نویسندگان:
(1) Avrim Blum ، موسسه فناوری تویوتا در شیکاگو ، IL ، ایالات متحده ؛
(2) ملیسا دوتز ، مؤسسه فناوری تویوتا در شیکاگو ، IL ، ایالات متحده.
جدول پیوندها
چکیده و 1 مقدمه
2 تنظیم و 2.1 مدل از مخالفان مغرضانه رفتاری
3 مقدمات و شهود
4.1 بهترین پاسخ دهنده و حریف مغزی 4.2 قمارباز
4.3 برنده ، حریف از دست دادن
4.4 حریف پیروی از رهبر و 4.5 بالاترین حریف بازپرداخت
5 تعمیم
5.1 سایر استراتژی های مغرضانه از نظر رفتاری
5.2 بهره برداری از یک استراتژی ناشناخته از مجموعه ای از استراتژی ها
6 کار و منابع آینده
یک ضمیمه
A.1 نوع Win-Stay-Lose-Shift: Tie-Stay
A.2 نوع پیروی از رهبر: تاریخ محدود
A.3 مرزهای اشتباه بیضوی
A.4 بالاترین حریف بازپرداخت
A.2 نوع پیروی از رهبر: تاریخ محدود
به یاد بیاورید که یک نوع تاریخ محدود از حریف پیروی از رهبر ، عملی را انجام می دهد که می توانست به بالاترین بازپرداخت خالص در برابر آخرین دور بازی های ما دست یابد. توجه داشته باشید که ما R 0 را فرض می کنیم. اگر r = 0 باشد ، حریف به سادگی هر دور (اولین اقدام در سفارش عمل خود) را بدون در نظر گرفتن بازی ما انجام می دهد. در این حالت ، بازی آنها هیچ اطلاعاتی در مورد بهترین پاسخ ها نشان نمی دهد ، بنابراین بهترین کاری که می توانیم انجام دهیم این است که در اکثر دور با بازی همان بازی کراوات کنید …