通过概率过度匹配的朴素学习-研究论文

我们在具有二元动作和二元状态的重复交互网络模型中分析有限理性更新。 代理根据离散化的 DeGroot 更新形成信念，并应用决策规则，为每个信念分配（混合）动作。 我们首先表明，在弱假设下，随机决策规则足以在任何强连接网络中在有限时间内达成一致。 我们的主要结果表明，可以在任何大型强连接网络中实现朴素学习。 也就是说，如果信念满足高水平的惯性，则存在相应的决策规则，与概率过度匹配一致，使得最终的协议行为与真实状态相匹配，随着网络规模趋于无穷大，概率会收敛到 1。