非平稳环境中由贝叶斯决策模型导出的莱维行走
人工智能
2020-12-17 v1 机器学习
多智能体系统
神经与进化计算
摘要
莱维行走（Lévy walks）见于多种生物体的迁徙行为模式，该现象的原因已被广泛讨论。我们通过仿真证明，学习导致非平稳环境中决策时置信水平的变化，并导致类莱维行走模式。一种涉及置信的推断算法是贝叶斯推断。我们提出一种将学习和遗忘效应引入贝叶斯推断的算法，并仿真了一个模仿博弈，其中两个采用该算法的决策智能体从对手的观测数据估计彼此的内部模型。对于无学习的遗忘，由于缺乏对对方的信息，智能体置信水平保持较低，并在较宽的遗忘率范围内出现布朗行走。相反，当引入学习时，即使在高速率遗忘下也偶尔出现高置信水平，并且通过高、低置信状态的混合，布朗行走普遍变为莱维行走。
引用
@article{arxiv.2012.08858,
title = {L\'evy walks derived from a Bayesian decision-making model in non-stationary environments},
author = {Shuji Shinohara and Nobuhito Manome and Yoshihiro Nakajima and Yukio Pegio Gunji and Toru Moriyama and Hiroshi Okamoto and Shunji Mitsuyoshi and Ung-il Chung},
journal= {arXiv preprint arXiv:2012.08858},
year = {2020}
}