重复囚徒困境的学习与响应模型_宋亦泠.pdfVIP

　CN 4 3-1258/ T P 　　　　 2007 29 10 　 　ISS N 1007-130X CO M P U T ER EN GIN EERIN G SCI EN CE 　Vo l.29, N o.10, 2007　 :1007-130X (2007 )10-0 115-05 ＊ T he Learn ng and Response M odel for Iterated P r soner s D lemm a 1 2 1 1 , , 　, 　 1 2 1 1 SONG Yi-ling , WANG Bing-zhong , ZHU Hong , CAI Sheng (1., 200433;2., 210093) (1.Depar men of Compu er Science and Engineering, Fudan Universi y, Shanghai 200433; 2.Depar men of Compu er Science and Technology, Nanjing Universi y, N anj ing 2 10093, China) 　:囚徒困境问题是博弈论的一个重要范例, 对此的研究涉及经济学、社会学、生物学等 泛领域。 Ax elrod R 在 文献[ 1] 中从进化的角度研究和探讨了经典囚徒困境的一个扩展——— 重复囚徒困境。 这种博弈要求参与者反复进行囚徒 困境的博弈, 并且可以记住他们的对抗历史。 Ax elrod 还组织了两次重复囚徒困境的计算机竞赛, 最终胜出的都是简单的 [ 2] “ 以牙还牙”策略 。 这之后有不少学者试图找到可以击败它的策略, 都未能取得显著成功。本文提出了一种学习和响应 的理论模型, 实际中的许多重复囚徒困境的策略都可以纳入这 一模型中。 我们分析了实现这 一模型的难点和复杂度, 同时 给出了一种基于树结构的实现方式, 并在实验中把它和“ 以牙还牙”作比较。 实验以及分析表明, 策略在竞赛中表现的优劣 主要取决于如何利用 一些启发式规则来权衡学习代价和博弈的总利益, 以及在此基础上如何抽取对手的关键信息。 Abs rac :Be ng an mpo rtant e xample n g ame theo ry, Pr soner s D lemma (PD)has attracted w despread a ttent on n a var ety o f d sc pl nes such a s eco nom cs, soc o log y and b ology .Iter ated Pr soner s D lemma (IPD)w as stud ed by Ro be rt A xelrod n[ 1] to model the ev olut on o f co ope rat o n.In the game of IPD, tw o play er s repeatedly play P D and have the memo- ry o f the prev ou s enco unter s.In the compute r I PD to urname nts o rg an zed by A xelrod, a s mple stra teg y T F T (T t fo r t ) w o n tw ce[2] .Af ter that, a g reat number o f researche rs so ug ht to des gn new strat