6、有限理性、启发式与情绪对决策的影响

有限理性、启发式与情绪对决策的影响

在决策和解决问题的过程中,我们常常受到各种因素的制约。传统的理性模型往往基于理想和抽象的假设,而现实中的人类决策则受到认知资源、时间和环境复杂性的限制。本文将探讨有限理性、启发式和情绪在决策中的作用,以及它们如何影响我们的判断和选择。

启发式的概念

为了解释成功的决策结果,西蒙引入了“近似机制”,也就是启发式或经验法则。启发式能够帮助我们对面临的问题有一个大致的了解,减少解决问题或做出决策时的认知和计算需求。然而,启发式的概念存在一些争议。有人认为它只是一种临时的解释,无法完全融入有限理性的一般模型。

启发式似乎只是对任务的简化,它并没有改变我们处理问题的方式,只是帮助我们获得一个总体的认识。就像一张不太详细的城市地图,我们可以看到主要街道和火车站,但看不到邮局、信息中心、商店、酒店和次要街道等细节。虽然这样的地图在很多情况下是有用的,但启发式并不能提供一种替代的决策行为模型,因为它本质上仍然基于过于简化现实的博弈树。

不过,启发式也引入了一种关于我们如何决策和解决问题的全新视角。它可以被视为一种促进因素,帮助人类处理复杂任务,甚至创造新的有价值的解决方案。

情绪在决策中的作用

西蒙在晚年越来越强调情绪等机制对有限理性的帮助。人类由于自身的局限性和环境的复杂性,只能部分地保持理性,因此会尝试寻找其他途径来克服这些限制,这与启发式的概念相关。

关于情绪的认知作用,目前有两种主要的理论观点:
- 情绪作为判断 :这种观点认为情绪是对一个人总体状态的判断。例如,恐惧可以被看作是一种基于某些线索的推断结果,并触发特定的反应

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
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