强化学习之博弈论——笔记

名词解释：

零和博弈：两人的分数相加为0，也是说一个人得分，另一个就减分。

有限：也就是 数字 选择 深度等，不是无限大。他是有限制的，一个确定的数。

确定性：状态 没有概率 随机转换，比如：执行某个动作，就一定会进入某个状态。

完美信息：也就是状态可知，明确知道对方和自己所处的状态。

 

因为 a 先走   b 跟在后边，一人一步。

第一步：a 在状态1中可以选择 左和右 。

第二步：然后该 b走了 b可以选择 状态2的  左，中，右 。

第三步：又轮到a 可以选择 状态4的 左和右。  

所以 a 的策略有 4个 ，b的策略有3个。

 

把策略的可能写成一个矩阵。 如a在状态1走左，b在状态2走右，得分为7. 

游戏规则是：

a和b分别是两个玩家。 每个玩家都想得到最高的分数，

每个叶子节点是a的分数，b的分数是a的相反数。也就是说 a的分数是7 b的分数就是-7. 因此 b的目的是让a的分数最低。

于是两个玩家进行博弈。因为这是一场 零和博弈。因为每个人都是理智的，他们都为了追求自己的最大利益，分数会向中间平衡。最终博弈的结果是 红色的方块。

 迷你扑克牌游戏

  ，

，

，

博弈值是 红色方块

 

 囚徒困境

a和b不知道对方的状态

出卖对方，比相互合作获得的利益更大