Capturing the Complexity of Human Strategic Decision-Making with Machine Learning
创建于 更新于
摘要
本报告基于超过9.3万条战略决策数据和2416个程序生成的二维矩阵游戏，系统评估了行为博弈论模型与深度神经网络在预测人类战略选择中的表现。结果显示传统模型普遍假设固定的行为参数，难以解释不同游戏复杂度带来的行为差异。将结构参数设计为依赖游戏矩阵的神经网络后，模型完整性提升至97%，表明认知复杂度驱动人类对对手行为的优化响应与推理能力的变化。构建并验证了一个可解释的游戏复杂度指数，与响应时间及认知不确定性显著相关，揭示了复杂性在战略决策中的关键作用，体现了机器学习在预测与解释复杂人类行为中的潜力 [page::0][page::1][page::3][page::4][page::5][page::6][page::7][page::8]
