1、探寻机遇:从有偏理性到分布式认知

探寻机遇:从有偏理性到分布式认知

1. 从荷马的故事说起

在《辛普森一家》的“荷马的定义”这一集中,荷马通过念一首童谣猜出该按哪个按钮,成功拯救了斯普林菲尔德核电站免于熔毁,成了当地英雄,还获得了“月度最佳员工”奖。但当他在谢尔比维尔用同样的方法拯救另一个核电站时,把戏被拆穿了。现在“to pull a Homer”成了新的习语,意思是“尽管愚笨却能成功”。这引发我们思考,人类如何在自身局限性下取得成功。

1.1 少即是多,多即是少

这个故事告诉我们,有时我们自认为表现不佳时,实际却做得很好,这体现了“少即是多,多即是少”的矛盾观点。就像荷马,在面临决策时,一首无意义的童谣或许能让问题变得可解决。当我们必须做决定时,任何办法都比没有强。

1.2 人类作为机遇探寻者

人类有一项独特能力,能把几乎任何东西,哪怕是一串无意义的词,变成解决问题的线索,这就是人类作为机遇探寻者的特征。比如,孙子在《孙子兵法》中说,当我们不知如何决策时,一切看起来都像重要信息,难以区分有用和无用。但这并非意味着我们完全迷失,无知有时能成为认知上变得明智的机会。

2. 无知的利用与有偏理性

2.1 无知的利用方式

  • 机场例子 :在机场不知道航班从哪个航站楼起飞,我们可以去一个航站楼查看时刻表,如果航班没显示,就知道这不是正确的航站楼。这里我们利用无知做出了猜测。
  • 听从建议 :买新笔记本电脑或买卖股票时,我们可能会听从朋友的建议,但实际上对相关产品并不了解。
先展示下效果 https://pan.quark.cn/s/a4b39357ea24 遗传算法 - 简书 遗传算法的理论是根据达尔文进化论而设计出来的算法: 人类是朝着好的方向(最优解)进化,进化过程中,会自动选择优良基因,淘汰劣等基因。 遗传算法(英语:genetic algorithm (GA) )是计算数学中用于解决最佳化的搜索算法,是进化算法的一种。 进化算法最初是借鉴了进化生物学中的一些现象而发展起来的,这些现象包括遗传、突变、自然选择、杂交等。 搜索算法的共同特征为: 首先组成一组候选解 依据某些适应性条件测算这些候选解的适应度 根据适应度保留某些候选解,放弃其他候选解 对保留的候选解进行某些操作,生成新的候选解 遗传算法流程 遗传算法的一般步骤 my_fitness函数 评估每条染色体所对应个体的适应度 升序排列适应度评估值,选出 前 parent_number 个 个体作为 待选 parent 种群(适应度函数的值越小越好) 从 待选 parent 种群 中随机选择 2 个个体作为父方和母方。 抽取父母双方的染色体,进行交叉,产生 2 个子代。 (交叉概率) 对子代(parent + 生成的 child)的染色体进行变异。 (变异概率) 重复3,4,5步骤,直到新种群(parentnumber + childnumber)的产生。 循环以上步骤直至找到满意的解。 名词解释 交叉概率:两个个体进行交配的概率。 例如,交配概率为0.8,则80%的“夫妻”会生育后代。 变异概率:所有的基因中发生变异的占总体的比例。 GA函数 适应度函数 适应度函数由解决的问题决定。 举一个平方和的例子。 简单的平方和问题 求函数的最小值,其中每个变量的取值区间都是 [-1, ...
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符  | 博主筛选后可见
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值