更改
跳到导航
跳到搜索
←上一编辑
下一编辑→
受限生成过程
(查看源代码)
2022年3月15日 (二) 12:04的版本
添加363字节
、
2022年3月15日 (二) 12:04
无编辑摘要
第13行:
第13行:
−
机制 机制是通过转换函数来定义的。如在游戏的例子,会在定义策略函数之前,先定义游戏的状态。类似地,对于一个机制来说,定义转换函数之前,要定义机制的状态。
+
'''
机制
'''
机制是通过转换函数来定义的。如在游戏的例子,会在定义策略函数之前,先定义游戏的状态。类似地,对于一个机制来说,定义转换函数之前,要定义机制的状态。
{S_{1}, S_2, S_3, ...} 来表示状态的集合S,下标表示可能存在的状态。将当前机制的输入值和当前的状态作为转换函数f的初始参数,就可以生成机制的下一个状态。为了将可能的输入参数和可能的状态在机制中表示出来,会给每个输入分配一个下标,即输入 j就会得到一组相关的符号 I_i = { i_{j1}, i_{j2}, i_{j3}, ...}。其中,i_{jh}中的下标j表示输入j的一个可能取值,h指明了输入j的可能状态。例i_{j2}就是输入j的第2种可能的状态。
{S_{1}, S_2, S_3, ...} 来表示状态的集合S,下标表示可能存在的状态。将当前机制的输入值和当前的状态作为转换函数f的初始参数,就可以生成机制的下一个状态。为了将可能的输入参数和可能的状态在机制中表示出来,会给每个输入分配一个下标,即输入 j就会得到一组相关的符号 I_i = { i_{j1}, i_{j2}, i_{j3}, ...}。其中,i_{jh}中的下标j表示输入j的一个可能取值,h指明了输入j的可能状态。例i_{j2}就是输入j的第2种可能的状态。
第29行:
第29行:
S(t+1) = f(I_1 (t), I_2 (t), ..., I_k (t), S(t))。
S(t+1) = f(I_1 (t), I_2 (t), ..., I_k (t), S(t))。
+
f 根据机制在t时刻的状态S(t)的赋值和输入{I_1 (t), I_2 (t), ..., I_k (t)}来决定机制在下一个瞬间时刻 (t+1)的状态S(t+1)。在输入组合序列 I(t), I(t+1), ...,的影响下,反复使用函数f可以生成连续的状态,即机制的状态曲线。这种反复迭代也是生成过程的特性。
−
+
'''相互作用和连接'''
−
下面将从最简单的受限生成过程,即一个单一的机制开始,然后再有步骤地达成我们的目标。
下面将从最简单的受限生成过程,即一个单一的机制开始,然后再有步骤地达成我们的目标。
The
31
个编辑
导航菜单
个人工具
登录
名字空间
页面
讨论
变种
视图
阅读
查看源代码
查看历史
更多
搜索
导航
集智百科
集智主页
集智斑图
集智学园
最近更改
所有页面
捐赠我们
帮助
工具
特殊页面
可打印版本