سال انتشار: ۱۳۸۶

محل انتشار: سیزدهمین کنفرانس سالانه انجمن کامپیوتر ایران

تعداد صفحات: ۴

نویسنده(ها):

فرناز ابطحی – دانشکده مهندسی کامپیوتر و فناوری اطلاعات دانشگاه صنعتی امیرکبیر
محمدرضا میبدی – دانشکده مهندسی کامپیوتر و فناوری اطلاعات دانشگاه صنعتی امیرکبیر
سعید شیری – دانشکده مهندسی کامپیوتر و فناوری اطلاعات دانشگاه صنعتی امیرکبیر

چکیده:

در این مقاله، رویکردی مبتنی بر اتوماتاهای یادگیر برای یافتن استراتژی غالب در بازیهای Blotto ارائه می گردد. اهمیت این دسته از بازی ها در تئوری بازی ازدوجهت است. اولا این بازی ها در دنیای واقعی برای مدل سازی فرایندهایی به کار می روند که در آن ها برای غلبه بر حریف، نیاز به توزیع بهینه منابع محدود بین چندین کار وجود دارد. ثانیا رویکردی که در این بازی ها برای یافتن استراتژی غالبمورد استفاده قرار می گیرد را می توان برای مدل کردن هر فرایند چند عاملهرقابتی دیگر که دارای استراتژی غالب برای هر یک از عامل ها می باشد به کار برد. با دانستن استراتژی غالب می توان تضمین کردکه عامل، همواره سودی بیشتر یا مساوی با سایر عامل ها به دست خواهد آورد. در روش پشینهادی در این مقاله، هر یک از بازیکنان دارای یک اتوماتای یادگیر می باشد که از آن برای یادگیری و تصمیم گیری در مورد انتخاب اعمال کمک می گیرد. آزمایشات انجام شده نشان می دهند که با استفاده از این روش، استراتژی بازیکنان مجهز به اتوماتای یادگیر به تدریج به استراتژی غالب همگرا شده و این بازیکنان قادر به یافتن بهترین حالت تقسیم منابع و برد در بازی خواهند بود.