دانلود پاورپوینت تئوری بازیها (Game theory)

اختصاصی از یاری فایل دانلود پاورپوینت تئوری بازیها (Game theory) دانلود با لینک مستقیم و پر سرعت .

بازی ها چه هستند و چرا مطالعه میشوند:

بازی ها: حالتی از محیطهای چند عاملی را نشان می دهند که:

 هر عامل نیاز به در نظر گرفتن سایر عاملها و چگونگی تأثیر آنها دارد

 تمایز بین محیطهای چند عامل رقابتی و همکار

 محیطهای رقابتی، که در آنها اهداف عاملها با یکدیگر برخورد دارند، منجر به مسئله های رقابتی میشود که به عنوان بازی شناخته میشوند

و چرا بازی ها مطالعه می شوند :

 قابلیتهای هوشمندی انسانها را به کار میگیرند

ماهیت انتزاعی بازی ها

حالت بازی را به راحتی میتوان نمایش داد و عاملها معمولا به مجموعه کوچکی از فعالیتها محدود هستند که نتایج آنها با قوانین دقیقی تعریف شده اند

به عنوان مثال: دلایلی که محققین قدیم، شطرنج را به‌عنوان موضوعی در AI برگزیدند:

بازی شطرنج کامپیوتری اثباتی بر وجود ماشینی است که اعمال هوشمندانه‌ای را انجام می‌دهند.

 سادگی قوانین

 وضعیت دنیا کاملاً برای برنامه شناخته شده است. (بازنمایی بازی به عنوان یک جستجو از طریق فضای موقعیت‌های ممکن بازی، ساده است.)

 پیچیدگی بازی‌ها، به طور کامل نوعی از عدم قطعیت را معرفی می‌کنند.

عدم قطعیت به علت وجود اطلاعات گم شده رخ نمی‌دهد، بلکه به علت اینکه فرد زمانی برای محاسبه دقیق نتایج حرکت ندارد عدم قطعیت بوجود می‌آید.

در این مورد، فرد بر اساس تجربیات گذشته می‌تواند بهترین حدس را بزند.

یک نمونه بازی:

- یک بازی با دو بازیکن را در نظر می‌گیریم که آن را MIN-MAX  می‌نامیم.

- بدین معناست که هر یک از بازیکن ها ، حرکت خود را در جهت افزایش برد خود (max) و نیز در جهت کاهش برد حریف (min) انجام می دهد.

- پس همیشه حرکت با max است. قبل از حرکت گرافی از دید بازیکن max رسم می شود که بتواند بهترین حرکت را انتخاب کند:

بازی به عنوان یک جستجو:

حالت اولیه: موقعیت صفحه و شناسایی حرکت مجاز

عملگرها: لیستی از (حالت,حرکت) که معرف یک حرکت معتبر است

آزمون هدف: پایان بازی چه موقع است؟ (حالتهای پایانه)

تابع سودمندی: برای هر حالت پایانه یک مقدار عددی را ارائه میکند.            مثلاً: برنده(1+) و بازنده(1-) و مساوی(0)

تصمیمات کامل در بازی‌های دونفره(ترسیم درخت بطور کامل):

اگر به آن به عنوان یک مسئله جستجو نگاه شود، جستجو برای دنباله‌ای از حرکات که منتهی به حالت پایانی می‌شد (مطابق با تابع سودمندی)، و سپس پیشروی و ساخت اولین حرکت در دنباله بود.

با توجه به اینکه حرکت MIN غیرقابل پیش بینی است

بنابراین MAX باید استراتژی‌ای را بیابد که به یک حالت پایانی برنده بدون توجه به عملکرد MIN منجر شود، که این استراتژی شامل حرکات درست برای MAX برای هر حرکت ممکن از MIN می‌باشد.

الگوریتم MIN-MAX:

به منظور تعیین استراتژی بهینه برای MAX طراحی شده است و از اینرو می‌توان بهترین حرکت را تصمیم‌‌گیری کرد. الگوریتم شامل 5 مرحله است:

.1تولید درخت کامل بازی، تمام راه تا مراحل پایانی

.2درخواست تابع سودمندی برای هر حالت پایانی به منظور بدست آوردن مقدارش.

.3از سودمندی حالات پایانی به منظور تعیین سودمندی گره‌ها یک مرحله بالاتر در درخت جستجو استفاده کنید.

.4بررسی مقادیر را از گره‌های برگی تا ریشه، یک لایه در هر لحظه، ادامه دهید.

.5احتمالاً مقادیر به بالای درخت می‌رسند، MAX حرکتی را انتخاب می‌کند که به بالاترین مقدار منتهی می‌شود.

 

شامل 45 اسلاید POWERPOINT