Questions tagged «gt.game-theory»

与计算机科学和博弈论有关的理论问题

2
有限状态部分信息博弈的复杂性
给定仅具有有限多个状态的确定性部分信息零和博弈, 其可能的结果分别是[loose,draw,win],其值分别为[-1,0,+ 1], 逼近此类值的复杂性是多少?内的附加游戏?ϵϵ\epsilon 特别是,我无法提出任何算法来执行此操作。 这篇文章的其余部分完全致力于 对问题进行更彻底的描述 ,因此,如果您已经可以弄清楚 这篇文章顶部的问题 意味着什么,那么就没有理由阅读本篇文章的其余部分。 给定一个裁判机状态,与指定的初始状态,状态 其得分对是的状态其得分对是,其形式为{1,2,3,...,S}{1,2,3,...,S}\{1,2,3,...,S\}s0s0s_0sasas_a[−1,+1][−1,+1][-1,+1]sbsbs_b[+1,−1][+1,−1][+1,-1] ,其中:[p1_info,p2_info,num_of_choices,player_to_move,next_state_table][p1_info,p2_info,num_of_choices,player_to_move,next_state_table][\mbox{p1_info,p2_info,num_of_choices,player_to_move,next_state_table}] player_to_move∈{1,2}player_to_move∈{1,2}\mbox{player_to_move} \in \{1,2\} 是从一个函数 { 1 ,2 ,3 ,。。。,num_of_choices } → { 1 ,2 ,3 ,。。。,S }next_state_tablenext_state_table\mbox{next_state_table}{1,2,3,...,num_of_choices}→{1,2,3,...,S}{1,2,3,...,num_of_choices}→{1,2,3,...,S}\{1,2,3,...,\mbox{num_of_choices}\} \to \{1,2,3,...,S\} p1_info,p2_info,num_of_choices≥1p1_info,p2_info,num_of_choices≥1\mbox{p1_info},\mbox{p2_info}, \mbox{num_of_choices} \geq 1 当机器处于该状态时: 将发送到Player_1,然后将p2_info发送 到Player_2,p1_infop1_info\mbox{p1_info}p2_infop2_info\mbox{p2_info} num_of_choicesnum_of_choices\mbox{num_of_choices}{1,2,3,...,num_of_choices}{1,2,3,...,num_of_choices}\{1,2,3,...,\mbox{num_of_choices}\} 然后进入指示的状态next_state_tablenext_state_table\mbox{next_state_table} sasas_asbsbs_b 暂停该州的得分对作为其输出 s0=1s0=1s_0 = 1 以下问题的复杂性是什么? 给定这样一个裁判机器和一个正整数N,输出一个有理数,该理数 (累加)在玩家1的自然游戏值的N中。 如本问题前面所述,我无法提出 …

3
游戏中超现实数字的实现
康威(Conway)有一个非常好的超现实构造。它们是既包含实数又包含序数的“数字”,它们是完全有序的,并且具有字段的所有属性(除非它们不是一个集合,而是一个类)。 有关简介,请参见此pdf或Wikipedia。 它们甚至可以更广泛地推广到所谓的“游戏”,最初是为了研究组合游戏而引入的。Conway的最初动机是分析Go的游戏,尤其是残局特别适合使用“超现实游戏”进行建模。 我的问题是:您是否知道有人在AI(即计算机播放器)中实施了这种方法来提高其在游戏中的水平?我对Go的情况特别感兴趣,但其他情况也是如此。如果不是,是否有障碍或原因导致它不是一个好主意?

2
在PLS中计算问题的局部最优数量有多难?
对于多项式局部搜索问题,我们知道至少必须存在一个解(局部最优)。但是,可能存在更多的解决方案,对于PLS完全问题,计算解决方案的数量有多困难?我对决策问题特别感兴趣:这个PLS完全问题的实例是否有两个或多个解决方案? 复杂度是否取决于我们选择哪个PLS完全问题?如果是这样,那么我将对加权2SAT(在[SY91]和[Rou10]中定义)特别感兴趣。我知道计算2SAT的令人满意的解决方案的数量是#P-完成的,但是乍一看,似乎加权2SAT的局部最优和2SAT的解决方案没有太多相同之处。 我也知道,对于PLS的表亲PPAD,[CS02]表明计算Nash平衡数是#P困难的。这表明类似的PLS问题(例如计算拥塞博弈中的纯策略均衡数量)也将很困难。 参考文献 [CS02] Conitzer,V.和Sandholm,T.(2002)。关于纳什均衡的复杂性结果。IJCAI-03。cs / 0205074。 [Rou10] T. Roughgarden。(2010)。计算均衡:计算复杂性的观点。经济理论,42:193-236。 [SY91] AA Schaeffer和M. Yannakakis。(1991)。简单的本地搜索问题,很难解决。SIAM计算杂志,20(1):56-87。

5
算法博弈论-非标准均衡概念?
我开始研究算法博弈论,似乎通常采用的平衡概念是图形中固定点的概念。但是,人们是否考虑过替代均衡概念,例如极限环?我可以想象一个“紧密的”极限环-即图中很小的一个环-可以被认为与平衡的标准定义“接近”。 我曾尝试过挖掘Google学术搜索,但收效甚微。

2
对于该图的家庭是广义地理学
正如@Marzio所提到的,以下游戏被称为Generalized Geography。 给定图和起始顶点v ∈ V,游戏的定义如下:G = (V,E)G=(V,Ë)G=(V,E)v ∈ Vv∈Vv \in V 在每个回合(两名球员交替),玩家选择,然后会发生以下情况:ü ∈ ñ(v )ü∈ñ(v)u\in N(v) 及其所有边都从 G中删除。vvvGGG (即 v更新为顶点 u)。u → vü→vu\to vvvvüüu 被迫选择“死角”(即没有外边缘的顶点)的玩家将输。 多项式时间内可在哪个图族中计算最佳策略? 例如,很容易看出,如果是DAG,那么我们可以轻松地为玩家计算最佳策略。GGG

1
这个游戏的复杂性是什么?
这是我先前问题的概括。 令中号MM为可以对某些甲提出问题的多项式时间确定性机器。最初,是空的,但是可以在下面将要描述的游戏之后进行更改。令为一些字符串。一个AA一个AAXxx 考虑以下爱丽丝和鲍勃的游戏。最初,爱丽丝和鲍勃分别拥有和美元。爱丽丝想要而鲍勃想要。米一个mAm_A米乙mBm_B中号一个(x )= 1MA(x)=1M^A(x)=1中号一个(x )= 0MA(x)=0M^A(x)=0 在游戏的每一步,玩家都可以在加上 ; 这花费了美元,其中是多项式时间可计算函数。玩家也可能错过他或她的脚步。ÿyy一个AAF(y)f(y)f(y)F:{ 0 ,1 }∗→ Nf:{0,1}∗→Nf: \{0,1\}^* \to \mathbb{N} 如果两个玩家都花光了所有钱,或者某个玩家在失去位置(由的当前值定义)时错过了一步,则比赛结束。中号一个(x )MA(x)M^A(x) 问题:对于给定的,定义游戏赢家的问题 是中号,˚F,X ,米一个,米乙M,f,x,mA,mBM, f, x, m_A, m_B EXPSPACE-完成任务? 请注意,只能要求(属于)具有多项式长度的字符串,因此Alice或Bob不会向添加更多更长的字符串。因此,这个问题在EXPSPACE中。 中号MM一个AA一个AA 在我之前的问题中,将每个字符串添加到都要花费一美元(即)。然后(如Lance Fortnow所示),如果则该游戏属于EXPH甚至属于PSPACE。 一个AAF≡ 1f≡1f \equiv 1米甲 = 米乙米一个= 米乙mA=mBm_A = m_B

1
该游戏的EXPSPACE完成了吗?
令为可以对某些甲提出问题的多项式时间确定性机器。最初,是空的,但是可以在下面将要描述的游戏之后进行更改。令为一些字符串。MMMAAAAAAxxx 考虑以下爱丽丝和鲍勃的游戏。最初,爱丽丝和鲍勃分别拥有和美元。爱丽丝想要而鲍勃想要。mAmAm_AmBmBm_BMA(x)=1MA(x)=1M^A(x)=1MA(x)=0MA(x)=0M^A(x)=0 在游戏的每一步,玩家都可以在加一个弦; 这花费一美元。玩家也可能错过他或她的脚步。AAA 如果两个玩家都花光了所有钱,或者某个玩家在失去位置(由的当前值定义)时错过了一步,则比赛结束。MA(x)MA(x)M^A(x) 问题:在给定的是M,x,mA,mBM,x,mA,mBM, x, m_A, m_B EXPSPACE-完成任务? 请注意,只能要求(属于)具有多项式长度的字符串,因此Alice或Bob不会向添加更多更长的字符串。因此,这个问题在EXPSPACE中。 MMMAAAAAA

1
暂停游戏中的平衡
考虑以下2人游戏: 大自然随机挑选节目 每个玩家都响应自然移动而玩一个[0,infinity]包括在内的数字 采取最少的玩家人数,然后运行程序(最多)许多步骤(除非两位玩家都选择无穷大) 如果程序停止,则播放最小数字的玩家将获得1分。如果程序没有停止,则该玩家将失去1分。玩过非最小数字的任何玩家将获得0分,如果他们都玩无穷大,则两个玩家都将获得0分。 (可以用最能保留问题实质的任何方式来处理角落案例,例如,上半连续性可能会有所帮助。) 问题:这个博弈是否具有可计算的纳什均衡? 在没有可计算性要求的情况下,每个播放器仅播放程序停止的确切步数(如果不停止,则为无穷大)。 如果您对停顿问题尝试通常的对角化论点,则会发现混合策略中存在平衡,因此显而易见的方法不会立即起作用。也许有一些方法可以调整它? 另一方面,实封闭域的等价性意味着具有可计算收益的有限博弈具有可计算均衡性。这个游戏不是有限的,但是策略空间是封闭的,收益是可计算的,所以也许可以用格里克斯伯格定理或类似的方法应用相同的技巧?问题是,在没有可计算性要求的情况下,均衡是在纯策略中进行的,因此,使用可能存在可计算的均衡的存在来证明可计算均衡的存在的任何尝试都必须解释为什么均衡从纯降为混合。 这似乎是一种问题,人们以前可能没有解决过这个确切的问题,但是可能已经看过类似的问题。我的工作量还不够大,但是如果有人对精神有所了解,请告诉我! 动机:有一个普遍的直觉,即自我参照是可计算性的主要障碍-即,任何无法争论的问题都以某种方式嵌入了自我参照。如果大致像这样的游戏具有可计算的纳什均衡,它将为这种直觉提供证据。 更新:为澄清起见,在可计算的实数意义上,均衡应该是“可计算的”:描述混合策略分布的概率应可以任意精度计算。(请注意,只有有限的几率会超过任何特定的精度极限。)这也意味着我们可以从均衡策略的任意近似近似中进行采样。

3
对分析的细化,用于网络分析
当考虑网络上的交互时,通常很难通过解析来计算动力学,并且采用近似法。通常,平均场逼近通常最终会完全忽略网络结构,因此很少是一个很好的逼近。流行的近似是对近似,它考虑了相邻节点之间固有的相关性(直觉上,我们可以将其视为边缘上的一种平均场近似)。 如果考虑考虑Cayley图,则近似值是精确的;如果考虑正则随机图,则近似值非常好。在实践中,当我们有一个平均度为k且度数围绕k紧分布的随机图时,它也提供了很好的近似值。不幸的是,许多有趣的网络和交互都无法通过这些图很好地建模。它们通常由具有非常不同的度数分布(例如,像无标度网络),具有特定的(和较高的)聚类系数或特定的平均最短路径距离的图很好地建模(更多信息,请参见Albert&Barabasi 2001) 。kkkkkkkkk 是否存在对近似的优化方法,这些方法对这些类型的网络有效?还是有其他解析近似可用? 网络互动的一个例子 我想举一个例子说明网络交互的含义。我将包括一个进化博弈论中相对普遍的例子。 您可以将每个节点视为一个代理(通常仅由一个策略表示),它与具有优势的每个代理成对地玩一些固定的游戏。因此,给每个节点分配一些策略的给定网络会为每个节点产生收益。然后,我们使用这些收益和网络结构来确定策略在节点之间的分布,以进行下一次迭代(一个常见的示例可能是每个代理复制收益最高的邻居或此概率的某种变体)。我们通常感兴趣的问题是了解每种策略的代理商数量以及其随着时间的变化如何变化。通常,我们有稳定的分布(然后我们想知道或近似),有时甚至是极限环甚至是更多奇异的野兽。 如果我们对这种模型进行均值场逼近,则使用获取复制器方程作为动态模型,该方程公然忽略了网络结构,仅对完整图形有效。如果我们使用对近似(如Ohtsuki&Nowak 2006),我们将获得稍有不同的动力学特性(它实际上是具有修改后的收益矩阵的复制器动力学特性,其中修改取决于图的程度以及更新步骤的细节)对于随机图,它与仿真非常匹配,但对于其他感兴趣的网络则不然。 对于更像物理学的例子:用自旋替换代理,并将收益矩阵称为相互作用哈密顿量,然后在执行定期随机测量时冷却系统。 注意事项及相关问题 考虑到三元组或四元组节点上的平均场近似类型的那种对近似的直接概括是笨拙的,并且仍然没有考虑到非常不同的度数分布或平均最短路径距离。 算法进化博弈论的来源

3
搜索引擎营销拍卖中的关键字选择问题
首先,我仍然不确定cstheory是否适合此问题,因此,如果人群认为不是这种情况,我不会感到冒犯... 在搜索引擎营销中,有几个问题很有趣。在有限的货币资源下,公平(和可盈利)拍卖机制的设计以及最佳竞价策略的计算是有趣(且文献充分)问题的两个例子。 另一个有趣的问题是关键字选择:如何选择最有利可图的关键字(没有指向可用金额或关键字“主题”的任何链接)。“有利可图”既可以带来最佳收入,也可以带来最佳利润。这些问题涉及不确定性:关键字的点击率未知,转换率也未知。 您知道与此问题有关的一些理论工作吗?

3
纳什均衡计算算法。
我在论坛上搜索了是否曾经问过这个问题,并且在讨论算法博弈论时,我找不到解决的特定问题。我正在尝试找出最有限的n人游戏中用于计算近似(混合策略)纳什均衡的算法。当然,该算法将是PPAD。我对速度/效率比算法的完美准确性更感兴趣。 谢谢菲利普

1
秘书招聘游戏
这是古典秘书问题的延伸。 在招聘游戏中,您有一组候选人 C= {C1个,… ,Cñ}C={c1,…,cN}\mathcal C=\{c_1,\ldots,c_N\},以及每个工人的技术水平。 博客,我们假设 C1个c1c_1 是最熟练的,其次 C2c2c_2等 随机选择候选人面试的顺序,雇主显然不知道该顺序。 现在假设您有一个拥有2个潜在雇主的市场。在每一轮中,都有一位新候选人为两家公司面试(称他们为A ,BA,BA,B)。在面试中一个AA 和 乙BB观察所有过去的候选人(包括当前的受访者)的部分排序。然后,公司(独立地)决定是否雇用今天的申请人。 不幸的是 乙BB,无法与之进行财务竞争 一个AA的要约,因此,如果双方都向工人提供了要约, 一个AA 获得偏好。 同样,一旦秘书签字,公司可能不再面试任何其他候选人,而竞争对手也意识到了签字。 每家公司的目标是聘请技术水平更高的候选人(与经典的问题相反,传统的问题是单个公司希望找到最好的秘书),因为众所周知,拥有更好秘书的公司应该能够接任市场。 大公司的最佳策略是什么(AAA)? 那小公司呢(BBB)? 如果两家公司都采取均衡战略,那么几率是多少 BBB 得到更好的工人? 在相关工作中,Kalai等人。讨论了该问题的对称版本,两家公司在吸引候选人方面具有相同的权力。 在这种情况下,简单(对称)均衡是您聘请秘书,前提是她要比其余候选人更好的机会至少为50%。 结果如何改变我们的设置?

1
什么时候 -Nash均衡策略收敛到纳什均衡策略?
纳什均衡一般是无可争议的。一个 -Nash平衡是一组,其中,给定的范围内的对手的策略,每个玩家取得策略的最大可能预期报酬的。给定和一个博弈,找到 -Nash平衡是完成的。ϵϵ\epsilonϵϵ\epsilonϵϵ\epsilonϵϵ\epsilonPPADPPAD\mathsf{PPAD} 严格按照定义,似乎没有特别的理由相信给定纳什均衡的策略与任何纳什均衡的策略很接近。但是,我们经常看到文献中的意思是说“计算近似纳什均衡”时,有些草率地使用了“近似计算纳什均衡”之类的短语。ϵϵ\epsilon 所以,我想知道第二个何时隐含第一个。也就是说,对于什么游戏,我们期望 -Nash平衡与Nash平衡“接近”?ϵϵ\epsilon 更正式地说,假设我有一个玩家的游戏,并且有一系列策略配置文件。nnn(s(1)1,…,s(1)n),(s(2)1,…,s(2)n),(s(3)1,…,s(3)n),…(s1(1),…,sn(1)),(s1(2),…,sn(2)),(s1(3),…,sn(3)),…(s_1^{(1)},\dots,s_n^{(1)}), (s_1^{(2)},\dots,s_n^{(2)}), (s_1^{(3)},\dots,s_n^{(3)}), \dots 每个都是 -Nash平衡,并且序列收敛为零。(s(i)1,…,s(i)n)(s1(i),…,sn(i))(s_1^{(i)},\dots,s_n^{(i)})ϵiϵi\epsilon_iϵ1,ϵ2,ϵ3,…ϵ1,ϵ2,ϵ3,…\epsilon_1,\epsilon_2,\epsilon_3,\dots 我的问题: 什么时候(在什么条件/假设下)所有策略收敛?即,对于每个玩家,必定会聚。jjjs(1)j,s(2)j,s(3)j,…sj(1),sj(2),sj(3),…s_j^{(1)},s_j^{(2)},s_j^{(3)},\dots 在什么进一步的条件下,该序列的极限实际上是博弈的纳什均衡?(在我看来,不需要进一步假设;即,如果所有策略都收敛,则限制应该是NE。) 计算 -Nash平衡的算法何时必然意味着近似计算Nash平衡策略的算法?以上条件是否足够?ϵϵ\epsilon 非常感谢! 编辑2014-03-19 在阅读了Rahul的答案中的参考文献之后,以分布之间的距离而不是收敛的序列进行思考似乎更为合理。因此,我将尝试重述问题并提出一些近期想法。ℓ1ℓ1\ell_1 (好吧,这太依赖算法了,无法真正得出答案。在不限制算法的情况下,您可以具有两个不同的纳什均衡,然后,当将小的插入算法时,连续的之间的距离输出会仍然很大,因为输出会在平衡之间振荡。)ϵϵ\epsilonℓ1ℓ1\ell_1 假设是一个策略配置文件,即产品在玩家策略上的分布。对于什么游戏,我们可以说是 -Nash均衡暗含对于某些Nash均衡,其中等于?(请注意,如果收益以为界,则相反。)ppppppϵϵ\epsilon∥p−q∥1≤δ‖p−q‖1≤δ\|p - q\|_1 \leq \deltaqqqδ→0δ→0\delta \to 0ϵ→0ϵ→0\epsilon \to 0111 这实际上是棘手的,因为在复杂性设置中我们所谓的“游戏”实际上是由(纯策略(“动作”)的数量)参数化的一系列游戏。所以就像,相对比率很重要。这是一个简单的反例,显示答案不是“所有游戏”。假设我们修复了递减的序列。然后,对于每个,构造上的两个玩家的游戏动作,其中,如果玩家扮演的第一个动作,他们得到的回报不管其他玩家扮演的是什么; 如果玩家进行第二个动作,他们将获得的收益nnnn→∞n→∞n \to \inftyϵ→0ϵ→0\epsilon \to 0ϵ1,ϵ2,…ϵ1,ϵ2,…\epsilon_1,\epsilon_2,\dotsϵnϵn\epsilon_nnnn1111−ϵn1−ϵn1-\epsilon_n不管其他玩家玩什么;并且如果某位玩家进行了其他任何操作,则无论其他玩家玩什么,他们都将获得的收益。000 因此,每个游戏都有一个平衡点(两者都播放第二个动作),与它唯一的Nash平衡点(两者都播放第一个动作)最大距离。nnnϵnϵn\epsilon_nℓ1ℓ1\ell_1 因此,有两个有趣的子问题: 对于固定游戏和固定,对于“足够小”的,上述条件成立(所有均衡均接近Nash均衡)。nnnϵϵ\epsilonϵϵ\epsilon 也许本质上是相同的问题,但是条件是否成立,即支付收益的差异是否由一个常量。n→∞n→∞n \to \infty 与(2)相同的问题,但与算法计算的实际平衡有关。我猜大概我们将要么获得算法/建设性的答案,要么根本不获得任何答案,因此区别并不重要。

2
了解机制设计证明
我一直在努力研究有关拍卖理论的证明的技术细节:http : //users.eecs.northwestern.edu/~hartline/omd.pdf 具体来说,定理2.5:建立真实机制的必要条件和充分条件。 甚至更具体地讲,证明的前进方向,在第6页上给出。将真实值定义为,并将一般值(可能是错误的值)(例如出价)定义为,作者继续假定另外两个数量,和。v一世viv_ib一世bib_iž1个z1z_1ž2z2z_2 然后,他规定,,这将根据本文的先前工作得出不等式。 v一世=ž1个vi=z1v_i = z_1b一世=ž2bi=z2b_i = z_2 他还规定,,根据本文先前的工作,会产生相似但不同的不等式。 v一世=ž2vi=z2v_i = z_2b一世=ž1个bi=z1b_i = z_1 好吧,很公平 然后,他从另一个减去一个不等式,并在随后的代数的基础上继续得出他想要的结果。我不明白为什么这种减法是有道理的-他似乎是在基于完全不同的(实际上是相反的)假设减去两个不等式,每次我看到它时,我都会被猛烈地甩出思路。 我敢肯定,我还看过其他基本方法(Shoham和Leyton-Brown的书?我手头没有检查它),所以这似乎是一个普遍的想法,但我无法克服。谁能帮助我了解为什么这样有效,或向我解释我所缺少的内容吗? (我试过假设3 values--真值,证明了期望的结果和两份标书,和 -得到他想要的结果,但也没那么它可能不仅是常见的,但是,有必要对按照作者的方式来做。但是我还是不明白。)v一世viv_ib1个b1b_1b2b2b_2 更新: 我知道我曾在Shoham和Leyton-Brown的书中看到过类似的内容。它并不完全相同,但是非常相似,并且处理相同的方程式和主题。这是定理10.4.3的情况1。 从真实机制的上下文开始,他们首先假设真实和虚假并得出基于的支付小于或等于基于的支付,例如。然后,他们假设相反,即真实和错误,并得出相反的结果,即基于的支付少于基于的支付,例如。好的,那很有道理。 v一世viv_iv′ivi′v_i'viviv_iv′ivi′v_i'Pi(vi)≤Pi(v′i)Pi(vi)≤Pi(vi′)P_i(v_i) \leq P_i(v_i')v′ivi′v_i'viviv_iv′ivi′v_i'viviv_iPi(v′i)≤Pi(vi)Pi(vi′)≤Pi(vi)P_i(v_i') \leq P_i(v_i) 然后,他们认为基于和的支付必须相等,就好像他们说和同时是真实的,甚至尽管它们不仅是不同的假设,而且是相反假设的结果。viviv_iv′ivi′v_i'Pi(vi)≤Pi(v′i)Pi(vi)≤Pi(vi′)P_i(v_i) \leq P_i(v_i')Pi(v′i)≤Pi(vi)Pi(vi′)≤Pi(vi)P_i(v_i') \leq P_i(v_i)

1
简化版纸牌游戏获胜者
我已经在MathOverflow中提出了这个问题,但没有任何令人满意的答案。 考虑以下两人游戏,它是称为Winner的纸牌游戏的简化形式。(以下表述摘自Guillaume Brunerie关于MathOverflow的评论。) 有两个玩家A和B。每个玩家都有一组纸牌( { 1 ,… ,n }{1个,…,ñ}\{1,\dots,n\}),两个玩家都可以看到。游戏的目的是摆脱自己的牌。第一个玩家玩桌上的任何纸牌,然后另一个玩家必须玩(严格)更大的纸牌,依此类推,直到其中一个玩家无法玩或决定通过。然后,桌上的纸牌被丢弃,另一位玩家再次玩任何纸牌(随后将有更大的纸牌)重新开始。依此类推,直到两个玩家之一用完纸牌赢得比赛。 我想知道球员的最佳策略(如果他能赢的话)。 正式定义 用表示游戏的配置,其中第一位玩家的卡组为,第二位玩家的卡组为,桌上最大的卡为,其中表示桌上没有卡片。我想给定来计算第一位玩家在配置是否有获胜策略的算法。w (i ,A ,B )w(一世,一个,乙)w(i,A,B)一个一个A乙乙B一世一世i我= 0一世=0i=0i ,A ,B一世,一个,乙i,A,Bw (i ,A ,B )w(一世,一个,乙)w(i,A,B) 形式上,我希望有一种算法来计算定义如下的函数:FFf 令,。žñ= { 1 ,2 ,⋯ ,Ñ }žñ={1个,2,⋯,ñ}\mathbb{Z}_n = \left\{1, 2, \cdots, n\right\}乙ø ø 升 = { ˚F 一升小号ê,Ť ř ù ë }乙ØØ升={F一个升sË,Ť[RüË}\mathrm{Bool} = \left\{\mathrm{False}, \mathrm{True}\right\} 函数F:{ …

By using our site, you acknowledge that you have read and understand our Cookie Policy and Privacy Policy.
Licensed under cc by-sa 3.0 with attribution required.