无学习器群体趋近探索-利用最优分配

Galen J. Wilkerson 发表的一项 arXiv 研究显示，一个没有学习器、也没有奖励信号的极简觅食群体，通过 Lévy 飞行探索、邻近网络阈值级联招募和拥挤分散，动态逼近多智能体资源共享博弈的 ideal-free/Nash 最优分配。该研究称，群体约 150 步达到这一最优形态，投入觅食者跟随资源丰富度的斜率为 0.94。 研究还报告，移除招募与移动的耦合后，群体与最优分配的匹配度从 0.94 跌至 0.08。该最优分配是一种均衡，而非回报最大值。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。