考虑心理距离的随机后悔最小化出行选择模型

为缓解交通拥堵这一城市问题需要对居民的出行决策规则进行准确刻画.作为期望效用理论的补充,后悔理论已广泛应用于交通领域的研究.学者们提出了一系列随机后悔最小化模型,但已有模型鲜少考虑影响后悔情绪度量的心理因素.根据后悔心理学研究中的“标准理论”“后悔一致性模型”等做出基本行为假设,引入心理距离概念区分不同类型的出行方案,构建改进的考虑心理距离的随机后悔最小化交通出行选择模型,以解释心理因素会影响感知后悔情绪的现象.使用瑞士地铁SP调查数据对本文提出的改进模型与原有模型进行对比分析,结果显示,改进模型对居民出行行为机理的描述更为贴切.

出行路径选择的随机后悔最小化模型

从后悔理论入手,分析后悔理论用于出行行为分析的2种一般形式:多项选择集和多属性决策,研究后悔理论在有风险和无风险条件下的模型结构,提出基于随机后悔最小化的出行路径选择行为分析模型,结合算例对比分析随机效用最大化模型和随机后悔最小化模型用于出行路径选择结果的异同。研究表明,出行者做决策时为避免未选择方案比选择方案表现的更好,试图将预期后悔最小化,而不是预期效用最大化。且对于多属性的备选方案,出行决策是半补偿性的。

考虑异质性的经典随机后悔最小化模型改进研究

传统基于后悔理论的交通行为模型对异质性考虑不充分,对真实选择行为的解释存在不足.本文利用韦伯比率,考虑出行者对各方式属性变量感知的异质性,对经典随机后悔最小化模型进行改进,分别建立基于随机效用最大化,经典随机后悔最小化和改进经典随机后悔最小化的选择模型;以网约车选择行为为例进行实证研究,验证改进模型效果.结果表明:3种模型参数标定结果具有一致性,改进模型的拟合优度(0.271)和命中率(75.8%)相较于另外两个模型均较优;改进模型能更好地描述多维属性决策过程中的半补偿原则和折中效应,可以提高模型对真实选择行为的解释能力.

基于CVaR风险测度的后悔最小化投资组合模型

近年来大量研究表明,投资者不再符合"理性经济人"假设,而是有限理性的。将后悔心理加入投资组合中,从收益和风险两个角度构建后悔最小化模型。考虑到在金融市场中投资者更关注的是下行风险,因此利用CVaR测度不同资产的下行风险,用局部自回归方法预测资产收益率。从股市、债券市场选取不同资产分析存在后悔心理的不同风险敏感投资者如何进行投资决策,以及后悔心理对投资者资产配置的影响,并将该模型与等权重投资组合模型进行对比分析。研究发现后悔心理会影响不同风险敏感投资者在无风险资产、股票、债券上的配置,并且该模型在样本外表现优于等权重投资组合模型。

信息诱导下基于贝叶斯更新的出行后悔感知特征分析

为了准确预测描述出行路径决策行为,探究出行者感知及先进的出行者信息系统(advanced traveler information systems,ATIS)预测信息对决策行为的作用机制,将期望后悔理论与贝叶斯更新方法相结合,以出行时间为变量构建基于二次后悔更新的出行路径决策模型,继而提出后悔更新价值的概念,应用数值模拟方法分析在即时性及滞后性2种不同质量水平的ATIS预测信息影响下,对二次后悔更新过程及路径决策行为的影响。研究表明:二次后悔更新过程能够有效修正路径感知偏差及期望后悔水平;常规交通状态下,即时性信息比滞后性信息场景下的二次后悔更新水平高20%,偶发性交通状态下差距可达50%,即有效及时的ATIS预测信息对于保证后悔更新效果及决策准确性具有重要作用。

后悔理论及其在出行中的应用研究综述

由于后悔理论关注决策者心理体验且能够很好的捕捉决策者心理偏好,因此迅速成为研究决策行为的新兴理论,并广泛应用于出行行为研究.首先阐述后悔理论的提出及其模型发展历程,然后通过对国内外研究现状进行归纳和梳理,从城际出行方式选择、出行线路选择及应急疏散选择等方面,分析了后悔理论在出行行为研究中的应用,最后提出后悔理论在出行行为研究领域的可能发展趋势及研究方向.

智能博弈对抗方法:博弈论与强化学习综合视角对比分析

智能博弈对抗是人工智能认知决策领域亟待解决的前沿热点问题。以反事实后悔最小化算法为代表的博弈论方法和以虚拟自博弈算法为代表的强化学习方法,依托大规模算力支撑,在求解智能博弈策略中脱颖而出,但对两种范式之间的关联缺乏深入发掘。文中针对智能博弈对抗问题,定义智能博弈对抗的内涵与外延,梳理智能博弈对抗的发展历程,总结其中的关键挑战。从博弈论和强化学习两种视角出发,介绍智能博弈对抗模型、算法。多角度对比分析博弈理论和强化学习的优势与局限,归纳总结博弈理论与强化学习统一视角下的智能博弈对抗方法和策略求解框架,旨在为两种范式的结合提供方向,推动智能博弈技术前向发展,为迈向通用人工智能蓄力。

考虑决策规则异质性的地铁应急疏散选择行为研究

为深入研究乘客在地铁应急疏散选择中的决策规则,考虑决策者的个体选择偏好与所面临决策环境的差异性,从相同决策者在不同情景下和不同决策者在相同情景下遵循的决策规则两个角度出发,分别建立混合Logit模型、广义随机后悔最小化模型和前景理论模型。通过将模型应用于上海世纪大道地铁站问卷调查数据,结果表明地铁应急疏散选择行为中存在决策规则异质性,即相同决策者在不同情景中遵循的决策规则不同,相同的决策者在到出口距离较近的情景中遵循后悔最小,在到出口距离较远的情景中遵循前景最大,在到出口距离更远的情景中遵循效用最大的决策规则;不同决策者在同一情景中遵循的决策规则不同,到该站的目的为通勤、上/下学但并非几乎每天都来的决策者在相同情景中遵循效用最大,到该站的目的为购物餐饮娱乐的决策者遵循前景最大,换乘或其他的决策者遵循后悔最小。决策规则的异质性在地铁应急疏散选择行为研究中不可忽视,将为制定合理的应急疏散策略提供理论依据。

基于后悔理论的多目标电网优化调度

基于后悔理论,提出一种新的多目标电力调度模型,该模型不仅使经济成本达到最小,还考虑决策者对于发电这一属性产生的后悔心理活动,使后悔程度达到最小,从而达到满意的调度结果。此外,还针对现有的多目标蝙蝠算法(multi-objective bat algorithm, MOBA)容易陷入局部最优的问题,提出改进的多目标蝙蝠算法。最后,用改进后的优化算法来解决基于后悔理论的多目标电网优化调度。仿真结果显示,改进后的算法收敛速度快,有效性更强,且考虑了决策者的后悔心理,使得清洁能源在电网调度中有更大的调度空间。

试析博弈困境的两种解决方案——以旅行者困境为例

在博弈困境中,纳什均衡所预测的博弈解与人们的直观相矛盾,而且越来越多的博弈实验表明,这与现实博弈的结果也存在巨大反差。博弈困境的出现引起了人们对经典博弈论理性预设的质疑,从而提出不同的逻辑模型和解决方案。本文以旅行者困境为例,对Halpern&Pass提出的重复后悔度最小化模型和Capraro提出的基于联盟与合作的概率推理模型两种方案进行分析比较,考察它们是如何成功地解释和预测旅行者困境中选手实际博弈行为,并对这两种方案的普适性问题和应用前景进行了展望,同时对博弈论的基础进行了哲学反思。

后悔理论视角下的出行选择行为(英文)

应用随机后悔最小化理论与随机效用最大化理论,分别建立RRM-MNL模型和RUM-MNL模型研究了出行方式选择行为。在模型参数、拟合优度方面对2个模型进行了比较,应用直接弹性分析了在交通管理措施评价方面的区别,并通过城际出行方式中的飞机、火车、长途汽车、小汽车4种出行方式数据进行实际验证。分析结果表明:相比于RUM-MNL模型,RRM-MNL模型能够描述在多属性方案选择过程中的部分补偿性决策行为和折衷效应,能更真实地反映实际出行行为选择过程;等待时间、出行时间和出行费用对飞机、火车和长途汽车3种出行方式的选择概率都具有弹性;在RRM-MNL模型中,等待时间对3种方式的弹性值分别较RUM-MNL模型的低7.30%、13.14%和7.70%。可见,对于同一属性变量,出行者具有不同的选择偏好,会表现出不同的选择行为。

计算机博弈中序贯不完美信息博弈求解研究进展

计算机博弈是人工智能的果蝇和通用测试基准.近年来,序贯不完美信息博弈求解一直是计算机博弈研究领域的前沿课题.围绕计算机博弈中不完美信息博弈求解问题展开综述分析.首先,梳理计算机博弈领域标志性突破的里程碑事件,简要介绍4类新评估基准,归纳3种研究范式,提出序贯不完美信息博弈求解研究框架;然后,着重对序贯不完美信息博弈的博弈模型和解概念进行调研,从博弈构建、子博弈和元博弈、解概念以及评估3方面进行简要介绍;接着,围绕离线策略求解,系统梳理算法博弈论、优化理论和博弈学习3大类方法,围绕在线策略求解,系统梳理对手近似式学习、对手判别式适变和对手生成式搜索3大类方法;最后,从环境、智能体(对手)和策略求解3个角度分析面临的挑战,从博弈动力学和策略空间理论、多模态对抗博弈和序贯建模、通用策略学习和离线预训练、对手建模(剥削)和反剥削、临机组队和零样本协调5方面展望未来研究前沿课题.对于当前不完美信息博弈求解问题进行全面概述,期望能够为人工智能和博弈论领域相关研究带来启发.

基于铁路托运人决策异质性的联合分析

为研究决策规则异质性对铁路托运人选择行为的影响,设计了适用于铁路货运服务偏好选择的情景问卷。联合效用最大与后悔最小规则,建立了RUM-RRM联合决策模型。提出托运人可靠性支付价值概念,计算三种决策模型的可靠性支付价值(VOR),发现承运人对货物运输可靠性的支付意愿强烈。最后,计算贝叶斯信息准则(BIC)值并检验各个模型,结果表明,RUM-RRM联合决策模型的拟合结果优于RUM和RRM模型,该模型为研究铁路货运托运人决策异质性提供了参照,解决了托运人对不同服务属性的偏好评估。

非完全信息下基于PPO-CFR的扩展式博弈决策

非完全信息下的人机对抗通常可以通过双人零和博弈模型加以描述,反事实后悔最小化(counterfactual regret minimization,CFR)是处理非完全信息双人零和博弈的一种流行算法.然而现有CFR及其变体算法在迭代过程中使用固定的后悔值计算和策略更新类型,在非完全信息扩展式博弈下表现各有优劣,泛化性能薄弱.针对这一问题,本文将强化学习近端策略优化(proximal policy optimization,PPO)算法与CFR算法相结合,提出一种PPO-CFR算法,通过训练出理性的智能体,从而实现CFR迭代过程后悔值计算和策略更新类型的自适应选择,以提高算法的泛化性能,并实现非完全信息扩展式博弈的策略优化.本文采用通用的扑克博弈实验验证所提算法,并制定逐步奖励函数训练智能体的动作策略,实验结果表明,与现有方法相比,PPO-CFR算法具有更好的泛化性能和更低的可利用度,迭代策略更为逼近纳什均衡策略.