算法黏性与记忆范围限定了埃尔法罗酒吧参与者的理性程度

本文采用了 Arthur 用于建模有限理性和归纳行为的埃尔法罗酒吧范式。智能体可用的记忆视野及其用于预测算法的选择准则，是被识别为代表智能体策略异质性的两个基本变量。通过在决策过程中引入多种奖励方案，后者得到了丰富。尽管舒适度的外部输入并未在算法池中被显式编码，它仍对每位智能体的决策过程有所贡献。调节这些基本变量，人们可以在舒适度与内生机识别的受限状态之间操控整体结果。此外，我们通过一个对智能体可获得的局部到场状态进行打分的表达式来建模智能体的行为。该表达式包含一个单一参数，用于权衡源于外部与内部限制因素的相对贡献。借助 Metropolis Monte-Carlo 技术对该表达式进行解析与数值求解，使我们能够为基于智能体的模型所识别的基本变量赋予统计热力学意义，并深入认识智能体行为中所观察到的界限。在给定选择准则下使用单一参数，基于智能体的模型与解析方法在宽泛的阈值范围内获得一一对应，从而验证了该解析方法的效力。两种模型在极端阈值处出现差异的根源，被追踪到自适应智能体实际使用的算法类型分布发生了偏移。