function beta_reputation_analysis()
    
    fprintf('\n开始Beta信誉机制分析...\n');
    
    % 创建图形窗口
    figure('Position', [100, 100, 1200, 600]);
    
    % 图2a: 高信誉值场景
    subplot(1, 2, 1);
    plot_beta_distribution(5, 2, 'a=5, b=2', 'r');
    hold on;
    plot_beta_distribution(5, 3, 'a=5, b=3', 'b');
    hold off;
    title('(a) 高频率可信共享');
    xlabel('概率 p');
    ylabel('概率密度 f(p)');
    legend('Location', 'best');
    grid on;
    
    % 图2b: 低信誉值场景
    subplot(1, 2, 2);
    plot_beta_distribution(2, 5, 'a=2, b=5', 'g');
    hold on;
    plot_beta_distribution(3, 5, 'a=3, b=5', 'm');
    hold off;
    title('(b) 低频率可信共享');
    xlabel('概率 p');
    ylabel('概率密度 f(p)');
    legend('Location', 'best');
    grid on;
    
    sgtitle('Beta概率密度分布图（图2）', 'FontSize', 14, 'FontWeight', 'bold');
    
    % 生成信誉值演化分析
    analyze_reputation_evolution();
end

function plot_beta_distribution(a, b, label_text, color)
    x = linspace(0, 1, 1000);
    y = betapdf(x, a, b);
    plot(x, y, 'Color', color, 'LineWidth', 2, 'DisplayName', label_text);
    
    % 计算并显示信誉值
    rep_value = a / (a + b);
    x_pos = 0.7;
    y_pos = max(y) * 0.8;
    text(x_pos, y_pos, sprintf('Rep = %.2f', rep_value), ...
         'Color', color, 'FontWeight', 'bold');
end

function analyze_reputation_evolution()
    % 分析信誉值的动态演化
    figure('Position', [100, 100, 1400, 800]);
    
    % 初始参数
    initial_a = 1;
    initial_b = 1;
    num_rounds = 50;
    
    % 模拟四种不同的用户行为模式
    behavior_patterns = {
        [0.8, 0.2],  % 80%诚实，20%不诚实
        [0.6, 0.4],  % 60%诚实，40%不诚实
        [0.4, 0.6],  % 40%诚实，60%不诚实
        [0.2, 0.8]   % 20%诚实，80%不诚实
    };
    
    for pattern_idx = 1:4
        subplot(2, 2, pattern_idx);
        
        honest_prob = behavior_patterns{pattern_idx}(1);
        dishonest_prob = behavior_patterns{pattern_idx}(2);
        
        % 存储信誉值演化
        rep_values = zeros(num_rounds, 1);
        a_values = zeros(num_rounds, 1);
        b_values = zeros(num_rounds, 1);
        
        a = initial_a;
        b = initial_b;
        
        for round = 1:num_rounds
            % 计算当前信誉值
            rep_values(round) = a / (a + b);
            a_values(round) = a;
            b_values(round) = b;
            
            % 模拟用户行为
            if rand() < honest_prob
                a = a + 1;  % 诚实共享
            else
                b = b + 1;  % 不诚实共享
            end
        end
        
        % 绘制信誉值演化
        yyaxis left;
        plot(1:num_rounds, rep_values, 'b-', 'LineWidth', 2);
        ylabel('信誉值 Rep');
        ylim([0, 1]);
        
        yyaxis right;
        plot(1:num_rounds, a_values, 'g--', 'LineWidth', 1.5);
        hold on;
        plot(1:num_rounds, b_values, 'r--', 'LineWidth', 1.5);
        ylabel('累积次数');
        legend('信誉值', '诚实次数', '不诚实次数', 'Location', 'best');
        
        xlabel('交易轮次');
        title(sprintf('行为模式: %.0f%%诚实, %.0f%%不诚实', ...
                      honest_prob*100, dishonest_prob*100));
        grid on;
    end
    
    sgtitle('信誉值动态演化分析', 'FontSize', 14, 'FontWeight', 'bold');
end

%% 计算用户信誉值
function rep = calculate_reputation(a, b)
    % 基于Beta分布计算信誉值
    % a: 成功（诚实）交易次数
    % b: 失败（不诚实）交易次数
    rep = a / (a + b);
end

%% 更新信誉参数
function [new_a, new_b] = update_reputation(a, b, is_honest)
    if is_honest
        new_a = a + 1;
        new_b = b;
    else
        new_a = a;
        new_b = b + 1;
    end
end

%% 基于信誉值的激励机制
function reward = calculate_reward(base_reward, reputation)
    % 根据信誉值计算奖励
    % 使用非线性函数增强高信誉用户的奖励
    k = 2;  % 奖励系数
    reward = base_reward * (1 + k * reputation^2);
end

%% 基于信誉值的惩罚机制
function penalty = calculate_penalty(base_penalty, reputation)
    % 根据信誉值计算惩罚
    % 低信誉用户受到更严重的惩罚
    a = 1 - reputation;  % 惩罚系数
    penalty = base_penalty * (1 + a);
end