基于动态博弈理论的跨境电商与跨境物流协同发展研究

这是一篇关于跨境电商,跨境物流,动态博弈的论文, 主要内容为在经济全球化、世界一体化、各国经济增速放缓、互联网络日趋成熟等因素影响下,跨境电子商务——一种新型的电子商务交易模式,对各国的影响逐渐加深。中国作为世界第二大经济体,经济正进入新常态阶段,增速逐渐放缓,实体经济与传统进出口贸易发展疲软,而电子商务及跨境电子商务保持高速增长,发展前景不容忽视。而我国跨境物流的发展远远落后于跨境电商,成为制约跨境电商发展的重要因素。大多数跨境电商企业需要花费更多的资金用于物流渠道的选择与改良,以满足自身的发展。与此同时,跨境物流企业也对跨境电商企业多样的需求无法做出及时有效的应对措施。因此,本文从实际生活出发,对观察到特殊现象,借助动态博弈理论模型和协同理论,将跨境电商与跨境物流置于跨境电商生态系统中,客观地解释二者不协同的原因,有效地将理论与实际相结合,模拟跨境电商与跨境物流的动态博弈以实现协同发展的动态过程,以期为跨境电商企业和跨境物流企业提供相关意见:第一,可建立信息资源共享平台,信息实时对接,跨境物流企业可第一时间知道消费者订单的个性化和多样化需求,物流基础设施方面缩短周期。同时,重视人才的引进和培养,建立有效的校企联结,以解决跨境电商与跨境物流二者间的不协同;第二,跨境物流企业重视买方所在地的商检、清关以及最后一公里的运输,加强卖方所在地物流、国际货运和买方所在地物流三个节点的联系,此外建立二手购物网站对退换货的产品二次低价售卖解决逆向物流的高额成本;第三,跨境电商企业重视产品质量,制定切实可行的发展战略,勿急功近利,营销消费者的购物体验。第四,政府不仅对跨境电商扶持监管,对整个跨境电商生态系统所涉及的物种也需要给予足够的重视和扶持,同时,对海外跨境物流企业的入驻提供便利政策。

基于不完全信息的智能对抗决策模型研究与应用系统开发

这是一篇关于不完全信息,不对称信息,动态博弈,对抗决策,深度学习的论文, 主要内容为信息充斥着人们的日常生活,人们时常需要根据信息做出决策,这一过程可以被理解为信息博弈。根据场景中信息的完整性与否,信息博弈被分为完全信息博弈和不完全信息博弈。不完全信息博弈的场景更接近人们的现实生活,研究不完全信息下的博弈决策行为具有更广泛的应用领域,例如市场拍卖、金融调控、军事推演等。本文基于不完全信息下的智能对抗决策任务场景,设计智能体模型完成不完全信息态势评估和最优决策,基于态势评估和决策模型建立对抗决策博弈树,完成智能体间作战对抗推演。以智能对抗决策模型为核心内容,完成相关应用系统开发。论文的具体工作包括:不完全信息下智能对抗模型的研究,实现了模型的态势信息预判模块,启发式资源决策模块和智能体对抗推演模块。基于智能对抗决策模型的实际业务需要,完成相关应用系统的需求分析,基于需求分析的结果进行系统的总体设计和详细设计,实现了系统的用户信息管理、系统场景算子信息管理、场景参与方态势信息预判和资源决策、场景参与方对抗推演等功能模块。系统使用MVC模式的SSM(Spring+Spring MVC+Mybatis)框架进行开发,使用My SQL数据库实现信息管理功能,使用基于Python语言的深度神经网络模型DCGAN(Deep Convoltional Generative Adversarial Networks,深度卷积对抗生成网络),Res Net(残差网络)网络完成场景参与方态势信息预判功能,使用启发式迭代搜索完成巨大搜索空间下的最优决策功能,使用MCTS(Monte Carlo Tree Search,蒙特卡罗树搜索)构建博弈树,实现场景参与方之间对抗推演功能。最后完成了系统功能测试,并在系统上线后,根据反馈对系统业务逻辑进行了优化和完善。目前系统已正式投入实用,系统各个模块运行稳定,并满足系统使用者的业务需求,为基于不完全信息场景的参与方提供决策辅助信息,极大程度提升了场景智能体对抗推演的胜率和决策的准确率,该系统方案的解决对于其它不完全信息场景的同性质问题具有较好的参考价值。

配额制下区域电力系统中多主体低碳行为决策研究

这是一篇关于区域电力系统,动态博弈,数学建模,信息不对称性,可再生能源配额制的论文, 主要内容为电力系统中的多主体行为决策问题一直深受学者的广泛关注,含有供电商、售电商、消费者、政府等博弈参与者的博弈问题的研究近年来被不断完善。随着可再生能源的快速发展和电力体制改革的不断深化,电力系统中各博弈主体的市场角色和交易行为变化颇大。此外,为促进可再生能源生产与消费,实现碳中和目标,我国近两年开始实行可再生能源配额制,这些都使得区域电力系统中各主体战略选择面临新的挑战。因此,在可再生能源参与下,针对区域电力系统中多主体低碳行为决策展开研究彰显必要。为研究碳中和背景下区域电力系统中多主体低碳行为决策以及政策对于电力系统中源侧主体的行为决策的影响,本文首先建立了以传统能源、可再生能源以及储能供电企业为主的多寡头动态售电博弈模型,得到一个六维的离散动力系统;进而研究该系统的稳定性条件,并分析可再生能源配额制、信息不对称性等因素对系统稳定性的影响。结果表明,与市场交易电价权重相比,储能供电企业边际利润的权重对于企业售电交易决策影响显著,而信息不对称性也会对系统稳定性产生一定程度的冲击。针对信息不对称性对系统纳什均衡点稳定性的影响这一问题,本文提出宏观调控下部分共享的信号传递缓解机制,并发现该缓解机制能有效缓解信息不对称性对系统产生的影响。从长远角度而言,配额制政策的实行有助于提高系统的稳定性能。十九大以后,我国放开售电侧。针对电力系统中电力零售商在该政策背景下的行为决策,本文首先建立了团队联盟参与下的区域电力系统中具有实力异质性的电力零售商之间的购电投资博弈模型,得到一个六维的离散动力系统,分别研究系统稳定性条件及不同电力零售商的电量释放率对其他零售商购电决策的影响,并分析配额制、联盟利润权重等参数对系统内在的复杂性的影响。研究发现,正常实力的零售商在进行购电投资决策时,既不能释放全部的储能设备电量,也不能过分保守;相反地,强实力的零售商在进行购电投资决策时,要尽可能多地释放储能设备电量以满足用户消费市场需求。此外,配额制的实行最终会增强系统稳定性能;虽然技术的进步也能增强系统稳定性能,但也可能导致成本降低与市场饱和,造成无序紊乱的竞争而使得市场陷入混沌状态。最后,通过设计时滞控制器对模型实施有效的混沌控制,使得系统重回纳什均衡,区域电力系统恢复到有序竞争状态。本文以供电企业和电力零售商作为配额制的典型考核主体,提出多寡头动态售电和购电投资的博弈理论框架,考虑信息不对称性、团队联盟等影响因素,并深入研究区域电力系统中各主体的购售电投资决策行为。研究结果可为发、售电公司管理层投资决策提供参考,有助于完善和发展我国可再生能源政策。

基于不完全信息的智能对抗决策模型研究与应用系统开发

这是一篇关于不完全信息,不对称信息,动态博弈,对抗决策,深度学习的论文, 主要内容为信息充斥着人们的日常生活,人们时常需要根据信息做出决策,这一过程可以被理解为信息博弈。根据场景中信息的完整性与否,信息博弈被分为完全信息博弈和不完全信息博弈。不完全信息博弈的场景更接近人们的现实生活,研究不完全信息下的博弈决策行为具有更广泛的应用领域,例如市场拍卖、金融调控、军事推演等。本文基于不完全信息下的智能对抗决策任务场景,设计智能体模型完成不完全信息态势评估和最优决策,基于态势评估和决策模型建立对抗决策博弈树,完成智能体间作战对抗推演。以智能对抗决策模型为核心内容,完成相关应用系统开发。论文的具体工作包括:不完全信息下智能对抗模型的研究,实现了模型的态势信息预判模块,启发式资源决策模块和智能体对抗推演模块。基于智能对抗决策模型的实际业务需要,完成相关应用系统的需求分析,基于需求分析的结果进行系统的总体设计和详细设计,实现了系统的用户信息管理、系统场景算子信息管理、场景参与方态势信息预判和资源决策、场景参与方对抗推演等功能模块。系统使用MVC模式的SSM(Spring+Spring MVC+Mybatis)框架进行开发,使用My SQL数据库实现信息管理功能,使用基于Python语言的深度神经网络模型DCGAN(Deep Convoltional Generative Adversarial Networks,深度卷积对抗生成网络),Res Net(残差网络)网络完成场景参与方态势信息预判功能,使用启发式迭代搜索完成巨大搜索空间下的最优决策功能,使用MCTS(Monte Carlo Tree Search,蒙特卡罗树搜索)构建博弈树,实现场景参与方之间对抗推演功能。最后完成了系统功能测试,并在系统上线后,根据反馈对系统业务逻辑进行了优化和完善。目前系统已正式投入实用,系统各个模块运行稳定,并满足系统使用者的业务需求,为基于不完全信息场景的参与方提供决策辅助信息,极大程度提升了场景智能体对抗推演的胜率和决策的准确率,该系统方案的解决对于其它不完全信息场景的同性质问题具有较好的参考价值。

基于动态博弈模型的广告竞争策略研究

这是一篇关于广告竞争,动态博弈,非线性动力学的论文, 主要内容为如何利用广告使寡头企业增加市场份额和实现利润最大化,是一个具有重要理论意义及现实意义的研究问题。在寡头企业激烈的竞争环境下,广告可以扩大企业的市场占有率和增加潜在客户,建立产品品牌效应从而帮助企业在市场上树立形象。但是,由于广告溢出效应的存在,一家企业的广告不仅影响自己的市场规模,而且对竞争对手也会产生一定的影响。因此,企业在制定广告策略时应该同时考虑自身和竞争对手的情况,充分考虑广告溢出效应,做出更有利于企业发展的决策。越来越多的学者已经开始关注寡头垄断市场上企业之间的广告竞争情况,这将为企业在实际运营中做出最优的广告策略提供理论依据。在广告如此普遍的今天,对于寡头企业,要想提高市场占有率,做广告是很重要的一个环节。博弈论已经成为了研究寡头企业之间竞争的重要工具,在对现有文献的梳理后,发现没有把两阶段博弈和非线性动力学结合起来分析企业间进行广告竞争的研究。所以本文建立两阶段博弈模型,讨论企业广告投入的程度对企业利润的影响。并且运用非线性动力学分析系统的复杂性。本文采用数值模拟法和例证分析法。首先建立博弈模型,结合非线性动力学的理论知识,通过数值模拟分析广告竞争。并且以二手车电商行业为例,和利用数值模拟得到的结论相结合进行分析讨论。主要得出以下结论:(1)只有两个企业都不投入广告的策略是不稳定的,而其他的均衡策略在参数满足一定条件时,都有可能是渐近稳定的,稳定的广告策略对于企业的发展是有利的。(2)企业一般都希望能稳定运行,所以一般不会使得调整速度过大,意味着每一期的广告投入量不会有太大的变动。企业会在能够使得企业稳定运营的广告投入范围内做出广告投入策略。(3)当企业的广告力度过大时,其利润可能会下降。如果改变广告的调整速度,企业的平均利润可能会上下变动。此外,我们发现导致平均利润下降的真正原因是过度的调整广告投入。混沌并不总是对市场有害,广告投入的调整速度低的企业也可以从混沌中获利。(4)前期的广告投入可以使二手车电商企业拥有一定的知名度,个别企业能在“烧钱”打广告的混乱局面中获利,但是持续的广告大战会增加企业的运营成本,企业将出现共输的情况。最后,根据分析结果,对企业提出了针对性的策略建议。

基于Agent-Swarm仿真的跨境电子商务交易信用优化研究

这是一篇关于跨境电子商务,信用,Swarm仿真,静态博弈,动态博弈的论文, 主要内容为随着互联网技术的快速发展,通过网络开展国际贸易活动的趋势愈加盛行,尤其在2009年后我国大力发展跨境电子商务,这一新兴贸易形式不断崛起,成为我国进出口贸易改革中不可或缺的动力。但跨境电子商务相对于传统的贸易模式存在一定的不足,由于电子商务市场存在虚拟性,其交易主体的信息相比于传统贸易存在更大的不对称性,这使得交易主体在贸易过程中更加倾向于失信行为。由于跨境电子商务市场存在留痕机制,买卖双方可通过多次动态重复博弈来不断修正自身的行为而选择守信行为。留痕机制的存在也为交易主体在信用行为方式的选择上节约了交易成本,从而使的交易主体更愿意维持自己的守信行为。 本文突破了传统的建模方式,运用先进比较流行的仿真经济学的方法,以复杂适应系统理论为基础构造模型,对跨境电子商务交易信用的优化进行研究,复杂适应系统理论是一种自下而上的将系统中的主体看作是可以适应系统环境,具有学习能力并不断积累经验的主体,自底而上的分析复杂社会中主体间行为的演进方式。而本文运用该理论基于Agent-Swarm仿真分析现今影响跨境电子商务发展最大的因素信用如何通过跨境电子商务的留痕机制实现信用优化。本文主要建立了两个模型,即静态博弈模性和动态博弈模型,文中首先基于静态博弈及动态博弈对电商主体的交易行为选择做了一定的理论表述,然后通过Swarm仿真对静态博弈与动态博弈情况下的交易主体信用行为选择建立模型,并运行的出相应结论：在静态博弈模型中,交易主体更倾向于选择失信行为,但由于跨境电子商务留痕机制的作用使得交易主体建立了重复修正的动态博弈模型,令其信用值不断累加,由于信用的驱动性,交易主体的行为更多的选择守信行为,失信的交易者将被剔除在交易之外。同时还得出在信用不断得以优化的过程中交易双发更倾向于选择0-0-0(即完全守信行为),体现出了交易者的“赢者通吃”性,在某种程度上体现出了锁定理论。

基于不完全信息的智能对抗决策模型研究与应用系统开发

这是一篇关于不完全信息,不对称信息,动态博弈,对抗决策,深度学习的论文, 主要内容为信息充斥着人们的日常生活,人们时常需要根据信息做出决策,这一过程可以被理解为信息博弈。根据场景中信息的完整性与否,信息博弈被分为完全信息博弈和不完全信息博弈。不完全信息博弈的场景更接近人们的现实生活,研究不完全信息下的博弈决策行为具有更广泛的应用领域,例如市场拍卖、金融调控、军事推演等。本文基于不完全信息下的智能对抗决策任务场景,设计智能体模型完成不完全信息态势评估和最优决策,基于态势评估和决策模型建立对抗决策博弈树,完成智能体间作战对抗推演。以智能对抗决策模型为核心内容,完成相关应用系统开发。论文的具体工作包括:不完全信息下智能对抗模型的研究,实现了模型的态势信息预判模块,启发式资源决策模块和智能体对抗推演模块。基于智能对抗决策模型的实际业务需要,完成相关应用系统的需求分析,基于需求分析的结果进行系统的总体设计和详细设计,实现了系统的用户信息管理、系统场景算子信息管理、场景参与方态势信息预判和资源决策、场景参与方对抗推演等功能模块。系统使用MVC模式的SSM(Spring+Spring MVC+Mybatis)框架进行开发,使用My SQL数据库实现信息管理功能,使用基于Python语言的深度神经网络模型DCGAN(Deep Convoltional Generative Adversarial Networks,深度卷积对抗生成网络),Res Net(残差网络)网络完成场景参与方态势信息预判功能,使用启发式迭代搜索完成巨大搜索空间下的最优决策功能,使用MCTS(Monte Carlo Tree Search,蒙特卡罗树搜索)构建博弈树,实现场景参与方之间对抗推演功能。最后完成了系统功能测试,并在系统上线后,根据反馈对系统业务逻辑进行了优化和完善。目前系统已正式投入实用,系统各个模块运行稳定,并满足系统使用者的业务需求,为基于不完全信息场景的参与方提供决策辅助信息,极大程度提升了场景智能体对抗推演的胜率和决策的准确率,该系统方案的解决对于其它不完全信息场景的同性质问题具有较好的参考价值。

基于博弈论的电商企业诚信问题规制研究

这是一篇关于电商企业,诚信规制,信息不对称,动态博弈的论文, 主要内容为近几年来虽然我国电子商务发展的如火如荼,但是电商企业的诚信问题却越演越烈,不诚信的手段越来越难以识别,对电商企业诚信问题进行规制已经成为广大网络消费者的强烈诉求。基于电子商务交易环境的虚拟性,电商平台、电商企业,消费者三方必然存在着严重的信息不对称,继产生诸多电商企业诚信问题,如质量诚信、价格诚信、物流诚信、售后诚信、支付诚信、交易诚信;其中质量诚信,价格诚信的问题尤为突出。我国电商平台的监管力度依然无法达到消除电商市场存在的不诚信问题。如果不加强对电商企业的规制力度,那么我国的电子商务市场将会陷入恶性循环。因此,研究电商企业诚信问题规制对电商市场效率的提高以及电子商务这一新兴行业的发展壮大有着非常重要的现实意义。由于我国电子商务起步较晚,国内学者多数针对电子商务信誉评价体系的研究较多而对电商企业诚信问题规制的研究较少。本文首先围绕电商企业诚信规制这一主题,首先对我国电子商务诚信问题的现状进行论述。然后,以淘宝网平台上B2C和C2C商家为例,运用不完全信息动态博弈分析电商平台、电商企业、消费者的行为策略。同时以淘宝平台上奶粉类目为例进行抽样调查对电商平台对电商企业的规制行为给予相应的实证分析。运用Eviews分析工具采用多元线性回归模型进行实证分析。本文研究结果显示:一、博弈分析表明:对于电商企业无论是罚金还是诚信评级制度都是电商平台规制电商企业的手段。无论是增加处罚还是制定诚信评级制度,都会使信誉差的企业伪装成信誉好的企业的伪装成本增加。当伪装成本足够高时,信誉差的企业不会去进行伪装。二、实证分析结果表明:电商平台的规制手段中保证金额、电商企业信誉、金牌电商企业、描述性评分高于同行业的水平、开店年限、月销售量对被解释变量有较强的解释力度,商品价格系数不显著,没有解释作用。此外,在上述研究基础上,本文最后还结合中国实际提出相应的电商企业诚信规制的对策和建议。

基于不完全信息的智能对抗决策模型研究与应用系统开发

这是一篇关于不完全信息,不对称信息,动态博弈,对抗决策,深度学习的论文, 主要内容为信息充斥着人们的日常生活,人们时常需要根据信息做出决策,这一过程可以被理解为信息博弈。根据场景中信息的完整性与否,信息博弈被分为完全信息博弈和不完全信息博弈。不完全信息博弈的场景更接近人们的现实生活,研究不完全信息下的博弈决策行为具有更广泛的应用领域,例如市场拍卖、金融调控、军事推演等。本文基于不完全信息下的智能对抗决策任务场景,设计智能体模型完成不完全信息态势评估和最优决策,基于态势评估和决策模型建立对抗决策博弈树,完成智能体间作战对抗推演。以智能对抗决策模型为核心内容,完成相关应用系统开发。论文的具体工作包括:不完全信息下智能对抗模型的研究,实现了模型的态势信息预判模块,启发式资源决策模块和智能体对抗推演模块。基于智能对抗决策模型的实际业务需要,完成相关应用系统的需求分析,基于需求分析的结果进行系统的总体设计和详细设计,实现了系统的用户信息管理、系统场景算子信息管理、场景参与方态势信息预判和资源决策、场景参与方对抗推演等功能模块。系统使用MVC模式的SSM(Spring+Spring MVC+Mybatis)框架进行开发,使用My SQL数据库实现信息管理功能,使用基于Python语言的深度神经网络模型DCGAN(Deep Convoltional Generative Adversarial Networks,深度卷积对抗生成网络),Res Net(残差网络)网络完成场景参与方态势信息预判功能,使用启发式迭代搜索完成巨大搜索空间下的最优决策功能,使用MCTS(Monte Carlo Tree Search,蒙特卡罗树搜索)构建博弈树,实现场景参与方之间对抗推演功能。最后完成了系统功能测试,并在系统上线后,根据反馈对系统业务逻辑进行了优化和完善。目前系统已正式投入实用,系统各个模块运行稳定,并满足系统使用者的业务需求,为基于不完全信息场景的参与方提供决策辅助信息,极大程度提升了场景智能体对抗推演的胜率和决策的准确率,该系统方案的解决对于其它不完全信息场景的同性质问题具有较好的参考价值。

基于不完全信息的智能对抗决策模型研究与应用系统开发

这是一篇关于不完全信息,不对称信息,动态博弈,对抗决策,深度学习的论文, 主要内容为信息充斥着人们的日常生活,人们时常需要根据信息做出决策,这一过程可以被理解为信息博弈。根据场景中信息的完整性与否,信息博弈被分为完全信息博弈和不完全信息博弈。不完全信息博弈的场景更接近人们的现实生活,研究不完全信息下的博弈决策行为具有更广泛的应用领域,例如市场拍卖、金融调控、军事推演等。本文基于不完全信息下的智能对抗决策任务场景,设计智能体模型完成不完全信息态势评估和最优决策,基于态势评估和决策模型建立对抗决策博弈树,完成智能体间作战对抗推演。以智能对抗决策模型为核心内容,完成相关应用系统开发。论文的具体工作包括:不完全信息下智能对抗模型的研究,实现了模型的态势信息预判模块,启发式资源决策模块和智能体对抗推演模块。基于智能对抗决策模型的实际业务需要,完成相关应用系统的需求分析,基于需求分析的结果进行系统的总体设计和详细设计,实现了系统的用户信息管理、系统场景算子信息管理、场景参与方态势信息预判和资源决策、场景参与方对抗推演等功能模块。系统使用MVC模式的SSM(Spring+Spring MVC+Mybatis)框架进行开发,使用My SQL数据库实现信息管理功能,使用基于Python语言的深度神经网络模型DCGAN(Deep Convoltional Generative Adversarial Networks,深度卷积对抗生成网络),Res Net(残差网络)网络完成场景参与方态势信息预判功能,使用启发式迭代搜索完成巨大搜索空间下的最优决策功能,使用MCTS(Monte Carlo Tree Search,蒙特卡罗树搜索)构建博弈树,实现场景参与方之间对抗推演功能。最后完成了系统功能测试,并在系统上线后,根据反馈对系统业务逻辑进行了优化和完善。目前系统已正式投入实用,系统各个模块运行稳定,并满足系统使用者的业务需求,为基于不完全信息场景的参与方提供决策辅助信息,极大程度提升了场景智能体对抗推演的胜率和决策的准确率,该系统方案的解决对于其它不完全信息场景的同性质问题具有较好的参考价值。

基于不完全信息的智能对抗决策模型研究与应用系统开发

这是一篇关于不完全信息,不对称信息,动态博弈,对抗决策,深度学习的论文, 主要内容为信息充斥着人们的日常生活,人们时常需要根据信息做出决策,这一过程可以被理解为信息博弈。根据场景中信息的完整性与否,信息博弈被分为完全信息博弈和不完全信息博弈。不完全信息博弈的场景更接近人们的现实生活,研究不完全信息下的博弈决策行为具有更广泛的应用领域,例如市场拍卖、金融调控、军事推演等。本文基于不完全信息下的智能对抗决策任务场景,设计智能体模型完成不完全信息态势评估和最优决策,基于态势评估和决策模型建立对抗决策博弈树,完成智能体间作战对抗推演。以智能对抗决策模型为核心内容,完成相关应用系统开发。论文的具体工作包括:不完全信息下智能对抗模型的研究,实现了模型的态势信息预判模块,启发式资源决策模块和智能体对抗推演模块。基于智能对抗决策模型的实际业务需要,完成相关应用系统的需求分析,基于需求分析的结果进行系统的总体设计和详细设计,实现了系统的用户信息管理、系统场景算子信息管理、场景参与方态势信息预判和资源决策、场景参与方对抗推演等功能模块。系统使用MVC模式的SSM(Spring+Spring MVC+Mybatis)框架进行开发,使用My SQL数据库实现信息管理功能,使用基于Python语言的深度神经网络模型DCGAN(Deep Convoltional Generative Adversarial Networks,深度卷积对抗生成网络),Res Net(残差网络)网络完成场景参与方态势信息预判功能,使用启发式迭代搜索完成巨大搜索空间下的最优决策功能,使用MCTS(Monte Carlo Tree Search,蒙特卡罗树搜索)构建博弈树,实现场景参与方之间对抗推演功能。最后完成了系统功能测试,并在系统上线后,根据反馈对系统业务逻辑进行了优化和完善。目前系统已正式投入实用,系统各个模块运行稳定,并满足系统使用者的业务需求,为基于不完全信息场景的参与方提供决策辅助信息,极大程度提升了场景智能体对抗推演的胜率和决策的准确率,该系统方案的解决对于其它不完全信息场景的同性质问题具有较好的参考价值。