博弈论大作业

这个仓库包含了博弈论课程的大作业代码，主要实现了基于GLOSO-LOGA模型的车辆通行博弈分析。

文件说明

• 基础博弈模型.py: 实现了基础的GLOSO-LOGA博弈模型，包括车辆类定义、GLOSO阶段排序、LOGA阶段策略选择和纳什均衡求解。
• GLOSO_LOGA游戏模型.py: 提供了完整的GLOSO-LOGA游戏模型实现，包括游戏配置、车辆状态、游戏结果等类定义，以及详细的可视化功能。
• 参数敏感性分析.py: 实现了对安全时间间隔等参数的敏感性分析，包括不同参数组合下纳什均衡的稳定性评估。
• 增强可视化分析.py: 提供了丰富的可视化分析工具，包括车辆时间线对比、支付函数热力图、参数敏感性分析等。

主要功能

1. 车辆通行顺序的GLOSO排序
2. 基于博弈论的LOGA阶段策略选择
3. 纳什均衡求解与分析
4. 参数敏感性分析
5. 多维度可视化展示

代码架构

本项目采用模块化的代码结构，易于理解和扩展。

博弈论大作业/
├── 基础博弈模型.py      # 实现基础的GLOSO-LOGA博弈模型
├── GLOSO_LOGA游戏模型.py # 提供完整的游戏模型实现与可视化
├── 参数敏感性分析.py     # 实现参数敏感性分析功能
├── 增强可视化分析.py     # 提供丰富的可视化分析工具
└── README.md           # 项目说明文档

核心实现：博弈模型与可视化分析

GLOSO-LOGA博弈模型

本项目实现了车辆通行的两阶段博弈模型：

1. GLOSO阶段：根据车辆到达时间(ETA)进行初步排序，确定车辆通行顺序
2. LOGA阶段：车辆可以选择调整自己的到达时间，形成策略博弈

支付函数设计

支付函数由多个组成部分构成：

支付函数 = α₁·r_o + α₂·r_e + α₃·r_c + α₄·r_s

其中：

• r_o: GLOSO偏差惩罚
• r_e: 效率收益
• r_c: 舒适性收益
• r_s: 安全收益

可视化分析

项目提供了多种可视化分析工具：

• 车辆时间线比较
• 支付函数热力图
• 参数敏感性分析
• 纳什均衡比较
• 系统效率分析

快速开始

环境准备

# 安装依赖库
pip install matplotlib numpy seaborn pandas scipy

运行示例

# 运行基础博弈模型
python 基础博弈模型.py

# 运行GLOSO-LOGA游戏模型
python GLOSO_LOGA游戏模型.py

# 运行参数敏感性分析
python 参数敏感性分析.py

# 运行增强可视化分析
python 增强可视化分析.py

运行环境

• Python 3.6+
• 依赖库：matplotlib, numpy, seaborn, pandas, scipy