روشهای رمزگشایی اقدامات حریف و بهینه سازی پاسخ ها

نویسندگان:

(1) Avrim Blum ، موسسه فناوری تویوتا در شیکاگو ، IL ، ایالات متحده ؛

(2) ملیسا دوتز ، مؤسسه فناوری تویوتا در شیکاگو ، IL ، ایالات متحده.

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

3. مقدمات و شهود

در حالی که استراتژی بازی I Action I در برابر Action J تقریباً به همان اندازه که ما در مقابل عمل I (برای همه من ، j) که توسط الگوریتم copycat در فلدمن و همکاران استفاده می شود ، بازی می کنیم. [8] برای کراوات تقریباً در یک بازی متقارن صفر ، کافی است ، ما می خواهیم بیشتر برویم و تقریباً در هر دور پیروز شویم. برای انجام این کار ، ما یاد خواهیم گرفت که اقدامات حریف را پیش بینی کنیم و بهترین پاسخ ها را در مورد اقداماتی که حریف انجام می دهد یاد بگیریم. معلوم است که پیش بینی اقدامات حریف بخش “آسان” است ، …

Source link