8、战略模糊性与合适语境:语言、决策与认知中的模糊现象解析

战略模糊性与合适语境:语言、决策与认知中的模糊现象解析

1. 战略模糊性基础概念

在决策和语言表达中,战略模糊性是一个重要的概念。集合 $O$ 不一定包含其所有子集,这一点至关重要。因为若包含所有子集,得到的排序关系将满足 (NTR),即 $\forall x, y, z : x \succ_P y \to (x \succ_P z \vee z \succ_P y)$。若如此,排序关系不仅是半序,还会是弱序,这并非我们期望的结果。实际上,当 $x \succ_P y$ 时,没有约束条件迫使我们假设 ${x, y, z} \in O$。

2. 模糊性的行为方法:前景理论

以往在解释模糊性时,语境虽常被提及,但并未直接纳入主体的估值函数。现在我们引入一种模型,其中主体所感知的语境,即参考点,会直接影响其估值函数。

假设房间温度为 $x$ 摄氏度,主体有估值函数 $v(x)$,且 $v’(x) > 0$。若 $v \geq V$,主体认为房间暖和;若 $v < V$,则认为寒冷。然而,这种简单模型存在问题,因为很难存在与语境无关的分界点。例如,无论主体是刚从寒冷室外进入,还是从 21 摄氏度的房间进入,都认为 18 摄氏度的房间寒冷,这显然不合理。

为使“暖和”和“寒冷”的概念具有语境依赖性,我们进行如下扩展。设所有可能的房间温度集合为 $I$,$x$ 为 $I$ 中的典型温度。主体当前比较的温度集合为 $o$,$o \subseteq I$,$|o|$ 为集合 $o$ 的元素数量。集合 $o$ 中温度的平均值定义为 $\frac{1}{|o|} \sum_{x \in o} v(x)$。主体的心理估值定义为:
$u(

先展示下效果 https://pan.quark.cn/s/a4b39357ea24 遗传算法 - 简书 遗传算法的理论是根据达尔文进化论而设计出来的算法: 人类是朝着好的方向(最优解)进化,进化过程中,会自动选择优良基因,淘汰劣等基因。 遗传算法(英语:genetic algorithm (GA) )是计算数学中用于解决最佳化的搜索算法,是进化算法的一种。 进化算法最初是借鉴了进化生物学中的一些现象而发展起来的,这些现象包括遗传、突变、自然选择、杂交等。 搜索算法的共同特征为: 首先组成一组候选解 依据某些适应性条件测算这些候选解的适应度 根据适应度保留某些候选解,放弃其他候选解 对保留的候选解进行某些操作,生成新的候选解 遗传算法流程 遗传算法的一般步骤 my_fitness函数 评估每条染色体所对应个体的适应度 升序排列适应度评估值,选出 前 parent_number 个 个体作为 待选 parent 种群(适应度函数的值越小越好) 从 待选 parent 种群 中随机选择 2 个个体作为父方和母方。 抽取父母双方的染色体,进行交叉,产生 2 个子代。 (交叉概率) 对子代(parent + 生成的 child)的染色体进行变异。 (变异概率) 重复3,4,5步骤,直到新种群(parentnumber + childnumber)的产生。 循环以上步骤直至找到满意的解。 名词解释 交叉概率:两个个体进行交配的概率。 例如,交配概率为0.8,则80%的“夫妻”会生育后代。 变异概率:所有的基因中发生变异的占总体的比例。 GA函数 适应度函数 适应度函数由解决的问题决定。 举一个平方和的例子。 简单的平方和问题 求函数的最小值,其中每个变量的取值区间都是 [-1, ...
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值