1,526
个编辑
更改
跳到导航
跳到搜索
第164行：
第164行： − 建立了有序系统的可达最优性计算形式<ref>Wenliang Wang (2015). Pooling Game Theory and Public Pension Plan. ISBN 978-1507658246. Chapter 4.</ref>，揭示了在系统完整性的一般限制内，复杂性计算是有序系统的特定和任何经验路径下的“最优选择”和“最优驱动达成模式超时”的复合计算。+ 第172行：
第172行： − + 第178行：
第178行： − + 第184行：
第184行： − + − 在选择经验路径中的复合计算，包括当前和滞后交互作用、动态拓扑变换，并且暗示有序系统的经验路径具有不变性和变异的特征。+ − 在选择经验路径中的复合计算，包括当前和滞后交互作用、动态拓扑变换，并且在有序系统的经验路径表现出不变性和变异的特征。
→复杂性的一般计算形式
=== 复杂性的一般计算形式 ===
=== 复杂性的一般计算形式 ===
有序系统的可达最优性计算形式的建立<ref>Wenliang Wang (2015). Pooling Game Theory and Public Pension Plan. ISBN 978-1507658246. Chapter 4.</ref>，揭示了在系统完整性的一般限制内，复杂性计算是有序系统的特定和任何经验路径下的“最优选择”和“最优驱动达成模式超时”的复合计算。
可达成优选的计算定律有四个关键组成成分，如下所述：
可达成优选的计算定律有四个关键组成成分，如下所述：
2. '''主导性和一致性 Prevailing and Consistency'''：极大化可达性以探索最佳可利用的最优，是有序系统中所有成员的普遍性计算逻辑，并且适应于有序系统。
2. '''主导性和一致性 Prevailing and Consistency'''：极大化可达性以探索最佳可利用的最优，是有序系统中所有成员的普遍性计算逻辑，并且适应于有序系统。
3. '''条件性 Conditionality '''：可达成性和最优之间可以实现的取舍，主要取决于初始投注能力以及投注能力如何随投注行为触发的收益表更新路径而演变、如何由基本的奖惩规则赋值。准确地说，这是一系列有条件的事件，下一个事件将发生于从经验路径到达现状之时。
3. '''条件性 Conditionality '''：可达成性和最优之间可以实现的取舍，主要取决于初始投注能力以及投注能力如何随投注行为触发的收益更新路径而发生演变、如何由基本的奖惩规则赋值。准确地说，这是一系列有条件的事件，下一个事件将发生于从经验路径到达现状之时。
4. '''稳健性 Robustness'''：可达成最优所能承受的挑战越多，就路径完整性而言就越稳健。
4. '''稳健性 Robustness'''：可达成最优所能承受的挑战越多，就路径完整性而言就越稳健。
可达成优选定律中也有四个计算特征。
可达成优选定律中也有四个计算特征。
1. '''最佳选择 Optimal Choice'''：实现最佳选择的计算可以是非常简单、也可以非常复杂。在最佳选择中的一个简单规则，就是接受所达成的任何事情。“按件奖励”RAYG，当 RAYG 被采用时，可达最优计算将减少到最优化的可达性。当达成的游戏中存在多个 NE 策略时，最优选择计算可能更为复杂。
1. '''最佳选择 Optimal Choice'''：实现最佳选择的计算可以是非常简单、也可以非常复杂。在最佳选择中的一个简单规则，就是接受所达成的任何事情。“按件奖励” Reward As You Go（ RAYG），当 RAYG 被采用时，可达最优计算将减少到最优化的可达性。当达成的游戏中存在多个'''纳什平衡 Nash equilibrium''' 策略时，最优选择计算可能更为复杂。
2. '''初始状态 Initial Status'''：计算被假设从一个有兴趣的起点开始，甚至一个有序系统的绝对起点本质上可能不存在，也不需要存在。假设的中性初始状态有利于人工或模拟计算，预计不会改变任何发现的普遍性。
2. '''初始状态 Initial Status'''：计算被假设从一个有兴趣的起点开始，甚至一个有序系统的绝对起点本质上可能不存在，也不需要存在。假设的中性初始状态有利于人工或模拟计算，预计不会改变任何发现的普遍性。
3. '''领域 Territory'''：一个有序系统应该有一个域，由系统发起的通用计算，将产生一个仍然在域内的最优解。
3. '''领域 Territory'''：一个有序系统应该有一个域，由系统发起的通用计算，将产生一个仍然在域内的最优解。
4. '''达成模式 Reaching Pattern'''：在计算空间中的达成模式、或者在计算空间中的最优驱动达成模式的形式，主要依赖于计算空间下度量空间的性质和维度、以及实现可达的经验路径的惩罚和奖励规则。我们感兴趣的经验路径有五种基本形式：持续正向增强经验路径、持续负向增强经验路径、混合持续型经验路径、衰减规模经验路径、和选择经验路径。
4. '''达成模式 Reaching Pattern'''：在计算空间中的达成模式、或者在计算空间中的最优驱动达成模式的形式，主要依赖于计算空间下度量空间的性质和维度、以及实现可达的经验路径的惩罚和奖励规则。我们感兴趣的经验路径有五种基本形式：持续正向增强经验路径、持续负向增强经验路径、混合持续型经验路径、衰减规模经验路径和选择经验路径。
在选择体验路径的复合计算中，包括当前交互和滞后交互，动态拓扑转换 dynamic topological transformation，并暗示有序系统的体验路径中的不变性和方差特征。
同时，可达成最优的计算形式给出了复杂性模型、混沌性模型、和确定性模型之间的界限。当 “按件奖励”RAYG是最优选择计算，并且可达模式是持续正向经验路径、持续负向经验路径、或混合持久模式经验路径时，其底层计算应该是采用确定规则的简单系统计算。如果可达模式没有在 RAYG 体制中经历的持续模式，基础计算则提示有混沌系统。当最佳选择计算涉及非 RAYG 计算时，此为复杂性计算所驱动的复合效应。
同时，可达成最优的计算形式给出了复杂性模型、混沌性模型、和确定性模型之间的界限。当 “按件奖励”RAYG是最优选择计算，并且可达模式是持续正向经验路径、持续负向经验路径、或混合持久模式经验路径时，其底层计算应该是采用确定规则的简单系统计算。如果可达模式没有在 RAYG 体制中经历的持续模式，基础计算则提示有混沌系统。当最佳选择计算涉及非 RAYG 计算时，此为复杂性计算所驱动的复合效应。