译者序
第1章 引言
1.1 概述和动机
1.2 目标读者
1.3 组织结构
第一部分 理论
第2章 匹配博弈
2.1 匹配理论基础
2.1.1 预备知识
2.1.2 常规匹配模型
2.1.3 面向无线的匹配模型
2.1.4 稳定性和信息交换
2.2 示例1：非授权LTE中的学生项目分配模型
2.2.1 非授权LTE
2.2.2 系统模型和问题表述
2.2.3 学生项目分配模型
2.2.4 具有外部性的匹配
2.2.5 仿真结果与分析
2.2.6 结论
2.3 示例2：LTE V2X中的稳定赛程模型
2.3.1 LTE V2X的基础理论
2.3.2 系统模型和问题表述
2.3.3 稳定赛程模型
2.3.4 仿真结果与分析
2.3.5 结论
2.4 本章小结
第3章 合约理论
3.1 基本概念
3.1.1 合约理论基础与分类
3.1.2 合约理论的奖励设计
3.1.3 无线网络中的示例场景
3.2 示例1：蜂窝网络中基于逆向选择的D2D通信激励机制
3.2.1 导引
3.2.2 系统模型
3.2.3 基于合约的求解
3.2.4 仿真结果与分析
3.2.5 结论
3.3 示例2：基于道德风险的移动众包多维激励机制
3.3.1 导引
3.3.2 系统模型
3.3.3 问题表述
3.3.4 仿真结果与分析
3.3.5 结论
3.4 示例3：认知无线电网络中基于逆向选择和道德风险的频谱交易融资合约
3.4.1 导引
3.4.2 相关工作
3.4.3 系统模型
3.4.4 问题表述
3.4.5 讨论
3.4.6 仿真结果
3.4.7 结论
3.5 本章小结
第4章 随机博弈
4.1 随机博弈理论基础
4.2 策略、均衡以及重要结论
4.3 本章小结
第5章 有限理性博弈
5.1 有限理性简介
5.2 前景理论：动机
5.3 前景理论基础：权重效应和框架效应
5.3.1 主观参与者的行为—预期理论权重效应
5.3.2 效用函数的主观感知—框架效应
5.3.3 PT对博弈分析的影响
5.4 有限理性的其他概念
5.5 本章小结
第6章 博弈学习理论
6.1 博弈学习理论简介
6.2 最优反应动态
6.3 虚拟行动
6.4 后悔匹配
6.5 强化学习
6.6 基于人工神经网络的学习技术
6.7 本章小结
第7章 均衡约束的均衡规划
7.1 变分不等式
7.1.1 变分不等式的基础理论
7.1.2 优化和博弈的联系
7.2 Stackelberg博弈回顾
7.2.1 Stackelberg博弈的基础理论
7.2.2 Stackelberg均衡
7.3 均衡约束的数学规划
7.4 均衡约束的均衡规划
7.5 示例：物理层安全
7.5.1 问题建模
7.5.2 单一领导者博弈的MPEC模型
7.5.3 多领导者博弈的EPEC模型
7.5.4 结果
7.6 本章小结
第8章 其他博弈
8.1 零行列式策略
8.1.1 导引
8.1.2 系统模型
8.1.3 博弈分析
8.1.4 仿真结果
8.1.5 ZD博弈模型的相关工作和应用
8.1.6 结论
8.2 社会选择理论
8.2.1 社会福利函数
8.2.2 Arrow不可能定理
8.2.3 社会选择函数
8.2.4 不可操纵性
8.2.5 结论
第二部分 应用
第9章 博弈论在物联网中的应用
9.1 物联网概述
9.1.1 物联网定义
9.1.2 物联网架构
9.1.3 物联网资源与服务
9.2 物联网数据收集的博弈模型
9.2.1 参与式感知和人群感知网络中的数据聚合与路由
9.2.2 多跳网络中的随机传输
9.2.3 数据转发的中继选择
9.2.4 拥塞管理
9.2.5 多功能传感器网络中的资源分配
9.2.6 任务分配
9.2.7 区域覆盖
9.2.8 目标覆盖
9.2.9 目标跟踪
9.2.10 屏障覆盖
9.2.11 隐私问题
9.3 私人信息感知的隐私管理和最优定价
9.3.1 私人大数据：系统模型
9.3.2 私人服务的最优定价
9.3.3 相关的私人服务
9.3.4 实验结果
9.4 基于竞赛模型的移动外包优化激励机制
9.4.1 导引
9.4.2 系统模型
9.4.3 问题表述
9.4.4 竞赛设计参数和属性
9.4.5 仿真结果与分析
9.5 本章小结
第10章 博弈论在网络虚拟化中的应用
第11章 博弈论在云网络中的应用
第12章 博弈论在情境感知网络和移动服务中的应用
第13章 博弈论在绿色通信网络中的应用
第14章 4G、5G及未来
第15章 安全
参考文献
展开
