计算机应用

作者：王甜甜, 于双元, 徐保民

单位：北京交通大学 计算机与信息技术学院, 北京 100044

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

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）。

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。

来源：2019年第5期

《计算机应用》期刊编辑部

查看计算机应用杂志2019年第5期