经济学有关论文例文,与演化经济学的数学模型评析相关论文查重软件

本论文是一篇经济学有关论文查重软件,关于演化经济学的数学模型评析相关在职研究生毕业论文范文。免费优秀的关于经济学及模型及社会经济方面论文范文资料,适合经济学论文写作的大学硕士及本科毕业论文开题报告范文和学术职称论文参考文献下载。

30340;概率等于它的适应度在种群的比例,以及锦标赛选择,即通过随机分群,选择适应度最高的群体进行繁殖.当种群规模不变时,就需要一种替代机制,即在复制过程中,种群中的某些个体被另一些个体取代.根据不同的标准,存在不同类型的替代机制；其四是重组（Rebination）,它是指个体之间信息交流的过程,这也是生成新解的过程.通过重组算子,新的解（例如,后代）从被选择出的可能解之间生成.存在不同类型的重组算子,例如,算数重组、几何重组、平面重组和模糊重组等；其五是突变,是指在突变算子（MutationOperator）的作用下,一种解突变成另一个解,在整个种群中,突变的比例通常很低,否则对最优解搜寻过程就成为随机游走.根据解的不同表述形式,突变算子也具有不同的形式.例如,当一个解用二进制的比特串（BitStrings）来表示时,突变可以被描述为在特定位置上一个符号对相反符号的替代.如果解是一个比二进制更为复杂的数据结构,突变算子也会相对比较复杂[7].

由于重组过程明确考察了新策略的产生过程,演化算法将创新内生化,它是较为完整的演化分析.在许多情况下,参与者的理性程度通常较弱,最优解的求解过程是通过演化算法来实现.在演化算法中,参与者之间通常拥有相同的演化算法,因此,它也属于群体演化模型.

(四)学习模型

上述三种模型主要与生物演化相关,学习模型则更多地基于认知科学（尤其是心理学和脑科学等）的研究成果,用来描述参与者策略频数的演变.根据学习过程中是否存在有意识的认知过程,可以将学习分为不存在认知过程的无意识学习（NonconsciousLearning）以及存在认知过程的有意识学习（ConsciousLearning）,前者是指参与者在学习过程中通常不需要去思考行动及其结果,例如,强化学习和参数自动化学习（ParameterisedLearningAutomaton）,后者则是指参与者在学习过程中通常要耗费认知资源去思考和比较各种行动及其可能的结果[8]（P895）.Brenner[8]（P890）认为,根据意识的强弱程度,可以再将有意识学习分为基于惯例的学习（RoutinebasedLearning）和信念学习（BeliefLearning）,前者是相对弱意识的学习,包括满意学习和模仿学习等,后者是相对强意识的学习,包括随机信念学习、贝叶斯理性学习和虚拟行动等.

这里描述一个较为综合的学习模型,即经历加权吸引模型（ExperienceweightedAttractionModel）,通过改变模型的参数值,它能够描述无意识学习和有意识的信念学习[8]（P900）.该模型可以通过如下两个方程来描述对新经历的学习或调整过程较之于生物演化模型、演化博弈模型和演化算法,学习模型能够更准确地描述社会经济系统演化过程中参与者的微观行为,使得许多宏观演化现象具有较为扎实的微观基础.如上所述,学习模型既包括无意识的基

经济学有关论文例文于本能的学习行为,也包括弱意识的基于惯例的学习行为以及强意识的信念学习行为,它实际上能够描述人类包括目的性和无目的性在内所有特征的行为,是较为一般的模型.前面谈到,通过适当的改造,大量生物种群动态模型都能够转化为演化博弈模型.同样的,通过适当的改造,演化博弈模型和演化算法实际上也能够转化为学习模型.例如,演化博弈中复制者动态模型可以被视为参与者采用较为简单的“见好就变”的学习规则；上述演化算法中的选择过程、重组过程和突变过程分别可以被视为参与者采用了模仿、交流和试错等学习规则.在这个意义上,在社会经济系统中,只要谨慎地设定参与者的学习规则,许多演化模型都可以转化为学习模型.

学习模型既可用于完整的演化分析,也可用于局部的演化分析.无论是自己试错式的创新还是在互动交流中的创新都是学习过程,因此,当它将创新内生化（例如,新策略的产生）,这种学习模型则是一个完整的演化分析,反之,如果它只考察策略的扩散问题（策略频数的变化）,它则是一个局部的演化分析.显然,学习模型包括无意识演化模型、弱意识演化模型和强意识演化模型.同样的,在理论建构中,如果参与者的学习规则是相同的,则它属于群体演化模型,反之,如果参与者的学习规则存在差异,则它属于个体演化模型.在许多情况下,尤其是博弈学习理论中,为了便于求解,许多的学习模型通常都假设参与者拥有相同的学习规则,并且不考虑策略创新问题.如上所述,多主体模型是一个较为开放的建模方法,它本质上是一种建模的思路,而不是具体的模型.通过具体的模型构造（例如,设定具体的微观参数、宏观参数、决策规则和互动结构等）,它能够变成各种生物演化模型、演化博弈模型、演化算法以及学习模型.因此,多主体模型更具有一般性.在某些情况下,多主体模型可以求出解析解（例如,演化博弈模型）,但是在大多数情况下,由于参与主体之间的异质性、非线性的互动和正反馈效应等,大量的模型不能求出解析解,只能借助计算机进行仿真模拟计算.较之于上述演化模型,多主体模型具备如下一些优点：其一,较好地描述了复杂系统的生成和演变.多主体模型能够最大限度地刻画参与主体之间的异质性,能够描述参与主体各种类型的学习规则以及主体间各种类型的互动过程,进而较好地描述复杂系统的生成和演变；其二,能够被运用于各种经济政策仿真实验,比较各种政策的实施效果.借助计算机科学的成果,多主体模型能够方便地通过改变初始条件、宏观参数等来仿真比较各种不同经济政策的实施效果,从而为政策或者制度比较提供仿真实验；其三,结合现实经验数据,通过参数调整和校准,能够更为真实地模拟经济系统的运用状况.

经济学职称论文撰写技巧
播放:22314次评论:5547人

当前,多主体模型的研究仍处于起步阶段,还存在许多局限,这集中体现在以下几个方面：其一,由于多主体模型更多是一种建模的思路或方法,它涵盖了许多类型的演化模型,缺少对具体模型建构和选择较为统一和严密的理论分析,亦即缺少统一的理论分析逻辑,这导致建模者对于模型中初始参数、变量、行为规则或互动结构更多是根据经验归纳和自身研究偏好来设定,模型带有较大的随意性.相同的经济现象可能出现多种的解释模型,并且这些模型之间可能存在较大的差异性；其二,由于许多模型存在较强的正反馈机制,初始条件的设定对结果的影响极大,初始条件较小的变动在正反馈机制的作用下可能导致结果出现结构性的变化,这会影响模型的稳健性,并要求建模者必须对系统演化的初始条件拥有足够的信息；其三,模型很难通过实际的经验数据来检验.模型通常产生多重均衡或预测结果是不确定的,但现实观测的数据通常仅仅是一个单一时间序列数据,它可能是位于各种可能结果分布中较小峰的低概率事件或者是结果分布的瘦尾处（hinail）,这使得即便模型能够精确体现这一数据生成的过程,也很难用标准的统计方法来检验模型的精确性[9].

根据模型的具体构造,多主体模型既可能是将创新内生化的完全演化分析模型,也可能是仅考虑创新扩散和选择的局部演化分析模型.相应的,根据不同学习规则的设定,多主体模型既可能是无意识、弱意识或强意识的演化模型,也可能是个体演化模型或群体演化模型.