跳去內容

最大最小化

出自維基百科,自由嘅百科全書
2023 年喺澳門一間賭場影到嘅相;企响門口嘅賭客心諗:「嗯... 我選擇入去賭,最高可以帶嚟幾大嘅後悔呢?」

最大最小化粵拼zeoi3 daai6 zeoi3 siu2 faa3英文minimax / minmax)係一種博弈論上講到嘅策略,喺人工智能等嘅領域嗰度都成日提及,可以用嚟教電腦決策。廣義上嚟講,用最大最小化做決策,旨在想令到某啲「最大數值」有咁細得咁細——當中「最大數值」可以係指對手嘅最大報償,或者係自己嘅「最大後悔值」呀噉。

背景概念[編輯]

表 1:出紅咭定出藍咭好?
阿 B 出紅 阿 B 出藍
阿 A 出紅 0, 0 0, 0
阿 A 出藍 -100, 100 100, -100
表 2:部老虎機咁著數,賭唔賭?
+10,000 -1
唔賭 0 0

首先,要理解最大最大化策略(maximax)——「諗吓每個選項嘅最高報償,再揀最高報償值最高嗰個」。想像依家有一場零和博弈,兩位博弈者,佢哋各自手上揸住一張藍色嘅咭同一張紅色嘅咭,而喺每場對局當中,佢哋要同時將一張咭擺上檯面,場遊戲係噉樣玩嘅:

  1. 如果 A 君出咗紅咭,無論 B 君出邊張咭都好,兩人打和。
  2. 如果 A 君出咗藍咭嘅話...
    • 如果 B 君出嘅係紅咭,噉 B 君贏 100 文港紙
    • 如果 B 君出嘅係藍咭,噉 A 君贏 100 文港紙。

場博弈嘅報償矩陣係好似表 1 噉嘅樣。當中 (x, y) 結果表示「A 君贏 x 咁多錢而 B 君贏 y 咁多錢」。假如 A 君跟從最大最大化嘅法則行事,佢會永遠選擇出藍咭:對佢嚟講,出紅咭嘅最大可得係 0,而出藍咭嘅最大可得係 100 文港紙。問題係如果 A 君跟從噉嘅法則行動,B 君可以利用佢嘅單純思考方法—— B 君大可以選擇永遠出紅咭,噉佢就會永遠都贏錢。由此可見,最大最大化有個大缺點:決策者並冇考慮到對手會點樣反應;因此,呢種策略被指本質上係唔理性嘅,只有極天真(例如係細路)或者極肯博嘅決策者先會採取噉嘅策略[1][2]

數學符號表述嘅話,maximax 決策法則如下[3]

,當中
  • i 係做緊決策嗰位博弈者嘅「ID 冧把」。
  • 表示 i 以外嘅所有博弈者。
  • 係指由 i 採取嘅行動。
  • 係指由其他博弈者採取嘅行動。
  • i 嘅價值函數。

跟住,又思考吓最小最大化策略(maximin)——「諗吓每個選項嘅最低報償,再揀最低報償值最高嗰個」[4]。想像依家阿明去賭場賭錢,佢搵到一部異常咁著數嘅老虎機:賭客贏咗可以賺到 10,000 文港紙咁多,而輸咗就只會損失 1 文(睇表 2 個矩陣),由阿明嘅角度睇[1]——

  1. 「唔賭」嘅最低可得係 0;
  2. 「賭」嘅最低可得係 -1(損失 1 文);

根據最小最大化,阿明理應選擇「唔賭」——但係一般認為,喺呢個情境下阿明係應該「去賭」至最著數。Maximin 嘅決策方法用數學符號表達如下:

相對於最大最大化嘅過度樂觀,最小最大化被認為係悲觀得滯,決策者彷彿假定咗自己永遠只會得到最壞結果,呢種思考法亦畀好多人認為係一種唔理想嘅決策方式[1]

後悔模型[編輯]

睇埋:機會成本
表 3:好唔好抌錢做研發?
研發成功 研發失敗
抌錢 r-c -c
唔抌 0 0
表 4:抌錢做研發嘅「後悔矩陣」
研發成功 研發失敗
抌錢 0 c
唔抌 r-c 0

後悔嘅最大最小化」呢種決策方式,被指係有別於太樂觀嘅 maximax 同埋太悲觀嘅 maximin。

  • Maximax:對每個選項,淨係睇佢嘅報償最高係幾多,揀對自己最有利嗰個。
  • Maximin:對每個選項,淨係睇佢嘅報償最低係幾多,揀對自己最有利嗰個。

後悔最大最小化原則[註 1]源自匈牙利裔美國數學家馮紐曼嘅研究。依家想像一間企業,佢哋要決定「係咪要抌本做研發」,假設研發嘅成本係 c 咁多,假如研發成功,會為間企業帶嚟 r 咁多嘅利潤,而假如研發失敗,間企業唔會得到任何嘅利潤,只會損失抌咗落去做研發嗰筆錢,即係好似表 3 所示[1]

  • 跟 maximax 嘅決策者:只要 r > c 就係唔係都要做研發。
  • 跟 maximin 嘅決策者:係唔係都唔肯做研發。

後悔最大最小化原則就複雜少少:首先思考後悔嘅概念,後悔好似經濟學上講嘅機會成本,講緊「如果揀咗呢個選項,會錯過啲乜」—假如想研發嗰樣嘢係掂嘅,但係間企業冇郁手做研發,佢哋會錯失得到 r-c 嘅機會,而假如想研發嗰樣嘢係唔掂嘅,但係間企業郁手做研發,佢會錯失 c 咁多嘅成本。如果將呢套思考畫做一個「後悔矩陣」,會好似表 4 所表示嘅噉[1]

後悔最大最小化原則講緊嘅,就係決策者要盡可能減少(最小化)自己嘅「最高後悔值」[註 2]:攞每一個選項嚟睇,決策者要睇下嗰個選項最高可以帶嚟幾高嘅後悔值,然後佢會揀「最高後悔值」最低嗰一個;喺做研發嗰個例子當中,如果 r 數值夠大(r - c > c),間企業會選擇郁手做研發,而如果 r 數值唔夠大(r - c < c),佢哋就唔會郁手做研發。用數學符號嚟表達嘅話,後悔最大最小化原則可以噉嚟表述[5]:p 12

當中 就係指後悔值。好似後悔 minimax 噉樣嘅決策方式,被認為係比較理性嘅一種做法。

可以睇睇[編輯]

註釋[編輯]

  1. 取自英文:The Minimax Regret Principle
  2. 後悔 minimax 集中於自身嘅「最高後悔值」,即係話响多人博弈當中,用呢種原則做決策嘅博弈者假定咗對手識做最好嘅決策。

引述[編輯]

  1. 1.0 1.1 1.2 1.3 1.4 (英文) 玩嘅策略史丹福大學,當中有講到 minimax 嘅概念。
  2. Maximax and maximin. Economics Online.
  3. Maschler, Michael; Solan, Eilon; Zamir, Shmuel (2013). Game Theory. Cambridge University Press. pp. 176-180.
  4. Brody, H., & Thompson, J. R. (1981). The maximin strategy in modern obstetrics. The Journal of family practice, 12(6), 977-986,佢哋講咗:"a maximin strategy: making the best of the worst possible outcome, regardless of the actual probability of that outcome occurring."
  5. Renou, L., & Schlag, K. H. (2010). Minimax regret and strategic uncertainty (PDF). Journal of Economic Theory, 145(1), 264-286.

再睇[編輯]