16、受限理性对智能体的影响及自然语言处理的自生成策略

受限理性对智能体的影响及自然语言处理的自生成策略

1. 受限理性对 CHREST 智能体的影响

在研究环境复杂度与智能体表现的关系时，有两个关键因素值得关注。首先，环境复杂度从平均水平提升到高于平均水平时，会对智能体产生显著影响。其次，较大的视野半径总是会产生更多的节点，其次是中等视野半径。虽然智能体的数量也有统计学上的显著影响，但与其他两个自变量的影响相比，这种影响非常小。

下面通过表格展示不同视野半径和环境复杂度下节点数量的大致情况：
| 视野半径 | 平均环境复杂度节点数量 | 高于平均环境复杂度节点数量 |
| ---- | ---- | ---- |
| 大 | 较多 | 更多 |
| 中等 | 适中 | 较多 |
| 小 | 较少 | 适中 |

研究还模拟了在 Tileworld 环境中，限制智能体理性（视野半径）对其性能和学习的影响。Tileworld 是一个随机环境，存在多个智能体以及物品（瓷砖和洞）的持续出现和消失。通过改变一个外在环境变量（环境中智能体的数量）和两个内在环境变量（瓷砖/洞的生成概率和生命周期）来改变环境复杂度。

模拟结果具有重要的理论意义。一方面，过多的复杂度会导致智能体性能下降；另一方面，在复杂环境中通过减小视野半径过滤复杂度可以提高性能，但代价是学习新信息的能力受到影响。例如，当环境复杂度较高时，智能体如果采用较大的视野半径，会感知到过多的信息，导致处理负担过重，性能下降；而减小视野半径后，虽然感知的信息减少，但能更专注于部分信息，从而提高性能，但可能错过一些新的信息。

以下是一个简单的 mermaid 流程图，展示环境复杂度、视野半径和智能体性能之间