人工智能 - 如何确定拍卖出价的估值？

Question

我正在开展一个项目，那里有一系列被拍卖的卡片;最高出价者将在拍卖中赢得最高价值的卡片。

当AI播放器轮流时，他需要评估阵列并确定其出价的估值。

忽略与验证或规则有关的任何事情;因为我已经编程并测试了这些。

我的查询更具体地说明如何关联给定数组值的值;并提出竞标价值。

在项目中，卡的范围从1 ... 30; 30是最高的。

单次拍卖可能会有6张牌，随机播放并放置＆＃34;拍卖＆＃34;

即：

#1 - "Card name" - Value: 1
#2 - "Card name" - Value: 3
#3 - "Card name" - Value: 30
#4 - "Card name" - Value: 15
#5 - "Card name" - Value: 24
#6 - "Card name" - Value: 18

我的问题是，计算机如何审核这些价值观，并确定了他继续提高出价，甚至提出开标价的价值？

我们知道有一些变数。

• 所有卡片都被拍卖
• 手头现金
• 剩余多少轮拍卖（目前，假设6轮拍卖）

鉴于此，我已经提出了一个基本的加权解决方案。

IE：

var weight = 1.0

if roundsRemaining = 1 {
   weight += 0.35
}

if weight > 1.0 { 
   weight = 1.0 
}

然后我在0和1.0之间随机化;越接近1.0，竞标者就越有可能出价。

虽然它给了我出价的概率，但它并没有告诉我他的出价的估价。

理想情况下，我希望AI审核所提供的卡片并根据他认为最高卡片的价值进行出价（因为这是他的出价）。

这是我的查询;给出一系列带有值和已知参数的卡片; AI如何确定出价的估值。

Answer 1

最简单的方法是使用Statistics :)

您可以在拍卖中对卡片进行平均，然后将该值与已知的值分布（即所有可能的套装的钟形曲线）进行比较，以找到该拍卖的p值。 p值越高，该集合越有价值，并且AI应该愿意支付它越多。

这是有效的，因为任何集合的所有值都将回归到平均值。

如果拍卖集未知，（也就是说，玩家无法在拍卖中看到所有牌），那么AI就可以猜测＆＃39;基于已知的p值或记住已经看过哪些卡并将其从总分布中移除。

您可以使用此统计信息库，而不必编写自己的： https://github.com/evgenyneu/SigmaSwiftStatistics