前置课程

第一课什么是norm？（An Evolutionary Approach to Norms）

An Evolutionary Approach to Norms

这个是第二部分的内容，在之前我们已经讲解了什么是norm

Simulation of the Norms Game

前文所说，norms game有两个dimensions，boldness和vengefulness，作者把这两个分成8个等级，从0/7到7/7. 所以一个agent的策略可以用六个比特来表示，三个表示boldness，三个表示vengefulness。
simulation包含5个步骤，下面我们一一细说：

first step

一开始有20个玩家，每个玩家的初始策略是随机的从262^626种策略中选择。

second step

每个玩家有四次作弊的机会，最终的得分是由别的玩家的选择和自己的选择来决定的；此外被发现作弊的概率服从0到1之间的均匀分布。含义就是四次的话，一次是0.25，0.5，0.75，1。

我们来举一个例子，假设有一个玩家叫LEE：

Lee has a boldness level of 2/7 and vengefulness level of 4/7. The total
payoff Lee achieved was the result of four different kinds of events, as shown in Table 1. Lee defected only once because only one of the four opportunities had a chance of being seen that was less than Lee’s boldness of 2/7. This defection gave a temptation payoff of T = 3 points. Unfortunately for Lee, one of the other players observed the defection and chose to punish it, leading to a loss for Lee of P = -9 points. In addition the other players defected a total of 36 times, each hurting Lee H = -1 point. Finally, Lee observed who was responsible for about half of these defections and chose to punish each of them with a probability determined by his vengefulness of 4/7.This lead to a punishment of 9 of the defections at an enforcement cost of E = -2 each, for a further loss of 18 points. The net result of these four types of events was a total score of -60 for Lee.

Lee由2/7的boldness和4/7的vengefulness。因为只有0.25小于boldness，所以Lee只作弊一次，获得了3；但是有一个人发现了并且决定惩罚Lee，所以-9；然后别的19个人总共欺骗了36次，然后lee根据自己的vengefulness惩罚了9次，所以最后的结果是-60。

third step

当所有人的结果决定了之后，开始产生后代。
根据20个结果算出平均值和标准差，大于平均值+一个标准差的人会产生两个后代，称之为offspring，后代的策略与父代相同，然后低于平均值-一个标准差的人不会产生后代，然后其他的人产生一个后代。
为了计算方便，将所有后代调整成固定的20个人
增加百分之一的突变率，mutation rate。
每一个后代的每一个bit都会有1%的概率修改。

fourth step

第二步和第三步重复100次，来看是如何进化的

fifth step

从第一步到第四步重复五次，来得到五次完整的模拟

结果分析

五个大黑点，是五次实验结果的平均boldness和vengefulness，
Three completely different outcomes appear possible. In one of the runs, there was a moderate level of vengefulness and almost no boldness, indicating the partial establishment of a norm against defection. On two other runs there was little boldness and little vengefulness, and on the remaining two runs, there was a great deal of boldness and almost no vengefulness-the very opposite of a norm against defection. What could be happening?

一次的结果是大vengefulness和小boldness，这个暗示了一个反对作弊的norm的产生；
有两次非常小的boldness和非常小的vengefulness；
有两次非常大的boldness和非常小的vengefulness

Now the various outcomes begin to fit into a common pattern. All five of the
runs begin near the middle of the field, with average boldness and vengefulness
levels near one-half. The first thing to happen is a dramatic fall in the boldness
level. The reason for the decline is that when there is enough vengefulness in the
population, it is very costly to be bold. Once the boldness level falls, the main
trend is a lowering of vengefulness. The reason for this is that to be vengeful and
punish an observed defection requires paying an enforcement cost without any
direct return to the individual. Finally, once the vengefulness level has fallen
nearly to zero, the players can be bold with impunity. This results in an increase
in boldness, destroying whatever restraint was established in the first stage of the
process-a sad but stable state in this norms game.
作者给出了一个common model：在一开始，所有的人都是平均的boldness和vengefulness，然后很快boldness快速下降因为vengefulness非常高，作弊的代价太大；然后boldness很低的时候，vengefulness下降，因为每一次都惩罚别人对自己没有什么好处；当vengefulness很低的时候，boldness又会快速上升。达到一个稳定状态，这是一个让人sad的结果。

目前为之，每一个人都是没incentive去惩罚别人的。假设我们加上这样的一种动机？这里我们引入metanorms
我们会在最后一章也就是下一部分，讲解什么是metanorms game

第二课什么是norm game？（An Evolutionary Approach to Norms）相关推荐

0.0 目录-深度学习第二课《改善神经网络》-Stanford吴恩达教授
文章目录第五课第四课第三课第二课第一课第五课 <序列模型> 笔记列表 Week 1 循环序列模型 Week 1 传送门 -> 1.1 为什么选择序列模型 1.2 数学符号 ...
吴恩达Deeplearning第二课代码bug修正大全
解决维度不匹配问题第一周 Initialization 错误: plt.title("Model with Zeros initialization") axes = plt.g ...
手把手教你写电商爬虫-第二课实战尚妆网分页商品采集爬虫
系列教程手把手教你写电商爬虫-第一课找个软柿子捏捏如果没有看过第一课的朋友,请先移步第一课,第一课讲了一些基础性的东西,通过软柿子"切糕王子"这个电商网站好好的练了一次手,相 ...
android 集合内存泄漏,Android内存泄漏第二课--------（集合中对象没清理造成的内存泄漏）...
一.我们通常把一些对象的引用加入到了集合容器(比如ArrayList)中,当我们不需要该对象时,并没有把它的引用从集合中清理掉,这样这个集合就会越来越大.如果这个集合是static的话,那情况就更严重 ...
cdata节赋值变量_JS原生练习题：第二课第5~12节
第五节:函数传参,改变Div任意属性的值函数传参,改变Div任意属性的值属性名: 属性值: 确定重置在上方输入"属性名"和"属性值",点击确认按钮查看效 ...
Coursera公开课笔记: 斯坦福大学机器学习第二课“单变量线性回归(Linear regression with one variable)”
Coursera公开课笔记: 斯坦福大学机器学习第二课"单变量线性回归(Linear regression with one variable)" 发表于 2012年05月6号由 ...
GIS讲堂第二课-地图切片简介以及OL中的调用
概述: 在大家的支持与帮助下,"GIS讲堂"第二课已落下帷幕,在此对大家的支持与帮助表示衷心的感谢,同时呢,也给大家致歉,由于感冒的缘故,讲课的时候的各种毛病还请大家多多包涵,下面 ...
“GIS讲堂”第二课内容的公布
"GIS讲堂"第二课的内容已经确定了-- 经大家讨论决定,"GIS讲堂"第二课的内容已确定,下面就本节课程的内容做一个介绍. 1.课程主题地图切片简介以及OL ...
斯坦福大学机器学习第二课 “单变量线性回归”
斯坦福大学机器学习第二课"单变量线性回归(Linear regression with one variable)" 发表于 2012年05月6号由 52nlp 斯坦福大学机器学 ...
【原创深度学习与TensorFlow 动手实践系列 - 2】第二课：传统神经网络
第二课传统神经网络 <深度学习>整体结构: 线性回归 -> 神经网络 -> 卷积神经网络(CNN)-> 循环神经网络(RNN)- LSTM 目标分类(人脸识别,物品识别 ...

第二课什么是norm game？（An Evolutionary Approach to Norms）

文章目录

前置课程

An Evolutionary Approach to Norms

Simulation of the Norms Game

first step

second step

third step

fourth step

fifth step

结果分析

第二课什么是norm game？（An Evolutionary Approach to Norms）相关推荐

最新文章

热门文章

第二课 什么是norm game？（An Evolutionary Approach to Norms）

文章目录

前置课程

An Evolutionary Approach to Norms

Simulation of the Norms Game

first step

second step

third step

fourth step

fifth step

结果分析

第二课 什么是norm game？（An Evolutionary Approach to Norms）相关推荐

最新文章

热门文章

第二课什么是norm game？（An Evolutionary Approach to Norms）

第二课什么是norm game？（An Evolutionary Approach to Norms）相关推荐