面向创新扩散的最优激励政策设计：塑造当下的激励以改变未来

本文提出一种新的框架，用于设计旨在促进社会影响网络中创新扩散的激励措施。具体而言，我们的框架依赖于弗里克金与乔尔森意见动力学模型的扩展，刻画了（i）短期记忆激励的 effects，这些激励具有immediate yet transient影响，和（ii）长期结构性激励，其影响通过指数衰减的记忆持续存在。我们提出通过模型预测控制（MPC）方案在增广状态上设计这些激励，以捕捉我们意见动力学模型中的记忆， resulting in 一个带有线性约束的凸二次规划。我们的numerical simulations基于可持续交通习惯的数据，展示了所提出方法的有效性，这种方法在平衡大规模采纳和资源分配方面取得佳绩。