人类在重复恒和博弈中玩计算机算法的策略适应-研究论文

本文研究了以对手类型为条件的参与者行为的战略适应性。 参与者对三种模式检测计算机算法中的每一种进行了 100 轮的恒和游戏，这些算法旨在利用人类行为的规律性，例如随机化的缺陷和简单启发式算法的使用。 重要的证据表明，人类参与者不仅会改变他们选择行动的边际概率，还会改变他们依赖于近期游戏历史的条件概率。 提出了一种包含模式识别的认知模型，它比文献中使用的标准非模式检测模型、经验加权吸引模型（以及其嵌套模型、强化学习和虚构游戏）更好地捕捉参与者战略行为的变化信念学习）。