没有合适的资源?快使用搜索试试~ 我知道了~
具有异构估值的非对称 Blotto 游戏的遗传算法方法-研究论文
需积分: 9 1 下载量 60 浏览量
2021-06-10
10:44:57
上传
评论
收藏 771KB PDF 举报
温馨提示
试读
31页
Blotto Games 是一种流行的多维战略资源配置模型。 两名玩家在拍卖设置中分配不同战场的资源。 虽然预算相等的竞争是众所周知的,但对资源不对称下的战略行为知之甚少,因为这种情况很难用分析方法解决。 我们引入了遗传算法,一种受生物进化启发的搜索启发式算法,被解释为一种社会学习机制,以解决这个问题。 该算法通过多智能体强化学习来评估随机初始策略的性能。 大多数高性能策略组合在一起以创建更高性能的策略。 变异允许算法有效地扫描可能策略的空间,并考虑广泛的偏差。 重复此过程可改进策略,直到不存在盈利偏差。 这种方法允许确定涉及非常大的策略空间的问题的最佳解决方案,例如 Blotto 游戏。 我们表明我们的遗传算法收敛到对称 Blotto 游戏的解析纳什均衡。 我们展示了它为非对称 Blotto 游戏提供的解决方案概念。 它特别看到了“游击战”战略的出现,这与经验和实验结果一致。 资源较少的玩家学会集中其资源来补偿竞争的不对称。 当玩家对战场的估值异质性时,反制策略和竞价焦点在均衡中获得。 这些特征与经验和实验结果一致,并为其存在提供了学习基础。 这些结果有助于更完整地描述战略资源分配博弈中的解决方案。 它将遗传算法作为一种对博弈论问题感兴趣的搜索方法,以取得进一步的理论和操作成果。
资源推荐
资源评论
资源评论
weixin_38687648
- 粉丝: 2
- 资源: 937
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功