更改

==起源==

==起源==

这个术语是由[[赫伯特·A·西蒙]]创造的。在《人类模型 Models of Man》一书中，西蒙指出，大多数人的行为只是部分理性的，其余是非理性的。在另一部著作中，他指出“有限理性的行为主体在制定和解决复杂问题以及处理（接收、存储、检索、传输）信息方面经验有限”。<ref name=":2">[[Oliver E. Williamson]], p.&nbsp;553, citing Simon.</ref>西蒙描述了一些维度，沿着这些维度，“经典”的理性模型可以变得更加现实一些，同时坚持相当严格的形式化的脉络。其中包括:

这个术语是由[[赫伯特·A·西蒙]]创造的。在《人类模型 Models of Man》一书中，西蒙指出，大多数人的行为只是部分理性的，其余是非理性的。在另一部著作中，他指出“有限理性的行为主体在制定和解决复杂问题以及处理（接收、存储、检索、传输）信息方面经验有限”。<ref name=":2">Oliver E. Williamson, p.&nbsp;553, citing Simon.</ref>西蒙描述了一些维度，沿着这些维度，“经典”的理性模型可以变得更加现实一些，同时坚持相当严格的形式化的脉络。其中包括:

[[Huw Dixon]]后来辩称，可能没有必要详细分析作为有限理性基础的推理过程。<ref name=":4">{{cite book |chapter=Some Thoughts on Artificial Intelligence and Economic Theory |editor-last=Moss |editor2-last=Rae |title=Artificial Intelligence and Economic Analysis |publisher=Edward Elgar |location= |year=1992 |pages=[https://archive.org/details/artificialintell0000unse_a9c0/page/131 131–154] |doi= |isbn=978-1852786854 |chapter-url=https://archive.org/details/artificialintell0000unse_a9c0/page/131 }}</ref>如果我们相信代理会选择一个让他们“接近”最优值的动作，那么我们可以使用''epsilon-optimization''的概念，这意味着我们选择我们的动作，使得收益在最优值的 epsilon 内。如果我们将最优（最佳）收益定义为<math> U^* </math>，那么一组 epsilon 优化选项'''S(ε)'''可以定义为所有这些选项'''s'''，使得：

Huw Dixon后来辩称，可能没有必要详细分析作为有限理性基础的推理过程。<ref name=":4">{{cite book |chapter=Some Thoughts on Artificial Intelligence and Economic Theory |editor-last=Moss |editor2-last=Rae |title=Artificial Intelligence and Economic Analysis |publisher=Edward Elgar |location= |year=1992 |pages=[https://archive.org/details/artificialintell0000unse_a9c0/page/131 131–154] |doi= |isbn=978-1852786854 |chapter-url=https://archive.org/details/artificialintell0000unse_a9c0/page/131 }}</ref>如果我们相信代理会选择一个让他们“接近”最优值的动作，那么我们可以使用''epsilon-optimization''的概念，这意味着我们选择我们的动作，使得收益在最优值的 epsilon 内。如果我们将最优（最佳）收益定义为<math> U^* </math>，那么一组 epsilon 优化选项'''S(ε)'''可以定义为所有这些选项'''s'''，使得：

从计算的角度来看，决策过程可以在'''算法 algorithm'''和'''启发式 heuristic'''上编码。'''曾德昌 Edward Tsang'''认为，智能体的有效合理性取决于其'''计算智能 computational intelligence'''。在其他条件相同的情况下，一个拥有更好的算法和启发式的智能体可以比那些启发式和算法较差的智能体做出“更理性”(更优化)的决策。<ref name=":5">{{cite journal |doi=10.1007/s11633-008-0063-6 |author=Tsang, E.P.K. |title=Computational intelligence determines effective rationality |journal= International Journal of Automation and Computing|volume=5 |issue=1 |pages=63–6 |year=2008 }}</ref>他和 Evan Hurwitz 在他们关于有限理性的研究中观察到技术的进步(例如:由于摩尔定律、人工智能和大数据分析等因素的影响，计算机处理能力扩展了界定可行理性空间的范围。由于这种理性边界的扩展，机器自动决策使市场更有效率。<ref name=":6">{{cite book |last1=Marwala |first1= Tshilidzi| last2=Hurwitz |first2= Evan |title=Artificial Intelligence and Economic Theory: Skynet in the Market |year=2017 |publisher=[[Springer Science+Business Media|Springer]] |location=London |isbn=978-3-319-66104-9}}</ref>

从计算的角度来看，决策过程可以在'''算法 algorithm'''和'''启发式 heuristic'''上编码。'''曾德昌 Edward Tsang'''认为，智能体的有效合理性取决于其'''计算智能 computational intelligence'''。在其他条件相同的情况下，一个拥有更好的算法和启发式的智能体可以比那些启发式和算法较差的智能体做出“更理性”(更优化)的决策。<ref name=":5">{{cite journal |doi=10.1007/s11633-008-0063-6 |author=Tsang, E.P.K. |title=Computational intelligence determines effective rationality |journal= International Journal of Automation and Computing|volume=5 |issue=1 |pages=63–6 |year=2008 }}</ref>他和 Evan Hurwitz 在他们关于有限理性的研究中观察到技术的进步(例如:由于摩尔定律、人工智能和大数据分析等因素的影响，计算机处理能力扩展了界定可行理性空间的范围。由于这种理性边界的扩展，机器自动决策使市场更有效率。<ref name=":6">{{cite book |last1=Marwala |first1= Tshilidzi| last2=Hurwitz |first2= Evan |title=Artificial Intelligence and Economic Theory: Skynet in the Market |year=2017 |publisher=Springer|location=London |isbn=978-3-319-66104-9}}</ref>

由 Vernon l. Smith 和 Michael j. Campbell 研究表明，在一个特定的模型中，有限理性对于预测人类的社交能力是必不可少的。<ref name="CaSm">

由 Vernon l. Smith 和 Michael j. Campbell 研究表明，在一个特定的模型中，有限理性对于预测人类的社交能力是必不可少的。<ref name="CaSm">

{{cite journal|author1 = Michael J. Campbell | author2 = [[Vernon L. Smith]] | title = An elementary humanomics approach to boundedly rational quadratic models | journal = Physica A |year=2020|doi=10.1016/j.physa.2020.125309| url =https://www.researchgate.net/publication/343657559_An_Elementary_Humanomics_Approach_to_Boundedly_Rational_Quadratic_Models}}</ref>在这里，一个基于个体的模型正确地预测了行为主体反对怨恨和惩罚，并且在感激/奖励和怨恨/惩罚之间存在着不对称的情况。纯理性的纳什均衡点对于这个模型没有预测能力，有限理性的'''吉布斯平衡 Gibbs equilibrium'''必须在 Humanomics 概述的现象中进行预测。<ref name="SmWi">{{cite book|author = [[Vernon L. Smith]] and [[Bart J. Wilson]]|date=2019|title=Humanomics: Moral Sentiments and the Wealth of Nations for the Twenty-First Century|url=https://www.cambridge.org/core/books/humanomics/1B4064A206BD99DB36E794B53ADF8BB4|doi = 10.1017/9781108185561|publisher=Cambridge University Press}}</ref>

{{cite journal|author1 = Michael J. Campbell | author2 = Vernon L. Smith | title = An elementary humanomics approach to boundedly rational quadratic models | journal = Physica A |year=2020|doi=10.1016/j.physa.2020.125309| url =https://www.researchgate.net/publication/343657559_An_Elementary_Humanomics_Approach_to_Boundedly_Rational_Quadratic_Models}}</ref>在这里，一个基于个体的模型正确地预测了行为主体反对怨恨和惩罚，并且在感激/奖励和怨恨/惩罚之间存在着不对称的情况。纯理性的纳什均衡点对于这个模型没有预测能力，有限理性的'''吉布斯平衡 Gibbs equilibrium'''必须在 Humanomics 概述的现象中进行预测。<ref name="SmWi">{{cite book|author = Vernon L. Smith and Bart J. Wilson|date=2019|title=Humanomics: Moral Sentiments and the Wealth of Nations for the Twenty-First Century|url=https://www.cambridge.org/core/books/humanomics/1B4064A206BD99DB36E794B53ADF8BB4|doi = 10.1017/9781108185561|publisher=Cambridge University Press}}</ref>