
则从
Figure FDA00024668204400000320
中找到最大值为
Figure FDA00024668204400000321
令
Figure FDA00024668204400000322
步骤S7，若
Figure FDA00024668204400000323
则迭代结束，令
Figure FDA00024668204400000324
若
Figure FDA00024668204400000325
则令t＝t+1，
Figure FDA00024668204400000326
返回执行步骤S2；
所述判断各个所述最优博弈结果是否符合所述约束条件，包括：
判断
Figure FDA00024668204400000327
是否成立。
4.根据权利要求3所述的方法，其特征在于，所述设置p1和p2的精度要求，包括：
对所述p1及所述p2进行单位化处理，将单位化处理后的p1替换所述p1，将单位化处理后的p2替换所述p2，并设置所述p1和所述p2的精度要求；
所述
Figure FDA0002466820440000041
替换为
Figure FDA0002466820440000042
且所述
Figure FDA0002466820440000043
替换为
Figure FDA0002466820440000044
所述
Figure FDA0002466820440000045
替换为
Figure FDA0002466820440000046
且所述
Figure FDA0002466820440000047
替换为
Figure FDA0002466820440000048
5.一种基于博弈模型的决策装置，其特征在于，该装置包括：
分析模块，用于获取预先构建的平台零售企业捆绑销售博弈模型，对所述平台零售企业捆绑销售博弈模型进行分析，得到约束条件和最优解计算关系式；所述平台零售企业捆绑销售博弈模型为用于表征平台零售商决策多个产品的捆绑销售价格和生产商决策各自产品零售价格之间博弈的斯坦克伯格模型；
获取模块，用于获取预先构建的各个所述产品的生产商的利润博弈模型，所述产品的生产商的利润博弈模型为用于表征所述多个生产商决策各自产品零售价格之间博弈的纳什模型；
最优博弈结果获得模块，用于基于所述约束条件和所述最优解计算关系式，利用非线性迭代算法，获得各个所述产品的生产商的利润博弈模型的最优结果，作为最优博弈结果；
判断模块，用于判断各个所述最优博弈结果是否符合所述约束条件；
决策模块，用于若符合所述约束条件，则将各个所述最优博弈结果输入到所述最优解计算关系式，得到最优解，将所述最优解作为平台零售企业捆绑销售的决策结果。
6.根据权利要求5所述的装置，其特征在于，所述分析模块，具体用于：
获取预先构建的平台零售企业捆绑销售博弈模型
Figure FDA0002466820440000049
，所述
Figure FDA00024668204400000410
表示决策捆绑销售产品的最优价格，πR表示平台零售商的利润，p12表示第一产品和第二产品捆绑销售的价格，p1表示第一产品单独销售的价格，p2表示第二产品单独销售的价格，θ表示平台零售企业的佣金比例；
对所述
Figure FDA0002466820440000051
进行一阶函数求导，获得约束条件(1+2θ)p1p2-(1+θ)p1-(1+θ)p2+1＜，及最优解计算关系式
Figure FDA0002466820440000052
其中，
Figure FDA0002466820440000053
所述
Figure FDA0002466820440000054
表示最优解；
所述获取模块，具体用于：
获取预先构建的第一产品的生产商的利润博弈模型
Figure FDA0002466820440000055
及预先构建的第二产品的生产商的利润博弈模型
Figure FDA0002466820440000056
其中，
Figure FDA0002466820440000057
表示决策第一产品销售时的最优销售价格，π1表示第一产品的生产商的利润，c1表示第一产品的单位成本，
Figure FDA0002466820440000058
表示决策第二产品销售时的最优销售价格，π2表示第二产品的生产商的利润，c2表示第二产品的单位成本。
7.根据权利要求6所述的装置，其特征在于，最优博弈结果获得模块，具体用于执行以下过程：
步骤S1:设置p1和p2的精度要求，表示为ε，设置t＝0，
Figure FDA0002466820440000059
步骤S2：置n＝1，m＝1,
Figure FDA00024668204400000510
步骤S3：若
Figure FDA0002466820440000061
则
Figure FDA0002466820440000062
若
Figure FDA0002466820440000063
则
Figure FDA0002466820440000064
计算
Figure FDA0002466820440000065
步骤S4：若
Figure FDA0002466820440000066
则
Figure FDA0002466820440000067
返回执行步骤S3；若
Figure FDA0002466820440000068
则从
Figure FDA0002466820440000069
中找到最大值为
Figure FDA00024668204400000610
令
Figure FDA00024668204400000611
步骤S5：设置
Figure FDA00024668204400000612
并计算
Figure FDA00024668204400000613
若
Figure FDA00024668204400000614
则
Figure FDA00024668204400000615
若
Figure FDA00024668204400000616
则
Figure FDA00024668204400000617
计算
Figure FDA00024668204400000618
步骤S6：若
Figure FDA00024668204400000619
则
Figure FDA00024668204400000620
返回步骤S5；若
Figure FDA00024668204400000621
则从
Figure FDA00024668204400000622
中找到最大值为
Figure FDA00024668204400000623
令
Figure FDA00024668204400000624
步骤S7，若
Figure FDA00024668204400000625
则迭代结束，令
Figure FDA00024668204400000626
若
Figure FDA00024668204400000627
则令t＝t+1，
Figure FDA00024668204400000628
返回执行步骤S2；
所述判断模块，具体用于判断
Figure FDA00024668204400000629
是否成立。
8.根据权利要求7所述的装置，其特征在于，所述最优博弈结果获得模块，具体用于执行以下过程：
步骤S1:对所述p1及所述p2进行单位化处理，将单位化处理后的p1替换所述p1，将单位化处理后的p2替换所述p2，并设置p1和p2的精度要求，表示为ε，设置t＝0，
Figure FDA0002466820440000071
步骤S2：置n＝1，m＝1,
Figure FDA0002466820440000072
步骤S3：若
Figure FDA0002466820440000073
则
Figure FDA0002466820440000074
若
Figure FDA0002466820440000075
则
Figure FDA0002466820440000076
计算
Figure FDA0002466820440000077
步骤S4：若
Figure FDA0002466820440000078
则
Figure FDA0002466820440000079
返回执行步骤S3；若
Figure FDA00024668204400000710
则从
Figure FDA00024668204400000711
中找到最大值为
Figure FDA00024668204400000712
令
Figure FDA00024668204400000713
步骤S5：设置
Figure FDA00024668204400000714
并计算
Figure FDA00024668204400000715
若
Figure FDA00024668204400000716
则
Figure FDA00024668204400000717
若
Figure FDA00024668204400000718
则
Figure FDA00024668204400000719
计算
Figure FDA00024668204400000720
步骤S6：若
Figure FDA00024668204400000721
则
Figure FDA00024668204400000722
返回步骤S5；若
Figure FDA00024668204400000723
则从
Figure FDA0002466820440000081
中找到最大值为
Figure FDA0002466820440000082
令
Figure FDA0002466820440000083
步骤S7，若
Figure FDA0002466820440000084
则迭代结束，令
Figure FDA0002466820440000085
若
Figure FDA0002466820440000086
则令t＝t+1，
Figure FDA0002466820440000087
返回执行步骤S2。
CN202010336738.0A 2020-04-26 2020-04-26 一种基于博弈模型的决策方法及装置 Active CN111680394B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010336738.0A CN111680394B (zh) 2020-04-26 2020-04-26 一种基于博弈模型的决策方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010336738.0A CN111680394B (zh) 2020-04-26 2020-04-26 一种基于博弈模型的决策方法及装置

Publications (2)

Publication Number Publication Date
CN111680394A true CN111680394A (zh) 2020-09-18
CN111680394B CN111680394B (zh) 2024-05-24

Family

ID=72433843

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010336738.0A Active CN111680394B (zh) 2020-04-26 2020-04-26 一种基于博弈模型的决策方法及装置

Country Status (1)

Country Link
CN (1) CN111680394B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070027745A1 (en) * 2005-07-28 2007-02-01 Sap Ag System and method of assortment, space, and price optimization in retail store
CN108510197A (zh) * 2018-04-03 2018-09-07 广东电网有限责任公司 一种基于动态博弈均衡的碳排放权交易委托代理建模方法
CN108596452A (zh) * 2018-04-03 2018-09-28 广东电网有限责任公司 一种碳排放权交易委托代理模型的利润增加额的分析方法
CN108596464A (zh) * 2018-04-17 2018-09-28 南京邮电大学 基于动态非合作博弈的电动汽车与云储能经济调度方法
CN109920252A (zh) * 2019-04-24 2019-06-21 燕山大学 一种电气交通互联系统的协调优化方法及系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070027745A1 (en) * 2005-07-28 2007-02-01 Sap Ag System and method of assortment, space, and price optimization in retail store
CN108510197A (zh) * 2018-04-03 2018-09-07 广东电网有限责任公司 一种基于动态博弈均衡的碳排放权交易委托代理建模方法
CN108596452A (zh) * 2018-04-03 2018-09-28 广东电网有限责任公司 一种碳排放权交易委托代理模型的利润增加额的分析方法
CN108596464A (zh) * 2018-04-17 2018-09-28 南京邮电大学 基于动态非合作博弈的电动汽车与云储能经济调度方法
CN109920252A (zh) * 2019-04-24 2019-06-21 燕山大学 一种电气交通互联系统的协调优化方法及系统

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
方芳: "我国银行信用卡产业的市场特征研究", 《金卡工程(经济与法)》 *
方芳: "我国银行信用卡产业的市场特征研究", 《金卡工程(经济与法)》, no. 11, 20 November 2009 (2009-11-20) *
王剑等: "考虑服务成本的供应链博弈问题研究", 《物流科技》 *
王剑等: "考虑服务成本的供应链博弈问题研究", 《物流科技》, no. 01, 10 January 2018 (2018-01-10) *

Also Published As

Publication number Publication date
CN111680394B (zh) 2024-05-24

Similar Documents

Publication Publication Date Title
Hallikas et al. Digitalizing procurement: the impact of data analytics on supply chain performance
Huang et al. Closed-loop supply chain models with product take-back and hybrid remanufacturing under technology licensing
Zhu et al. Global value trees
Shen et al. Quality control of the agricultural products supply chain based on “Internet+”
Asl-Najafi et al. A novel perspective on closed-loop supply chain coordination: Product life-cycle approach
CN112330358A (zh) 产品销量预测的方法和装置、存储介质和电子设备
Chen et al. Supply chain finance platform evaluation based on acceptability analysis
CN113139654A (zh) 图神经网络模型的训练方法及装置
Rosalina et al. A Decision Support System for Determining the Best Customer Using the Simple Multi-Attribute Rating Technique (SMART)
CN111177581A (zh) 一种基于多平台的社交电商网站商品推荐方法及装置
JP2007323622A (ja) 研究者支援システム
CN113554350A (zh) 活跃度评估方法、装置、电子设备及计算机可读存储介质
CN111680394B (zh) 一种基于博弈模型的决策方法及装置
CN112884496A (zh) 计算企业信用因子分数的方法、装置及计算机存储介质
Wulfert et al. Retailer’s dual role in digital marketplaces: Reference architectures for retail information systems
CN110705955A (zh) 合同检测方法以及装置
CN116720647A (zh) 一种碳资产交易方法及系统
Dong et al. Managerial flexibility strategies under supply and demand risks: quantity postponement vs. price postponement
CN107093103B (zh) 基于大数据统计分析的品牌价值评价方法及系统
Čirjevskis Measuring Collaborative Synergies with Advanced Real Options: MNEs’ Sequential Acquisitions of International Ventures
IGWE et al. Examining the effect of e-commerce on business performance in a business environment
Batabyal et al. A game model of new and remanufactured goods, brown and green consumers, and market share dominance
Suwarno et al. Design, Development And Usability Analysis of Pre-Loved Goods Trading Application With Agile Approach
CN112950320A (zh) 基于机器自学习的商品自动上下线方法、装置和电子设备
Ji et al. Collaborative rebate strategy of business-to-customer platforms considering recycling and trade-ins simultaneously

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant