论文摘要
针对区块链中工作量证明(PoW)共识机制下区块截留攻击导致的挖矿困境问题,将矿池间的博弈行为视作迭代的囚徒困境(IPD)模型,采用深度强化学习的策略梯度算法研究IPD的策略选择。利用该算法将每个矿池视为独立的智能体(Agent),将矿工的潜入率量化为强化学习中的行为分布,通过策略梯度算法中的策略网络对Agent的行为进行预测和优化,最大化矿工的人均收益,并通过模拟实验验证了策略梯度算法的有效性。实验发现,前期矿池处于相互攻击状态,平均收益小于1,出现了纳什均衡的问题;经过policy gradient算法的自我调整后,矿池由相互攻击转变为相互合作,每个矿池的潜入率趋于0,人均收益趋于1。实验结果表明,policy gradient算法可以解决挖矿困境的纳什均衡问题,最大化矿池人均收益。
论文目录
文章来源
类型: 期刊论文
作者: 王甜甜,于双元,徐保民
关键词: 区块链,工作量证明机制,博弈论,深度强化学习,策略梯度算法
来源: 计算机应用 2019年05期
年度: 2019
分类: 信息科技,工程科技Ⅰ辑
专业: 矿业工程,计算机软件及计算机应用,自动化技术
单位: 北京交通大学计算机与信息技术学院
基金: 国家自然科学基金资助项目(61572005),河北省高等教育科技研究重点项目(ZD2017304)~~
分类号: TP18;TP311.13;TD79
页码: 1336-1342
总页数: 7
文件大小: 1518K
下载量: 382