当前位置：首页 > news >正文

自适应网站做mip改造seo智能优化系统

news 2026/4/7 10:16:06

自适应网站做mip改造,seo智能优化系统,甘肃做网站找谁,营销网络建设体系这里是实验代码仓库：https://github.com/liaoyanqing666/Prisoner-s_Dilemma 当面对囚徒困境时，为了获得个人最佳利益，参与方会倾向于互相背叛这个纳什均衡点。如果这个选择会重复几十次，而且你面对的对手会观察你以前的行为&am…

这里是实验代码仓库：https://github.com/liaoyanqing666/Prisoner-s_Dilemma

当面对囚徒困境时，为了获得个人最佳利益，参与方会倾向于互相背叛这个纳什均衡点。

如果这个选择会重复几十次，而且你面对的对手会观察你以前的行为，再决定如何回报，你还会坚持原来的决定吗？

这就是“重复的囚徒困境”（Iterated Prisoner’s Dilemma）——一个从社会科学、人工智能到现实生活都广泛存在的经典博弈问题。今天，我们不只是谈论这个问题，而是带你回顾一场历史性的实验，并亲自复现它。

阿克塞尔罗德竞赛（Axelrod's Tournament）

1980年，政治学家罗伯特·阿克塞尔罗德（Robert Axelrod）发起了一场实验：他邀请各领域的专家提交策略程序，让它们在重复囚徒困境环境中互相对战，从而观察哪些策略更能在长期互动中获胜。这场被称为 Axelrod’s Tournament 的竞赛后来成为博弈论史上最经典的实验之一。

结果出人意料地简洁：Tit For Tat（以牙还牙）这样朴素的策略脱颖而出，成为了当时的总冠军。它的策略极为简单：第一轮先合作，以后就复制对方的上一轮选择——友善但不软弱，宽容但有底线。

原始论文名称为《Effective Choice in the Prisoner's Dilemma》，可以在谷歌学术上找到。

但是当细读这篇文章后，我发现中间存在一些奇怪的点，例如理论上完全合作的两方会得到600分，但是表格中却存在很多600分左右的部分，许多细节实现仍不清晰。因此，我基于论文描述与开源库 Axelrod Python，复现了几乎所有原始策略且增加了一些策略，并构建了一个可以自定义策略组合与博弈规则的实验平台，代码在这里可以访问到。

代码功能

在代码中，除了上表中的(Name Withheld)方法，阿克塞尔罗德竞赛中的所有方法都复现了。此外，还新定义了部分方法。同时，如果你有更多想法，也可以根据README的“可扩展性”板块指引添加新的方法或者自由修改更多参数。

编号	策略名称	简要说明
1	TitForTat	首轮合作，之后模仿对方上一次的决策。
2	TidemanAndChieruzzi	逐步加剧报复，若己方得分领先则尝试重新合作。
3	Nydegger	前几轮模仿，之后根据加权历史计算是否合作。
4	Grofman	若双方上轮一致则合作，否则以小概率继续合作。
5	Shubik	对背叛进行递增报复，直到完成惩罚周期。
6	SteinAndRapoport	先合作，判断对手是否随机，再选择应对策略。
7	Grudger	一旦被背叛便永久背叛。
8	Davis	前几轮无条件合作，之后如被背叛则永久背叛。
9	Graaskamp	初期防御强烈，后期根据统计判断是否信任对方。
10	Downing	根据对手对合作与背叛的反应来估算收益并决策。
11	Feld	先模仿，对方合作时合作概率随时间线性下降。
12	Joss	模仿为主，偶尔背叛以测试对手。
13	Tullock	前 11 轮合作，之后根据对手近 10 轮的合作频率调整合作概率。
14	Collaborator	始终合作。
15	Betrayer	始终背叛。
16	Random	随机选择合作或背叛。
17	TwoTitsForTat	若最近两轮有一次被背叛则报复。
18	TitForTwoTats	连续两次被背叛才报复，否则合作。

实验现象

在对这些策略进行对战后，我观察到几个颇具启发性的结论：

当参与者中好人占比较高时，主动背叛/投机策略往往得分不高。
- Tullock 方法（以 前 10 步对手背叛概率 +10% 的概率进行背叛）表现不佳；若不加 10%，排名反而更高。
- 虽然 Betrayer 面对 Collaborator 获得全场最高分，但其总体排名并不高。
在参与者中全是恶人的环境下，Betrayer 比 Collaborator 更具优势。
无论在何种组合下，Random 基本都是表现最差的策略。

如果想更深入地分析，欢迎自己定义更多方法或者自由选取参与者的集合。