周 敏，闫 磊

（中国矿业大学 管理学院，江苏 徐州 221116）

0 前言

由于在系统的演化发展过程中存在学习决策行为的复杂性和动态性，普通的博弈论的纳什均衡不能很好的解决这些问题。但是在符合学习模型的各种基本假设的条件下，我们可以构造一个具有随机扰动项的动态学习模型，它可以把决策行为进行概率化来解决演化过程的复杂性和动态性特征。当系统的演化结果出现稳定解时，我们可以得到具有动态性和复杂性的学习模型的的稳态决策概率分布，这种非确定性纳什均衡解可以看做普通博弈论中的纳什均衡解的扩展。

1 动态学习模型的构建

由于企业的任何决策都是根据以前的决策行为和决策效果决定的，所以的企业的新的决策会随着以前决策行为的结果做出调整，并且总是朝着更好的收益的方向转移。所以说企业的连续决策是具有学习能力的，并且的动态复杂的。我们可以用一个带有漂移的随机分方程来表示这个决策过程。假设企业在原来的基础上根据前一个决策的效果做出新的决策，这个新的决策行为由于受到噪音的影响会发生随机游走产生某种变异。在任一时刻t，系统的状态由t时刻决策的概率分布表示。这样，如果决策状态稳定，决策行为经过演化而得出的结果是一个在稳态下的概率分布。

企业的生产经营行为就是不断的做出决策的行为。在构建的模型中，假设存在m个企业，他们独立的进行连续决策，同时又受到竞争对手以及自己的决策行为和结果的影响。……