两种战术互相克制时怎样求不容易被针对的选择比例:机制记录第26例
在一个只有两种动作的对抗模型里,总选同一动作可能被对手针对。若双方独立地按一定比例选择动作,可以比较不同概率下对手最不利回应带来的平均得分。
输入含义与规则
本例给出二乘二得分表,行是自己的动作,列是对手动作;对手希望自己的得分尽量低。令p为选择第一行的概率,就能算出对手固定选每一列时的期望分数。比较两个端点以及两条分数直线在零至一之间的交点,取其中最低保证分数最高的p。
本次独立演算
二乘二得分矩阵[[-9, 7], [9, -3]];所有数值都是自己的抽象得分,对手目标是让它更小。
自己的候选p、面对两列的分数与最低保证: {'p': '0', 'columns': ['9', '-3'], 'guarantee': '-3'} {'p': '3/7', 'columns': ['9/7', '9/7'], 'guarantee': '9/7'} {'p': '1', 'columns': ['-9', '7'], 'guarantee': '-9'} 对手的候选q、面对两行的分数与最高上限: {'q': '0', 'rows': ['7', '-3'], 'ceiling': '7'} {'q': '5/14', 'rows': ['9/7', '9/7'], 'ceiling': '9/7'} {'q': '1', 'rows': ['-9', '9'], 'ceiling': '9'} 结果p=3/7,q=5/14,共同保证值9/7。表中的编号只区分本例对象,请先确认输入顺序和单位。零值、空列表与尚未定义是不同状态,不能合并解释。分数保留准确含义,近似小数只用于展示;复算时应从完整输入出发,不能把已经四舍五入的显示值当成新的原始数据。
怎样核对结果
对手的最优第一列概率q可以对称求出:比较自己两行得分的较大者,并选择让它最低的q。两边求出的保证值应相同。表格列出候选比例及对应分数,结果可能是纯动作,也可能是两种动作都使用的混合。
独立检查应验证双方在对方比例固定时,都无法靠单独切换到另一纯动作提高自身目标。某个候选概率可能恰好为零或一,也可能有多个同样最优的比例;本例同值取较小概率以固定输出。随机化并不是越均匀越好,比例要由给定得分结构决定。
边界与限制
这是一次选择的抽象零和得分模型,没有现实收益、历史学习或对手读取当前随机结果的能力。这里优化的是期望意义的最坏回应,不保证每一轮都得到保证值。若双方目标不是零和,或可观察对方本轮动作后再决定,模型就需要改变。
如果想比较另一套设置,可以先只修改一个条件,观察第一个发生变化的中间结果。出现分歧时先查规则、边界和同值处理,再查计算过程。把输入与过程一起保存,才方便判断差异来自真正的机制变化,还是某一步记录或实现错误。