当前位置: 首页 > >

强化学*之博弈论??笔记

发布时间:


名词解释:


零和博弈:两人的分数相加为0,也是说一个人得分,另一个就减分。


有限:也就是 数字 选择 深度等,不是无限大。他是有限制的,一个确定的数。


确定性:状态 没有概率 随机转换,比如:执行某个动作,就一定会进入某个状态。


完美信息:也就是状态可知,明确知道对方和自己所处的状态。


?


因为 a 先走? ?b 跟在后边,一人一步。


第一步:a 在状态1中可以选择 左和右 。


第二步:然后该 b走了 b可以选择 状态2的? 左,中,右 。


第三步:又轮到a 可以选择 状态4的 左和右。??


所以 a 的策略有 4个 ,b的策略有3个。



?


把策略的可能写成一个矩阵。 如a在状态1走左,b在状态2走右,得分为7.?


游戏规则是:


a和b分别是两个玩家。 每个玩家都想得到最高的分数,


每个叶子节点是a的分数,b的分数是a的相反数。也就是说 a的分数是7 b的分数就是-7. 因此 b的目的是让a的分数最低。


于是两个玩家进行博弈。因为这是一场 零和博弈。因为每个人都是理智的,他们都为了追求自己的最大利益,分数会向中间*衡。最终博弈的结果是 红色的方块。



?迷你扑克牌游戏



??,




博弈值是 红色方块


?




?囚徒困境


a和b不知道对方的状态


出卖对方,比相互合作获得的利益更大


?



转载于:https://www.cnblogs.com/HL-blog/p/9078613.html






相关资源:基于模型的强化学*博弈论框架



友情链接: