8博弈理论初步试卷.ppt

博弈理论初步 信息完全的零和博弈 概要 博弈定义 博弈评价 博弈最佳解 最大最小 非确定性博弈 博弈类型 定义 俩人对弈：玩家A和B，A先手。 确定性：移动或状态不受制于机会，即不是随机抽取的。 信息完全：俩玩家亲历所有的状态及决定。每个决定都是顺序做出的。 零和：A获得的等于B损失的。一个玩家必须赢，或是平局，即双方得到的是等同的。 例子 开始，一叠硬币放在俩玩家之间。 每个玩家将其中一叠硬币分成不同的两叠。 当每叠只有一或两枚硬币时，对弈结束。 第一位不能继续的玩家输。 例子 搜索问题 状态：棋盘构形+下家 后续态：通过合法移动，当前态能到达的一系列状态 终态：博弈结束的状态 回报或效用：赋给每个终态的数值 例如：U(s)=+1：A赢，?1：B赢，0：平局 博弈值：假设俩玩家都采用最佳策略，这样到达的一个终态的值，称为最大最小（minimax）值。 搜索：寻找从当前态开始，并使博弈值极大的移动 博弈树 最佳(或最大最小)策略 搜索博弈树，使得： A手：寻找从相应的亚树开始的，能产生最大回报的移动。该移动对A最有利 B手：寻找从相应的亚树开始的，能产生最小回报的移动。该移动对B最有利 最大最小（Minimax） 计算从当前态起始的最大最小策略： Minimax(s) if s是终态 返回U(s) else if 下一步是A手 返回 else 返回 例子 最大最小性质 完全性：如果是有限博弈 最佳性：如果对手表现最佳 在本质上，是执行一个全范围的深度优先搜索（DFS） 有效性： 用?-?剪枝去掉(大)部分搜索空间： ? = 目前为止，在沿着寻找最大值的路径上，某结点处所找到的最佳选择值 ? = 目前为止，在沿着寻找最小值的路径上，某结点处所找到的最佳选择值 用启发式评价函数把非终态转变成终态，以便及早停止搜索 例子：棋子数的加权总和（状态的物质价值） 采用基于最大深度的取舍测试来停止搜索。 效用值的选择 在上面两种场合下，绝对博弈值是不同的 最大最小解是相同的 不是与绝对值，而是与值的相对次序，即序数效用值有关。 仅对确定性博弈成立 评价函数可以是能保持效用值次序的任何函数 非确定性（随机）博弈 双陆棋：用掷骰子来确定合法的走步 非确定性博弈 非确定性博弈 在概率结点处，采用其后续结点的期望值： 也即，存在玩家不作选择的状态。此时可用如掷骰子来作一个随机决策 非确定性最大最小 计算从当前态起始的期望最大最小策略： Minimax(s) if s是终态：返回U(s) else if 下一步是A ：返回 else if 下一步是B ：返回 else：返回 效用值的选择 虽然值的次序是一样的，但不同的效用值能产生截然不同的结果。因此，与绝对效用值确实有关。 效用应与实际回报成正比。因此，仅遵循一样的次序是不够的。 想一想，在两张有相同的赔率，但有截然不同的回报分布的彩票之间作选择。 含义：评价函数必须是效用的线性正函数。 总结 定义 博弈评价 最佳解 最大最小 非确定性博弈 * 桥牌、扑克、拼字、战争游戏 军棋 信息不完全 双陆棋、大富翁 围棋、16子象棋、24子象棋 信息完全 机会 确定性 注：上面分类是依据于对博弈的通常理解。然而，将此分类一般化的理论被广泛用于决策问题。 B输 A输 B输 A手 B手 A手 B手 A手 B手 U=+1 U=+1 U=?1 A B A 概率 B B A 概率 * * *