notebook.community

Edit and run

囚人のジレンマゲームの実験3

実験の概要: README.md

  • 実験1: 完全観測
  • 実験2: 不完全公的観測
  • 実験3: 不完全私的観測（尾山ゼミの戦略）
  • 実験4: 不完全私的観測（神取ゼミの戦略）
  • 実験5: 不完全私的観測（神取, 尾山ゼミの戦略）

利得表

<table align="center", style="text-align:center;"> 自分の行動, 相手の行動 行動0（active） 行動1（inactive） 行動0（active） 4, 4 0, 5 行動1（inactive） 5, 0 2, 2 </table>





In [6]:



    


#-*- encoding: utf-8 -*-
%matplotlib inline
import matplotlib as mpl
import matplotlib.pyplot as plt
import matplotlib.cm as cm
import numpy as np
import pandas as pd
import scipy.stats as stats
np.set_printoptions(precision=3)
np.set_printoptions(linewidth=300)
pd.set_option('display.max_columns', 30)
pd.set_option('display.width', 400)
pd.set_option('display.precision', 4)
import sys
sys.path.append('./user_strategies')
# 日本語対応
mpl.rcParams['font.family'] = 'Osaka'
plt.rcParams['font.size'] = 14
import play as pl
from Iida_perfect_monitoring import Iida_pm
from Iida_imperfect_public import Iida_ipm
from Iida_imperfect_private import Iida_iprm
from kato import KatoStrategy
from ikegami_perfect import Self_Centered_perfect
from ikegami_imperfect_public import Self_Centered_public
from ikegami_imperfect_private import Self_Centered_private
from mhanami_Public_Strategy import PubStrategy
from mhanami_Imperfect_Public_Strategy import ImPubStrategy
from mhanami_Imperfect_Private_Strategy import ImPrivStrategy
from tsuyoshi import GrimTrigger
from gistfile1 import MyStrategy
from beeleb_Strategy import beeleb
from oyama import OyamaPerfectMonitoring, OyamaImperfectPublicMonitoring, OyamaImperfectPrivateMonitoring
from ogawa import ogawa
from yamagishi_impd import yamagishi
from kandori import *

Test

各戦略のテスト





In [2]:



    


import unittest

class TestStrategies(unittest.TestCase):
    def setUp(self):
        self.Strategies = [Iida_pm, Iida_ipm, Iida_iprm, KatoStrategy, Self_Centered_perfect, \
                          Self_Centered_public, Self_Centered_private, PubStrategy, ImPubStrategy, ImPrivStrategy, \
                          MyStrategy, beeleb, OyamaPerfectMonitoring, \
                           OyamaImperfectPublicMonitoring, OyamaImperfectPrivateMonitoring, \
                          ogawa, yamagishi, GrimTrigger, Strategy1, Strategy2, Strategy3, Strategy4, Strategy5,
                    Strategy6, Strategy7, Strategy8, Strategy9, Strategy10,
                    Strategy11, Strategy12, Strategy13, Strategy14, Strategy15,
                    Strategy16, Strategy17, Strategy18, Strategy19, Strategy20, 
                    Strategy21, Strategy22, Strategy23, Strategy24, ] # ここに自作のclassを入れる
        self.case1 = "Signal is empty(period 1)"
        self.case2 = [0, 1]
        self.case3 = [1, 0]
        self.case4 = [0, 1, 0, 1, 0, 0, 1]
        self.seed = 222
        self.RandomState = np.random.RandomState(self.seed)


    # case1を引数に渡してテスト
    def test1(self):
        print("testcase:", self.case1)
        for Strategy in self.Strategies:
            rst = Strategy(self.RandomState).play()
            self.assertIsNotNone(rst, Strategy.__module__)
            self.assertIn(rst, (0, 1), Strategy.__module__)

    # case2を引数に渡してテスト
    def test2(self):
        print("testcase:", self.case2)
        for Strategy in self.Strategies:
            S = Strategy(self.RandomState)
            for signal in self.case2:
                rst = S.play()
                S.get_signal(signal)
                self.assertIsNotNone(rst, Strategy.__module__)
                self.assertIn(rst, (0, 1), Strategy.__module__)

    # case3を引数に渡してテスト
    def test3(self):
        print("testcase:", self.case3)
        for Strategy in self.Strategies:
            S = Strategy(self.RandomState)
            for signal in self.case3:
                rst = S.play()
                S.get_signal(signal)
            
            self.assertIsNotNone(rst, S.__module__)
            self.assertIn(rst, (0, 1), S.__module__)

    # case4を引数に渡してテスト
    def test4(self):
        print("testcase:", self.case4)
        for Strategy in self.Strategies:
            S = Strategy(self.RandomState)
            for signal in self.case4:
                rst = S.play()
                S.get_signal(signal)
                self.assertIsNotNone(rst, S.__module__)
                self.assertIn(rst, (0, 1), S.__module__)



    











In [3]:



    


suite = unittest.TestLoader().loadTestsFromTestCase(TestStrategies)
unittest.TextTestRunner().run(suite)



    


















    






....









    






testcase: Signal is empty(period 1)
testcase: [0, 1]
testcase: [1, 0]
testcase: [0, 1, 0, 1, 0, 0, 1]










    






----------------------------------------------------------------------
Ran 4 tests in 0.005s

OK










    
Out[3]:








<unittest.runner.TextTestResult run=4 errors=0 failures=0>

Test: OK

実験のセットアップ





In [7]:



    


payoff = np.array([[4, 0], [5, 2]])
seed = 282
rs = np.random.RandomState(seed)
discount_v = 0.97
repeat = 1000
ts_length = rs.geometric(p=1-discount_v, size=1000)

1000セッションの期数の長さの分布

確率関数は $P(x)=0.03(0.97)^{x-1}, x=1, 2, ...$。平均は33.33。確率関数は単調減少で、分布関数 $F(x \leq 33) ≒ 0.65$。

参考: Appendix2 - 平均期数の分布について





In [8]:



    


print("基本統計量:")
print(pd.DataFrame(ts_length, columns=["ts_length"]).describe())

print("\n33.33期未満: {0}%".format(ts_length[ts_length <= 33].size / 10))

fig, ax = plt.subplots(figsize=(20, 5))
plt.title("1000セッションの期数の分布")
# actual histogram
plt.hist(ts_length, bins=np.max(ts_length)-1, color='#4488FF')
# theoretical cdf
x = np.arange(1, np.max(ts_length))
plt.plot(x, stats.geom.pmf(x, 1-discount_v)*1000, linewidth=2, color='green', label="theoretical cdf(average=33.33)")
mu = np.mean(ts_length)
sigma = np.var(ts_length)
plt.xlabel("ts_length")
plt.ylabel("number of session")
ax.text(35, 30, r'''$\mu$={0:.3f}, $\sigma^2$={1:.3f}'''.format(mu, sigma), ha = 'left', va = 'bottom', size=15)
ax.grid(True)
ax.axvline(x=mu, linewidth=2, color='red', label="average")
plt.legend()
plt.show()



    


















    






基本統計量:
       ts_length
count   1000.000
mean      32.856
std       33.934
min        1.000
25%        9.000
50%       23.000
75%       45.000
max      287.000

33.33期未満: 63.6%

期数の長いセッション・短いセッションを5%ずつトリムすると





In [6]:



    


trimmed_ts_length = np.sort(ts_length)[50:950]
print("基本統計量:")
print(pd.DataFrame(trimmed_ts_length, columns=["trimmed_ts_length"]).describe())

print("\n33.33期未満: {0}%".format(trimmed_ts_length[trimmed_ts_length <= 33].size / 10))

mu = np.mean(trimmed_ts_length)
sigma = np.var(trimmed_ts_length)

fig, ax = plt.subplots(figsize=(20, 5))
plt.title("900セッションの期数の分布")

# actual histogram
plt.hist(trimmed_ts_length, bins=np.max(trimmed_ts_length)-1, color='#4488FF')

# theoretical cdf
x = np.arange(1, np.max(trimmed_ts_length))
plt.plot(x, stats.geom.pmf(x, 1-discount_v)*1000, linewidth=2, color='green', label="theoretical cdf(average=33.33)")

plt.xlabel("trimmed_ts_length")
plt.ylabel("number of session")
ax.text(30, 30, r'''$\mu$={0:.3f}, $\sigma^2$={1:.3f}'''.format(mu, sigma), ha = 'left', va = 'bottom', size=14)
ax.grid(True)
ax.axvline(x=mu, linewidth=2, color='red')
plt.legend()
plt.show()



    


















    






基本統計量:
       trimmed_ts_length
count            900.000
mean              28.756
std               22.608
min                2.000
25%               10.000
50%               23.000
75%               42.000
max              100.000

33.33期未満: 58.6%

2〜100期の範囲になる。

Case1: perfect monitoring

結果の生データ(csv)は contest1/data
戦略はuser_strategies
戦略のオートマトンはcontest1/automaton1.pdf





In [7]:



    


strategies = [Iida_pm, PubStrategy, KatoStrategy, Self_Centered_perfect,
                       GrimTrigger, MyStrategy, beeleb, OyamaPerfectMonitoring, ogawa, yamagishi]
game = pl.RepeatedMatrixGame(payoff, strategies, signal=None, ts_length=ts_length, repeat=1000)
game.play(mtype="perfect", random_seed=seed, record=False)



    


















    






Start
The object has 10 strategy functions below
--------------------------------------------------
1. Iida_perfect_monitoring.Iida_pm
2. mhanami_Public_Strategy.PubStrategy
3. kato.KatoStrategy
4. ikegami_perfect.Self_Centered_perfect
5. tsuyoshi.GrimTrigger
6. gistfile1.MyStrategy
7. beeleb_Strategy.beeleb
8. oyama.OyamaPerfectMonitoring
9. ogawa.ogawa
10. yamagishi_impd.yamagishi
--------------------------------------------------
Repeats: 1000
Total time series length: 32856

Score table:
各セッションを重率1で平均した得点
[[ 0.     3.396  2.514  3.952  3.807  4.146  4.146  3.394  3.588  3.803]
 [ 3.519  0.     2.428  4.     4.     4.     4.     4.     3.315  4.   ]
 [ 2.912  2.234  0.     2.292  3.408  3.973  3.814  2.234  3.641  2.906]
 [ 3.463  4.     2.46   0.     4.     4.     4.     4.     3.459  4.   ]
 [ 3.292  4.     1.893  4.     0.     4.     4.     4.     3.374  4.   ]
 [ 3.415  4.     2.31   4.     4.     0.     4.     4.     3.479  4.   ]
 [ 3.415  4.     2.416  4.     4.     4.     0.     4.     3.534  4.   ]
 [ 3.518  4.     2.428  4.     4.     4.     4.     0.     3.315  4.   ]
 [ 3.257  3.254  2.501  3.904  3.792  3.897  3.815  3.254  0.     3.643]
 [ 3.784  4.     2.69   4.     4.     4.     4.     4.     3.595  0.   ]]

各ステージゲームを重率1で平均した得点
[[ 0.     2.794  2.198  3.695  3.627  4.285  4.285  2.788  3.107  3.702]
 [ 3.055  0.     2.17   4.     4.     4.     4.     4.     2.82   4.   ]
 [ 2.491  2.037  0.     2.066  3.418  3.595  3.211  2.037  3.044  2.524]
 [ 3.009  4.     2.194  0.     4.     4.     4.     4.     2.926  4.   ]
 [ 2.569  4.     1.402  4.     0.     4.     4.     4.     2.708  4.   ]
 [ 2.859  4.     1.93   4.     4.     0.     4.     4.     2.908  4.   ]
 [ 2.859  4.     2.186  4.     4.     4.     0.     4.     3.072  4.   ]
 [ 3.051  4.     2.17   4.     4.     4.     4.     0.     2.82   4.   ]
 [ 2.805  2.767  2.276  3.618  3.684  3.666  3.418  2.767  0.     3.217]
 [ 3.686  4.     2.418  4.     4.     4.     4.     4.     3.157  0.   ]]

Ranking:
1. "yamagishi_impd.yamagishi" -> セッションを重率1で平均: 3.786, ステージゲームを重率1で平均: 3.696
2. "ikegami_perfect.Self_Centered_perfect" -> セッションを重率1で平均: 3.709, ステージゲームを重率1で平均: 3.570
3. "beeleb_Strategy.beeleb" -> セッションを重率1で平均: 3.707, ステージゲームを重率1で平均: 3.569
4. "mhanami_Public_Strategy.PubStrategy" -> セッションを重率1で平均: 3.696, ステージゲームを重率1で平均: 3.561
5. "oyama.OyamaPerfectMonitoring" -> セッションを重率1で平均: 3.696, ステージゲームを重率1で平均: 3.560
6. "gistfile1.MyStrategy" -> セッションを重率1で平均: 3.689, ステージゲームを重率1で平均: 3.522
7. "Iida_perfect_monitoring.Iida_pm" -> セッションを重率1で平均: 3.638, ステージゲームを重率1で平均: 3.387
8. "tsuyoshi.GrimTrigger" -> セッションを重率1で平均: 3.618, ステージゲームを重率1で平均: 3.409
9. "ogawa.ogawa" -> セッションを重率1で平均: 3.480, ステージゲームを重率1で平均: 3.135
10. "kato.KatoStrategy" -> セッションを重率1で平均: 3.046, ステージゲームを重率1で平均: 2.714

Summary

Datetime 2015-12-04-18-23-58
Monitoring type perfect
RandomSeed 282
Repeats 1000
Average ts_length 32.856
Number of strategies 10
Str No. Strategy name Average(session based) Rank(session based) Average(stage based) Rank(stage based) 備考
10 yamagishi_impd.yamagishi 3.785542333 1 3.69566526 1 TFT
4 ikegami_perfect.Self_Centered_perfect 3.709163441 2 3.569823202 2 30%
7 beeleb_Strategy.beeleb 3.707132242 3 3.56862944 3
2 mhanami_Public_Strategy.PubStrategy 3.695745756 4 3.560563942 4 TFT'
8 oyama.OyamaPerfectMonitoring 3.695585282 5 3.560097259 5 GT
6 gistfile1.MyStrategy 3.689240046 6 3.521959459 6 TFT'
1 Iida_perfect_monitoring.Iida_pm 3.638486141 7 3.386765144 8
5 tsuyoshi.GrimTrigger 3.617644214 8 3.408783784 7 TFT'
9 ogawa.ogawa 3.479693556 9 3.13531775 9
3 kato.KatoStrategy 3.046090794 10 2.713737386 10
average3.606432383.412134263

TFT = Tit for Tat, GT = GrimTrigger, 30% = {過去全てのシグナルが30%以上BならD、そうでなければCを返す}
TFT' = Tit for Tatの亜種（確率を分岐条件に加える, stateを増やすなど）

全体的に平均利得が4に近い（= 協調がかなりの程度達成されている）。
TFTが圧倒的に高い利得を得た一方で、定期的に必ずDを出す戦略（戦略9, 3）は平均利得が低くなっている。

戦略別セッション平均の分布

箱ひげ図。赤い線: 中央値, 青い長方形: 25%〜75%





In [21]:



    


rounds = 1000 * 2
strategies = 10
max_ts = 100

# 読み込み
df = pd.read_csv('./contest1/data/set_result.csv', index_col=[0, 1], header=[0, 1])

# 行: プレイヤー, 列: 1000*2セッション分の平均利得
average_matrix = np.zeros((rounds*(strategies-1), strategies), dtype=float)

for s in range(1, strategies+1):
    for i, opponent in enumerate(df[str(s)].columns.values):
        average_matrix[i*rounds:(i+1)*rounds, s-1] = df[str(s)][str(opponent)]

averages = np.zeros(strategies, dtype=float)
stds = np.zeros(strategies, dtype=float)
ranking = np.zeros(strategies, dtype=int)
for i in range(strategies):
    averages[i] = average_matrix[:, i].mean()
    stds[i] = average_matrix[:, i].std()
ranking = np.argsort(averages)[::-1]+1

fig, ax = plt.subplots(figsize=(20, 8))
bp = ax.boxplot(average_matrix, 0, '')
plt.grid()
plt.xlabel('戦略番号')
plt.ylabel('1セッションの平均利得')
ax.set_xlim([0, strategies+0.5])
ax.set_ylim([-0.1, 5.8])
plt.title('戦略別, 全セッションの平均利得の分布')
ax.text(0.4, 5.3, "ranking\nave\nstd", ha = 'center', va = 'center', color="black", size=14)
for i in range(strategies):
    ax.text(i+1, 5.3, "{0:.0f}\n{1:.3f}\n{2:.3f}"
            .format(np.where(ranking == i+1)[0][0]+1, averages[i], stds[i]), ha = 'center', va = 'center', color="black", size=14)

plt.show()

基本統計量

Str No. 1 2 3 4 5 6 7 8 9 10
rank 7 4 10 2 8 6 3 5 9 1
count 18000 18000 18000 18000 18000 18000 18000 18000 18000 18000
mean 3.638486 3.695746 3.046091 3.709163 3.617644 3.68924 3.707132 3.695585 3.479694 3.785542
std 0.649774 0.604642 0.874775 0.58606 0.7979 0.634951 0.588227 0.604742 0.672512 0.469952
min 1.801394 2 2.003484 2 0.828571 1.41791 2 2 2 2
25% 3.3 4 2.142857 4 4 4 4 4 2.866667 4
50% 4 4 3 4 4 4 4 4 3.892857 4
75% 4 4 3.931034 4 4 4 4 4 4 4
max 4.466899 4 4.5 4 4 4 4 4 4.4 4

1位のTFTが最も標準偏差が小さい。全体的に、分散が小さいほど高い順位となった。

期数による平均利得の変化





In [10]:



    


rounds = 1000 * 2
strategies = 10
max_ts = 100

# 読み込み
df = pd.read_csv('./contest1/data/set_result.csv', index_col=[0, 1], header=[0, 1])

# ts_lengthの長い順に並び替え
ordered_df = df.sortlevel(level="ts_length")

# 行: プレイヤー, 列: ts_lengthが1〜100期の時の平均利得
average_matrix = np.zeros((strategies, max_ts), dtype=float)

for t in range(1, max_ts+1):
    df_t = df.iloc[df.index.get_level_values('ts_length') == t]
    for s in range(1, strategies+1):
        average = df_t[str(s)].mean().mean()
        average_matrix[s-1, t-1] = average

fig, ax = plt.subplots(figsize=(20, 10))
plt.title("average payoff trend")
plt.xlabel("ts_length")
plt.ylabel("average payoff")
t_list = [i for i in range(1, max_ts+1)]

for s in range(1, strategies+1):
    if s in [10, 8, 4]:
        pass
    else:
        average_list = average_matrix[s-1]
        plt.plot(t_list, average_list, color='#bbbbbb')

plt.plot(t_list, average_matrix[10-1], color='red', linewidth=2, label="10 (TFT)")
plt.plot(t_list, average_matrix[8-1], color='blue', linewidth=2, label="8 (GrimTrigger)")
plt.plot(t_list, average_matrix[4-1], color='green', linewidth=2, label="4 (30%)")
plt.legend()
plt.show()

TFTは期数の長いセッションで、他の戦略に比べて協調に成功している。

Case2: imperfect public monitoring

結果の生データ(csv)は contest2/data
戦略はuser_strategies
戦略のオートマトンはcontest2/automaton2.pdf





In [10]:



    


# プロジェクトが成功か失敗かを返す
def public_signal(actions, random_state):
    prob = random_state.uniform()
    if actions[0] == 0 and actions[1] == 0:
        return 0 if prob < 0.9 else 1
    elif (actions[0] == 0 and actions[1] == 1) or (actions[0] == 1 and actions[1] == 0):
        return 0 if prob < 0.5 else 1
    elif actions[0] == 1 and actions[1] == 1:
        return 0 if prob < 0.2 else 1
    else:
        raise ValueError

strategies = [Iida_ipm, ImPubStrategy, KatoStrategy, Self_Centered_public, GrimTrigger,
              MyStrategy, beeleb, OyamaImperfectPublicMonitoring, ogawa, yamagishi]
game = pl.RepeatedMatrixGame(payoff, strategies, signal=public_signal, ts_length=ts_length, repeat=1000)
game.play(mtype="public", random_seed=seed, record=False)



    


















    






Start
The object has 10 strategy functions below
--------------------------------------------------
1. Iida_imperfect_public.Iida_ipm
2. mhanami_Imperfect_Public_Strategy.ImPubStrategy
3. kato.KatoStrategy
4. ikegami_imperfect_public.Self_Centered_public
5. tsuyoshi.GrimTrigger
6. gistfile1.MyStrategy
7. beeleb_Strategy.beeleb
8. oyama.OyamaImperfectPublicMonitoring
9. ogawa.ogawa
10. yamagishi_impd.yamagishi
--------------------------------------------------
Repeats: 1000
Total time series length: 32856

Score table:
各セッションを重率1で平均した得点
[[ 0.     1.283  2.175  3.073  3.767  4.099  4.08   3.118  3.46   3.329]
 [ 3.076  0.     2.473  2.593  4.045  4.412  4.283  3.088  3.678  3.19 ]
 [ 3.005  1.684  0.     2.824  3.821  4.251  4.185  3.113  3.621  3.202]
 [ 3.117  1.604  2.296  0.     3.749  4.046  4.014  3.225  3.423  3.369]
 [ 2.743  0.636  1.742  3.017  0.     3.999  4.062  2.927  3.319  3.42 ]
 [ 2.636  0.392  1.661  3.114  3.576  0.     3.99   2.912  3.296  3.455]
 [ 2.621  0.478  1.753  3.128  3.539  3.969  0.     2.954  3.342  3.43 ]
 [ 3.107  1.275  2.253  3.175  3.745  4.071  3.997  0.     3.511  3.344]
 [ 2.892  0.881  2.005  3.175  3.668  4.049  4.002  3.126  0.     3.392]
 [ 3.002  1.207  2.043  3.103  3.737  3.959  3.998  3.133  3.362  0.   ]]

各ステージゲームを重率1で平均した得点
[[ 0.     1.493  1.927  2.67   3.716  4.148  4.027  2.523  2.939  3.105]
 [ 2.761  0.     2.166  2.2    3.898  4.285  3.929  2.488  3.087  2.96 ]
 [ 2.725  1.89   0.     2.427  3.791  4.238  3.992  2.568  3.125  2.99 ]
 [ 2.759  1.867  2.126  0.     3.673  4.053  3.943  2.714  2.892  3.194]
 [ 2.177  0.735  1.311  2.705  0.     3.99   4.053  2.206  2.618  3.303]
 [ 2.009  0.477  1.185  2.87   3.463  0.     3.983  2.179  2.533  3.352]
 [ 2.058  0.714  1.396  3.039  3.435  3.963  0.     2.304  2.652  3.346]
 [ 2.817  1.675  2.14   2.97   3.746  4.126  3.923  0.     3.064  3.155]
 [ 2.571  1.275  1.866  2.931  3.656  4.111  3.942  2.646  0.     3.2  ]
 [ 2.577  1.36   1.749  2.841  3.684  3.936  3.939  2.544  2.789  0.   ]]

Ranking:
1. "mhanami_Imperfect_Public_Strategy.ImPubStrategy" -> セッションを重率1で平均: 3.427, ステージゲームを重率1で平均: 3.086
2. "kato.KatoStrategy" -> セッションを重率1で平均: 3.301, ステージゲームを重率1で平均: 3.083
3. "ikegami_imperfect_public.Self_Centered_public" -> セッションを重率1で平均: 3.205, ステージゲームを重率1で平均: 3.025
4. "oyama.OyamaImperfectPublicMonitoring" -> セッションを重率1で平均: 3.164, ステージゲームを重率1で平均: 3.069
5. "Iida_imperfect_public.Iida_ipm" -> セッションを重率1で平均: 3.154, ステージゲームを重率1で平均: 2.950
6. "yamagishi_impd.yamagishi" -> セッションを重率1で平均: 3.060, ステージゲームを重率1で平均: 2.824
7. "ogawa.ogawa" -> セッションを重率1で平均: 3.021, ステージゲームを重率1で平均: 2.911
8. "tsuyoshi.GrimTrigger" -> セッションを重率1で平均: 2.874, ステージゲームを重率1で平均: 2.566
9. "beeleb_Strategy.beeleb" -> セッションを重率1で平均: 2.802, ステージゲームを重率1で平均: 2.545
10. "gistfile1.MyStrategy" -> セッションを重率1で平均: 2.781, ステージゲームを重率1で平均: 2.450

Summary

Datetime 2015-12-04-19-27-41
Monitoring type public
RandomSeed 282
Repeats 1000
Average ts_length 32.856
Number of strategies 10
Str No. Strategy name Average(session based) Rank(session based) Average(stage based) Rank(stage based) 備考
2 mhanami_Imperfect_Public_Strategy.ImPubStrategy 3.426505902 1 3.085798636 1 ALLD
3 kato.KatoStrategy 3.300688557 2 3.082721235 2
4 ikegami_imperfect_public.Self_Centered_public 3.204767877 3 3.024595541 4 25%
8 oyama.OyamaImperfectPublicMonitoring 3.164308602 4 3.06851446 3 GT'
1 Iida_imperfect_public.Iida_ipm 3.15370844 5 2.949672646 5
10 yamagishi_impd.yamagishi 3.060373179 6 2.824435922 7 TFT
9 ogawa.ogawa 3.02123959 7 2.910746896 6
5 tsuyoshi.GrimTrigger 2.873939966 8 2.566333225 8 TFT'
7 beeleb_Strategy.beeleb 2.80155086 9 2.545187079 9
6 gistfile1.MyStrategy 2.781473904 10 2.45014271 10 TFT'
average3.0788556882.850814835

戦略2（ALLD）と戦略3（定期的にDを出す戦略）が上位となった。

戦略別セッション平均の分布

箱ひげ図。赤い線: 中央値, 青い長方形: 25%〜75%





In [23]:



    


rounds = 1000 * 2
strategies = 10
max_ts = 100

# 読み込み
df = pd.read_csv('./contest2/data/set_result.csv', index_col=[0, 1], header=[0, 1])

# 行: プレイヤー, 列: 1000*2セッション分の平均利得
average_matrix = np.zeros((rounds*(strategies-1), strategies), dtype=float)

for s in range(1, strategies+1):
    for i, opponent in enumerate(df[str(s)].columns.values):
        average_matrix[i*rounds:(i+1)*rounds, s-1] = df[str(s)][str(opponent)]

averages = np.zeros(strategies, dtype=float)
stds = np.zeros(strategies, dtype=float)
ranking = np.zeros(strategies, dtype=int)
for i in range(strategies):
    averages[i] = average_matrix[:, i].mean()
    stds[i] = average_matrix[:, i].std()
ranking = np.argsort(averages)[::-1]+1

fig, ax = plt.subplots(figsize=(20, 8))
bp = ax.boxplot(average_matrix, 0, '')
plt.grid()
plt.xlabel('戦略番号')
plt.ylabel('1セッションの平均利得')
ax.set_xlim([0, strategies+0.5])
ax.set_ylim([-0.1, 5.8])
plt.title('戦略別, 全セッションの平均利得の分布')
ax.text(0.4, 5.3, "ranking\nave\nstd", ha = 'center', va = 'center', color="black", size=14)
for i in range(strategies):
    ax.text(i+1, 5.3, "{0:.0f}\n{1:.3f}\n{2:.3f}"
            .format(np.where(ranking == i+1)[0][0]+1, averages[i], stds[i]), ha = 'center', va = 'center', color="black", size=14)

plt.show()

基本統計量

str number 1 2 3 4 5 6 7 8 9 10
rank 5 1 2 3 8 10 9 4 7 6
count 18000 18000 18000 18000 18000 18000 18000 18000 18000 18000
mean 3.153708 3.426506 3.300689 3.204768 2.87394 2.781474 2.801551 3.164309 3.02124 3.060373
std 1.068773 0.989293 0.981721 0.932929 1.311979 1.35814 1.319016 1.042236 1.180943 1.091448
min 0 2.010453 0 0 0 0 0 0 0 0
25% 2.215385 2.545455 2.496503 2.425827 1.653061 1.555556 1.672578 2.406039 2 2
50% 3.545455 3.3125 3.416667 3.5 3.44 3.384615 3.353095 3.563063 3.532292 3.558846
75% 4 4.25 4.25 4 4 4 4 4 4 4
max 4.9 5 4.97619 4.97561 4.857143 4.333333 4.103448 4.981481 4.659574 4.8

実験1と同様、分散の小さな戦略が上位に。

期数による平均利得の変化





In [12]:



    


rounds = 1000 * 2
strategies = 10
max_ts = 100

# 読み込み
df = pd.read_csv('./contest2/data/set_result.csv', index_col=[0, 1], header=[0, 1])

# ts_lengthの長い順に並び替え
ordered_df = df.sortlevel(level="ts_length")

# 行: プレイヤー, 列: ts_lengthが1〜100期の時の平均利得
average_matrix = np.zeros((strategies, max_ts), dtype=float)

for t in range(1, max_ts+1):
    df_t = df.iloc[df.index.get_level_values('ts_length') == t]
    for s in range(1, strategies+1):
        average = df_t[str(s)].mean().mean()
        average_matrix[s-1, t-1] = average

fig, ax = plt.subplots(figsize=(20, 10))
plt.title("average payoff trend")
plt.xlabel("ts_length")
plt.ylabel("average payoff")
t_list = [i for i in range(1, max_ts+1)]

for s in range(1, strategies+1):
    if s in [2, 8, 4, 10]:
        pass
    else:
        average_list = average_matrix[s-1]
        plt.plot(t_list, average_list, color='#bbbbbb')

plt.plot(t_list, average_matrix[2-1], color='red', linewidth=2, label="2 (ALLD)")
plt.plot(t_list, average_matrix[4-1], color='green', linewidth=2, label="4 (25%)")
plt.plot(t_list, average_matrix[8-1], color='blue', linewidth=2, label="8 (GT’)")
plt.plot(t_list, average_matrix[10-1], color='orange', linewidth=2, label="10 (TFT)")
plt.legend()
plt.show()

上位の戦略は、期数の短長にかかわらず、安定した平均利得をえている。
ALLDは特に短い期数のセッションでの平均利得が大きく、1位になった要因だと考えられる。

Case3: imperfect private monitoring（尾山ゼミの戦略のみ）

結果の生データ(csv)は contest3/data
戦略はuser_strategies
戦略のオートマトンはcontest3/automaton3.pdf





In [13]:



    


# 「相手の」シグナルが協調か攻撃かを（ノイズ付きで）返す
def private_signal(actions, random_state):
    pattern = [[0, 0], [0, 1], [1, 0], [1, 1]]
    # 例えば実際の行動が(0, 1)なら、シグナルは(1, 0)である可能性が最も高い
    signal_probs = [[.9, .02, .02, .06], [.02, .06, .9, .02], [.02, .9, .06, .02], [.06, .02, .02, .9]]
    p = random_state.uniform()
    if actions[0] == 0 and actions[1] == 0:
        return [0, 0] if p < 0.9 else [0, 1] if p < 0.92 else [1, 0] if p < 0.94 else [1, 1]
    elif actions[0] == 0 and actions[1] == 1:
        return [1, 0] if p < 0.9 else [0, 0] if p < 0.92 else [1, 1] if p < 0.94 else [0, 1]
    elif actions[0] == 1 and actions[1] == 0:
        return [0, 1] if p < 0.9 else [1, 1] if p < 0.92 else [0, 0] if p < 0.94 else [1, 0]
    elif actions[0] == 1 and actions[1] == 1:
        return [1, 1] if p < 0.9 else [1, 0] if p < 0.92 else [0, 1] if p < 0.94 else [0, 0]
    else:
        raise ValueError

strategies = [Iida_iprm, ImPrivStrategy, KatoStrategy, Self_Centered_private, GrimTrigger,
              MyStrategy, beeleb, OyamaImperfectPrivateMonitoring, ogawa, yamagishi]
game = pl.RepeatedMatrixGame(payoff, strategies, signal=private_signal, ts_length=ts_length, repeat=1000)
game.play(mtype="private", random_seed=seed, record=False)



    


















    






Start
The object has 10 strategy functions below
--------------------------------------------------
1. Iida_imperfect_private.Iida_iprm
2. mhanami_Imperfect_Private_Strategy.ImPrivStrategy
3. kato.KatoStrategy
4. ikegami_imperfect_private.Self_Centered_private
5. tsuyoshi.GrimTrigger
6. gistfile1.MyStrategy
7. beeleb_Strategy.beeleb
8. oyama.OyamaImperfectPrivateMonitoring
9. ogawa.ogawa
10. yamagishi_impd.yamagishi
--------------------------------------------------
Repeats: 1000
Total time series length: 32856

Score table:
各セッションを重率1で平均した得点
[[ 0.     3.476  2.318  2.954  3.56   4.004  3.984  3.414  3.465  3.333]
 [ 3.241  0.     2.406  3.338  3.626  3.974  3.977  3.582  3.507  3.36 ]
 [ 2.799  3.373  0.     2.264  3.404  3.963  3.823  3.155  3.538  2.849]
 [ 3.288  3.475  2.398  0.     3.68   3.84   3.76   3.472  3.267  3.19 ]
 [ 2.922  3.555  1.92   2.801  0.     3.904  3.823  3.516  3.283  3.479]
 [ 3.11   3.934  2.205  3.255  3.567  0.     3.998  3.687  3.429  3.656]
 [ 3.126  3.935  2.336  3.402  3.487  3.985  0.     3.674  3.503  3.679]
 [ 3.227  3.634  2.375  3.249  3.524  3.924  3.89   0.     3.407  3.415]
 [ 3.122  3.688  2.42   3.09   3.543  3.916  3.832  3.506  0.     3.39 ]
 [ 3.384  3.422  2.478  3.086  3.656  3.96   4.022  3.525  3.48   0.   ]]

各ステージゲームを重率1で平均した得点
[[ 0.     3.172  1.946  2.491  3.394  4.003  3.886  3.075  2.939  3.125]
 [ 2.899  0.     2.21   3.203  3.526  3.959  3.964  3.363  3.047  3.141]
 [ 2.63   2.803  0.     2.049  3.392  3.699  3.253  2.733  2.991  2.542]
 [ 2.989  3.268  2.164  0.     3.554  3.772  3.596  3.183  2.792  2.924]
 [ 2.417  3.345  1.457  2.285  0.     3.862  3.71   3.313  2.621  3.345]
 [ 2.684  3.902  1.785  3.092  3.439  0.     3.999  3.609  2.814  3.597]
 [ 2.759  3.911  2.113  3.365  3.336  3.982  0.     3.535  3.017  3.629]
 [ 2.895  3.399  2.115  3.043  3.365  3.891  3.77   0.     2.909  3.217]
 [ 2.817  3.267  2.2    2.719  3.452  3.752  3.471  3.134  0.     3.048]
 [ 3.193  3.172  2.204  2.795  3.543  3.948  3.996  3.292  3.008  0.   ]]

Ranking:
1. "beeleb_Strategy.beeleb" -> セッションを重率1で平均: 3.458, ステージゲームを重率1で平均: 3.294
2. "yamagishi_impd.yamagishi" -> セッションを重率1で平均: 3.446, ステージゲームを重率1で平均: 3.239
3. "mhanami_Imperfect_Private_Strategy.ImPrivStrategy" -> セッションを重率1で平均: 3.446, ステージゲームを重率1で平均: 3.257
4. "gistfile1.MyStrategy" -> セッションを重率1で平均: 3.427, ステージゲームを重率1で平均: 3.213
5. "oyama.OyamaImperfectPrivateMonitoring" -> セッションを重率1で平均: 3.405, ステージゲームを重率1で平均: 3.178
6. "Iida_imperfect_private.Iida_iprm" -> セッションを重率1で平均: 3.390, ステージゲームを重率1で平均: 3.115
7. "ogawa.ogawa" -> セッションを重率1で平均: 3.390, ステージゲームを重率1で平均: 3.095
8. "ikegami_imperfect_private.Self_Centered_private" -> セッションを重率1で平均: 3.375, ステージゲームを重率1で平均: 3.138
9. "tsuyoshi.GrimTrigger" -> セッションを重率1で平均: 3.245, ステージゲームを重率1で平均: 2.928
10. "kato.KatoStrategy" -> セッションを重率1で平均: 3.241, ステージゲームを重率1で平均: 2.899

Summary

Datetime 2015-12-05-00-14-04
Monitoring type private
RandomSeed 282
Repeats 1000
Average ts_length 32.856
Number of strategies 10
Str No. Strategy name Average(session based) Rank(session based) Average(stage based) Rank(stage based) 備考
7 beeleb_Strategy.beeleb 3.458461687 1 3.293973027 1
10 yamagishi_impd.yamagishi 3.445953725 2 3.239141168 3 TFT
2 mhanami_Imperfect_Private_Strategy.ImPrivStrategy 3.445605137 3 3.256924154 2 2T2FT
6 gistfile1.MyStrategy 3.426852855 4 3.213336647 4 TFT'
8 oyama.OyamaImperfectPrivateMonitoring 3.405064024 5 3.178198469 5 TFT'
1 Iida_imperfect_private.Iida_iprm 3.389575102 6 3.114596015 7
9 ogawa.ogawa 3.389554064 7 3.095465398 8
4 ikegami_imperfect_private.Self_Centered_private 3.374520784 8 3.137879433 6 20%
5 tsuyoshi.GrimTrigger 3.244853934 9 2.928183251 9 TFT'
3 kato.KatoStrategy 3.240895862 10 2.899218475 10
average3.3821337173.135691604

戦略別, セッション平均利得の分布

箱ひげ図。赤い線: 中央値, 青い長方形: 25%〜75%





In [22]:



    


rounds = 1000 * 2
strategies = 10
max_ts = 100

# 読み込み
df = pd.read_csv('./contest3/data/set_result.csv', index_col=[0, 1], header=[0, 1])

# 行: プレイヤー, 列: 1000*2セッション分の平均利得
average_matrix = np.zeros((rounds*(strategies-1), strategies), dtype=float)

for s in range(1, strategies+1):
    for i, opponent in enumerate(df[str(s)].columns.values):
        average_matrix[i*rounds:(i+1)*rounds, s-1] = df[str(s)][str(opponent)]

averages = np.zeros(strategies, dtype=float)
stds = np.zeros(strategies, dtype=float)
ranking = np.zeros(strategies, dtype=int)
for i in range(strategies):
    averages[i] = average_matrix[:, i].mean()
    stds[i] = average_matrix[:, i].std()
ranking = np.argsort(averages)[::-1]+1

fig, ax = plt.subplots(figsize=(20, 8))
bp = ax.boxplot(average_matrix, 0, '')
plt.grid()
plt.xlabel('戦略番号')
plt.ylabel('1セッションの平均利得')
ax.set_xlim([0, strategies+0.5])
ax.set_ylim([-0.1, 5.8])
plt.title('戦略別, 全セッションの平均利得の分布')
ax.text(0.4, 5.3, "ranking\nave\nstd", ha = 'center', va = 'center', color="black", size=14)
for i in range(strategies):
    ax.text(i+1, 5.3, "{0:.0f}\n{1:.3f}\n{2:.3f}"
            .format(np.where(ranking == i+1)[0][0]+1, averages[i], stds[i]), ha = 'center', va = 'center', color="black", size=14)

plt.show()

基本統計量

Str No. 1 2 3 4 5 6 7 8 9 10
rank 6 3 10 8 9 4 1 5 7 2
count 18000 18000 18000 18000 18000 18000 18000 18000 18000 18000
mean 3.389575 3.445605 3.240896 3.374521 3.244854 3.426853 3.458462 3.405064 3.389554 3.445954
std 0.767754 0.693915 0.811377 0.70892 0.901283 0.80159 0.729059 0.720129 0.714496 0.699362
min 1.230769 1.2 1.416667 1.333333 0.571429 0.615385 0.666667 0.571429 0.8 1.333333
25% 2.875 2.857143 2.526316 2.707154 2.695652 3 2.962963 2.84 2.792308 2.952381
50% 3.666667 3.911111 3.195387 3.666667 3.607143 3.947114 3.917526 3.758621 3.652618 3.793103
75% 4 4 4 4 4 4 4 4 4 4
max 4.8 4.4 4.8 4.857143 4.8 4.25 4.038462 4.8 4.428571 4.5

期数による平均利得の変化





In [14]:



    


rounds = 1000 * 2
strategies = 10
max_ts = 100

# 読み込み
df = pd.read_csv('./contest3/data/set_result.csv', index_col=[0, 1], header=[0, 1])

# ts_lengthの長い順に並び替え
ordered_df = df.sortlevel(level="ts_length")

# 行: プレイヤー, 列: ts_lengthが1〜100期の時の平均利得
average_matrix = np.zeros((strategies, max_ts), dtype=float)

for t in range(1, max_ts+1):
    df_t = df.iloc[df.index.get_level_values('ts_length') == t]
    for s in range(1, strategies+1):
        average = df_t[str(s)].mean().mean()
        average_matrix[s-1, t-1] = average

fig, ax = plt.subplots(figsize=(20, 10))
plt.title("average payoff trend")
plt.xlabel("ts_length")
plt.ylabel("average payoff")
t_list = [i for i in range(1, max_ts+1)]

for s in range(1, strategies+1):
    if s in [2, 7, 4, 10]:
        pass
    else:
        average_list = average_matrix[s-1]
        plt.plot(t_list, average_list, color='#bbbbbb')

plt.plot(t_list, average_matrix[7-1], color='red', linewidth=2, label="7")
plt.plot(t_list, average_matrix[10-1], color='orange', linewidth=2, label="10 (TFT)")
plt.plot(t_list, average_matrix[2-1], color='blue', linewidth=2, label="2 (2T2FT)")
plt.plot(t_list, average_matrix[4-1], color='green', linewidth=2, label="4 (20%)")
plt.legend()
plt.show()

期数が長くなるに従って、協調がしづらくなっていることがわかる。TFT同士の対戦では、このようなことが一般に起こる（後述）

Case4: imperfect private monitoring（神取ゼミの戦略のみ）

結果の生データ(csv)は contest4/data
戦略は user_strategies
戦略のオートマトンは contest4/automaton4.pdf
神取ゼミの元実験と尾山ゼミでの再実験の比較（各対戦毎のセッション平均利得の違い） contest4/神取ゼミ実験_尾山ゼミ再実験比較.xlsx





In [4]:



    


# 「相手の」シグナルが協調か攻撃かを（ノイズ付きで）返す
def private_signal(actions, random_state):
    pattern = [[0, 0], [0, 1], [1, 0], [1, 1]]
    # 例えば実際の行動が(0, 1)なら、シグナルは(1, 0)である可能性が最も高い
    signal_probs = [[.9, .02, .02, .06], [.02, .06, .9, .02], [.02, .9, .06, .02], [.06, .02, .02, .9]]
    p = random_state.uniform()
    if actions[0] == 0 and actions[1] == 0:
        return [0, 0] if p < 0.9 else [0, 1] if p < 0.92 else [1, 0] if p < 0.94 else [1, 1]
    elif actions[0] == 0 and actions[1] == 1:
        return [1, 0] if p < 0.9 else [0, 0] if p < 0.92 else [1, 1] if p < 0.94 else [0, 1]
    elif actions[0] == 1 and actions[1] == 0:
        return [0, 1] if p < 0.9 else [1, 1] if p < 0.92 else [0, 0] if p < 0.94 else [1, 0]
    elif actions[0] == 1 and actions[1] == 1:
        return [1, 1] if p < 0.9 else [1, 0] if p < 0.92 else [0, 1] if p < 0.94 else [0, 0]
    else:
        raise ValueError

strategies = [Strategy1, Strategy2, Strategy3, Strategy4, Strategy5,
                    Strategy6, Strategy7, Strategy8, Strategy9, Strategy10,
                    Strategy11, Strategy12, Strategy13, Strategy14, Strategy15,
                    Strategy16, Strategy17, Strategy18, Strategy19, Strategy20, 
                    Strategy21, Strategy22, Strategy23, Strategy24]
    
game = pl.RepeatedMatrixGame(payoff, strategies, signal=private_signal, ts_length=ts_length, repeat=1000)
game.play(mtype="private", random_seed=seed, record=False)



    


















    






Start
The object has 24 strategy functions below
--------------------------------------------------
1. kandori.Strategy1
2. kandori.Strategy2
3. kandori.Strategy3
4. kandori.Strategy4
5. kandori.Strategy5
6. kandori.Strategy6
7. kandori.Strategy7
8. kandori.Strategy8
9. kandori.Strategy9
10. kandori.Strategy10
11. kandori.Strategy11
12. kandori.Strategy12
13. kandori.Strategy13
14. kandori.Strategy14
15. kandori.Strategy15
16. kandori.Strategy16
17. kandori.Strategy17
18. kandori.Strategy18
19. kandori.Strategy19
20. kandori.Strategy20
21. kandori.Strategy21
22. kandori.Strategy22
23. kandori.Strategy23
24. kandori.Strategy24
--------------------------------------------------
Repeats: 1000
Total time series length: 32856

Score table:
各セッションを重率1で平均した得点
[[ 0.     3.703  3.614  3.793  3.834  3.909  3.041  3.817  2.363  3.03   3.513  1.965  1.682  3.667  3.171  3.703  3.388  2.67   3.162  3.396  3.69   3.774  4.     2.011]
 [ 3.533  0.     3.686  3.59   3.66   3.935  3.075  3.598  2.473  3.066  3.64   1.645  1.577  3.718  3.124  3.783  3.335  2.484  3.218  3.414  3.766  3.799  3.972  1.873]
 [ 3.538  3.777  0.     3.617  3.688  3.946  3.075  3.596  2.419  3.059  3.613  1.707  1.651  3.719  3.17   3.777  3.29   2.652  3.212  3.436  3.767  3.81   3.981  2.027]
 [ 3.156  3.161  3.161  0.     3.636  3.748  3.43   3.981  3.177  3.379  3.895  1.902  1.671  3.501  2.671  3.161  3.768  3.17   3.654  2.874  3.272  3.474  3.983  1.577]
 [ 2.397  3.332  3.203  4.065  0.     3.754  3.314  3.91   3.007  3.278  3.836  1.875  1.241  3.365  2.747  3.332  3.615  1.892  3.434  3.025  3.341  3.382  4.053  1.28 ]
 [ 3.076  3.599  3.498  3.921  3.649  0.     3.346  3.678  3.113  3.292  3.825  1.911  1.284  3.633  2.869  3.599  3.596  2.328  3.575  3.174  3.609  3.627  3.981  1.367]
 [ 2.855  3.146  3.079  4.021  3.748  3.782  0.     3.957  2.502  3.05   3.715  2.044  2.073  3.458  2.948  3.146  3.379  2.808  3.148  3.038  3.239  3.644  3.998  2.063]
 [ 3.17   3.096  3.028  3.991  3.655  3.627  3.416  0.     3.187  3.363  3.871  2.018  1.535  3.278  2.69   3.096  3.755  2.682  3.656  2.858  3.146  3.199  3.982  1.496]
 [ 2.515  2.761  2.66   4.073  3.802  3.938  2.87   4.078  0.     2.874  3.702  2.125  2.278  3.435  2.886  2.761  3.426  2.341  2.798  2.82   2.903  3.554  4.064  2.369]
 [ 2.839  3.135  3.062  4.027  3.773  3.764  3.067  3.948  2.503  0.     3.712  2.03   2.052  3.427  2.95   3.135  3.364  2.783  3.133  3.034  3.21   3.611  4.006  2.057]
 [ 3.131  3.1    3.048  4.009  3.564  3.819  3.334  3.978  2.997  3.285  0.     1.96   1.972  3.539  2.716  3.1    3.626  2.826  3.497  2.862  3.211  3.626  3.952  1.525]
 [ 2.889  3.347  3.242  4.056  4.07   3.471  2.785  3.801  2.218  2.816  3.361  0.     2.359  3.25   3.326  3.347  2.865  2.781  2.684  3.322  3.314  3.275  4.07   2.884]
 [ 3.448  3.601  3.491  3.479  4.124  4.059  2.846  3.682  2.264  2.875  3.028  2.24   0.     3.655  3.518  3.601  2.865  2.989  2.722  3.574  3.624  3.945  4.124  2.75 ]
 [ 3.321  3.687  3.589  3.825  3.693  3.929  3.233  3.609  2.86   3.186  3.736  1.889  1.548  0.     3.065  3.687  3.476  2.574  3.447  3.305  3.674  3.738  3.987  1.896]
 [ 3.111  3.578  3.428  3.704  3.885  3.891  3.034  3.609  2.52   3.019  3.579  1.761  1.606  3.46   0.     3.578  3.206  2.153  3.079  3.327  3.556  3.653  4.022  1.952]
 [ 3.533  3.783  3.686  3.59   3.66   3.935  3.075  3.598  2.473  3.066  3.64   1.645  1.577  3.718  3.124  0.     3.335  2.484  3.218  3.414  3.766  3.799  3.972  1.873]
 [ 3.256  3.248  3.184  3.962  3.682  3.705  3.235  3.963  2.856  3.199  3.706  2.159  2.08   3.499  2.908  3.248  0.     2.986  3.368  3.038  3.334  3.401  3.978  1.96 ]
 [ 3.489  3.69   3.605  3.86   3.939  4.001  3.026  3.584  2.284  3.027  3.462  1.981  1.985  3.73   3.403  3.69   3.215  0.     3.104  3.525  3.697  3.923  4.047  2.865]
 [ 3.074  3.241  3.2    3.987  3.631  3.829  3.091  3.982  2.46   3.07   3.695  2.09   2.163  3.597  2.941  3.241  3.425  2.97   0.     3.057  3.349  3.791  3.942  2.081]
 [ 3.324  3.696  3.58   3.624  3.787  3.921  3.059  3.583  2.5    3.041  3.604  1.713  1.584  3.593  3.155  3.696  3.242  2.256  3.129  0.     3.684  3.734  3.999  1.929]
 [ 3.484  3.764  3.677  3.672  3.673  3.939  3.146  3.612  2.557  3.108  3.678  1.716  1.564  3.705  3.123  3.764  3.401  2.551  3.3    3.397  0.     3.788  3.981  1.885]
 [ 3.454  3.765  3.634  3.868  3.657  3.927  3.298  3.547  2.947  3.249  3.761  1.905  1.348  3.64   3.055  3.765  3.423  2.26   3.552  3.372  3.734  0.     3.972  1.826]
 [ 2.873  3.548  3.442  3.991  3.639  3.835  3.426  3.973  3.175  3.371  3.888  1.875  1.24   3.584  2.747  3.548  3.765  2.303  3.628  3.07   3.558  3.578  0.     1.279]
 [ 3.314  3.652  3.358  3.342  4.149  4.069  2.751  3.41   2.316  2.774  3.377  1.67   1.84   3.346  3.428  3.652  2.832  1.753  2.674  3.523  3.578  3.689  4.149  0.   ]]

各ステージゲームを重率1で平均した得点
[[ 0.     3.652  3.533  3.575  3.9    3.908  2.762  3.428  2.42   2.771  3.176  1.852  1.442  3.597  3.189  3.652  3.017  2.232  2.79   3.345  3.64   3.775  4.019  2.362]
 [ 3.202  0.     3.641  3.351  3.587  3.915  2.869  2.897  2.652  2.869  3.491  1.348  1.173  3.666  3.065  3.756  3.047  1.9    2.972  3.362  3.743  3.775  3.963  2.017]
 [ 3.251  3.746  0.     3.379  3.625  3.921  2.86   2.902  2.592  2.848  3.44   1.426  1.272  3.655  3.091  3.746  2.983  2.172  2.944  3.366  3.729  3.785  3.97   2.193]
 [ 2.667  2.946  2.92   0.     3.56   3.621  3.355  3.903  3.456  3.295  3.856  1.746  1.419  3.367  2.571  2.946  3.662  3.024  3.592  2.695  3.089  3.417  3.979  1.897]
 [ 1.615  3.21   3.02   4.074  0.     3.645  3.211  3.485  3.225  3.174  3.752  1.713  0.798  3.191  2.63   3.21   3.45   1.169  3.331  2.887  3.205  3.28   4.061  1.428]
 [ 2.482  3.561  3.427  3.874  3.575  0.     3.234  3.101  3.379  3.176  3.744  1.737  0.85   3.573  2.785  3.561  3.357  1.609  3.503  3.09   3.57   3.598  3.974  1.532]
 [ 2.354  2.903  2.823  3.986  3.685  3.693  0.     3.613  2.683  2.854  3.562  1.878  1.806  3.31   2.813  2.903  3.121  2.458  2.911  2.846  3.026  3.593  3.985  2.232]
 [ 2.819  3.076  2.971  3.963  3.644  3.553  3.231  0.     3.345  3.182  3.748  1.963  1.553  3.186  2.86   3.076  3.549  2.476  3.49   2.929  3.109  3.285  3.982  2.404]
 [ 2.205  2.711  2.606  3.957  3.627  3.82   2.762  3.756  0.     2.756  3.483  1.961  1.952  3.398  2.772  2.711  3.127  2.223  2.726  2.745  2.879  3.667  3.966  2.327]
 [ 2.318  2.902  2.812  3.99   3.713  3.667  2.861  3.575  2.677  0.     3.563  1.857  1.777  3.27   2.811  2.902  3.098  2.441  2.903  2.84   2.987  3.555  3.996  2.226]
 [ 2.687  2.805  2.72   4.013  3.448  3.727  3.201  3.839  3.19   3.153  0.     1.815  1.752  3.383  2.575  2.805  3.424  2.374  3.35   2.637  2.966  3.59   3.932  1.714]
 [ 2.546  3.328  3.193  3.862  3.937  3.278  2.564  3.128  2.282  2.606  3.094  0.     2.09   3.101  3.256  3.328  2.506  2.65   2.415  3.282  3.273  3.19   3.937  3.207]
 [ 3.131  3.534  3.385  3.172  4.102  4.025  2.58   2.971  2.289  2.624  2.672  2.09   0.     3.556  3.502  3.534  2.464  2.792  2.411  3.524  3.543  3.963  4.102  3.224]
 [ 2.905  3.65   3.516  3.726  3.628  3.9    3.08   2.962  3.116  3.033  3.628  1.672  1.16   0.     2.981  3.65   3.237  2.033  3.316  3.234  3.639  3.711  3.979  2.067]
 [ 2.567  3.518  3.321  3.507  3.82   3.824  2.85   2.788  2.689  2.838  3.425  1.511  1.186  3.351  0.     3.518  2.937  1.663  2.867  3.243  3.473  3.608  3.992  2.132]
 [ 3.202  3.756  3.641  3.351  3.587  3.915  2.869  2.897  2.652  2.869  3.491  1.348  1.173  3.666  3.065  0.     3.047  1.9    2.972  3.362  3.743  3.775  3.963  2.017]
 [ 2.846  3.007  2.913  3.941  3.629  3.502  3.059  3.771  2.991  3.025  3.54   2.044  1.89   3.303  2.816  3.007  0.     2.604  3.149  2.869  3.124  3.252  3.969  2.216]
 [ 3.159  3.604  3.498  3.792  3.996  3.997  2.768  2.919  2.394  2.787  3.193  1.749  1.667  3.635  3.408  3.604  2.825  0.     2.772  3.491  3.615  3.938  4.062  3.182]
 [ 2.592  2.98   2.919  3.946  3.567  3.794  2.882  3.767  2.65   2.875  3.537  1.96   1.921  3.487  2.82   2.98   3.178  2.592  0.     2.871  3.14   3.764  3.933  2.253]
 [ 2.864  3.659  3.495  3.391  3.723  3.884  2.866  2.801  2.678  2.854  3.444  1.439  1.176  3.505  3.067  3.659  2.96   1.7    2.908  0.     3.626  3.707  3.981  2.084]
 [ 3.124  3.739  3.629  3.478  3.598  3.913  2.953  2.947  2.771  2.922  3.533  1.432  1.168  3.653  3.037  3.739  3.132  1.976  3.087  3.329  0.     3.768  3.969  2.03 ]
 [ 3.062  3.732  3.573  3.812  3.581  3.903  3.188  2.78   3.281  3.133  3.697  1.721  0.887  3.569  2.97   3.732  3.2    1.549  3.485  3.307  3.704  0.     3.964  1.959]
 [ 2.181  3.49   3.358  3.989  3.563  3.768  3.357  3.852  3.46   3.298  3.842  1.713  0.798  3.499  2.628  3.49   3.672  1.569  3.58   2.955  3.501  3.531  0.     1.427]
 [ 2.868  3.589  3.255  2.982  4.061  3.968  2.582  2.312  2.408  2.604  3.167  1.322  1.288  3.238  3.308  3.589  2.54   1.415  2.498  3.444  3.51   3.634  4.063  0.   ]]

Ranking:
1. "kandori.Strategy18" -> セッションを重率1で平均: 3.354, ステージゲームを重率1で平均: 3.220
2. "kandori.Strategy13" -> セッションを重率1で平均: 3.326, ステージゲームを重率1で平均: 3.182
3. "kandori.Strategy22" -> セッションを重率1で平均: 3.259, ステージゲームを重率1で平均: 3.121
4. "kandori.Strategy14" -> セッションを重率1で平均: 3.259, ステージゲームを重率1で平均: 3.123
5. "kandori.Strategy1" -> セッションを重率1で平均: 3.256, ステージゲームを重率1で平均: 3.132
6. "kandori.Strategy3" -> セッションを重率1で平均: 3.240, ステージゲームを重率1で平均: 3.082
7. "kandori.Strategy21" -> セッションを重率1で平均: 3.238, ステージゲームを重率1で平均: 3.084
8. "kandori.Strategy2" -> セッションを重率1で平均: 3.216, ステージゲームを重率1で平均: 3.055
9. "kandori.Strategy16" -> セッションを重率1で平均: 3.216, ステージゲームを重率1で平均: 3.055
10. "kandori.Strategy17" -> セッションを重率1で平均: 3.216, ステージゲームを重率1で平均: 3.064
11. "kandori.Strategy19" -> セッションを重率1で平均: 3.213, ステージゲームを重率1で平均: 3.061
12. "kandori.Strategy6" -> セッションを重率1で平均: 3.198, ステージゲームを重率1で平均: 3.056
13. "kandori.Strategy12" -> セッションを重率1で平均: 3.197, ステージゲームを重率1で平均: 3.046
14. "kandori.Strategy20" -> セッションを重率1で平均: 3.193, ステージゲームを重率1で平均: 3.020
15. "kandori.Strategy4" -> セッションを重率1で平均: 3.191, ステージゲームを重率1で平均: 3.086
16. "kandori.Strategy23" -> セッションを重率1で平均: 3.189, ステージゲームを重率1で平均: 3.066
17. "kandori.Strategy7" -> セッションを重率1で平均: 3.167, ステージゲームを重率1で平均: 3.002
18. "kandori.Strategy15" -> セッションを重率1で平均: 3.161, ステージゲームを重率1で平均: 2.984
19. "kandori.Strategy11" -> セッションを重率1で平均: 3.160, ステージゲームを重率1で平均: 3.004
20. "kandori.Strategy24" -> セッションを重率1で平均: 3.159, ステージゲームを重率1で平均: 2.941
21. "kandori.Strategy10" -> セッションを重率1で平均: 3.158, ステージゲームを重率1で平均: 2.989
22. "kandori.Strategy8" -> セッションを重率1で平均: 3.122, ステージゲームを重率1で平均: 3.104
23. "kandori.Strategy9" -> セッションを重率1で平均: 3.088, ステージゲームを重率1で平均: 2.963
24. "kandori.Strategy5" -> セッションを重率1で平均: 3.073, ステージゲームを重率1で平均: 2.903

Summary

Datetime 2015-12-05-01-07-37
Monitoring type private
RandomSeed 282
Repeats 1000
Average ts_length 32.856
Number of strategies 24
Str No. Strategy name Average(session based) Rank(session based) Average(stage based) Rank(trimmed) 備考
18 kandori.Strategy18 3.35352416 1 3.219810292 1 WSLS'
13 kandori.Strategy13 3.326308014 2 3.182248494 2 CCDDDD
22 kandori.Strategy22 3.259068663 3 3.121244482 4
14 kandori.Strategy14 3.258886509 4 3.122727237 3 WSLS'
1 kandori.Strategy1 3.256299103 5 3.132024724 5
3 kandori.Strategy3 3.240387724 6 3.082433491 6 WSLS'
21 kandori.Strategy21 3.238405281 7 3.083776638 7 WSLS'
2 kandori.Strategy2 3.215812884 8 3.054822228 9 WSLS
16 kandori.Strategy16 3.215812884 9 3.054822228 10 WSLS
17 kandori.Strategy17 3.215547504 10 3.063675088 8 TFT'
19 kandori.Strategy19 3.213334955 11 3.06115156 11 TFT
6 kandori.Strategy6 3.197763649 12 3.056192503 12 WSLS'
12 kandori.Strategy12 3.197073568 13 3.045809911 16
20 kandori.Strategy20 3.192768288 14 3.020367533 13 WSLS'
4 kandori.Strategy4 3.191465329 15 3.086214152 14
23 kandori.Strategy23 3.188569289 16 3.06617612 15
7 kandori.Strategy7 3.166979223 17 3.001625671 17 TFT'
15 kandori.Strategy15 3.161225612 18 2.983885545 19 WSLS'
11 kandori.Strategy11 3.159787981 19 3.004255063 18 TFT'
24 kandori.Strategy24 3.158548933 20 2.940998137 21
10 kandori.Strategy10 3.157508886 21 2.988733446 20 TFT'
8 kandori.Strategy8 3.121529725 22 3.104081314 22 HIST
9 kandori.Strategy9 3.088360193 23 2.962527525 24 STFT
5 kandori.Strategy5 3.072941197 24 2.902704555 23
average3.2019962313.055929497

CCDDDD: 最初2期はC, それ以降はDを出す戦略
STFT: 最初にDを出すTit for Tat
HIST: 過去n回以上シグナルBが出た場合はD, それ以外はCを出す戦略
WSLS: Win Stay Lose Shift. オートマトンで書くと
となる。
WSLS': WSLSに確率や状態を追加したもの.

神取ゼミの本実験と, 尾山ゼミでの再実験の比較

順位 本実験 再実験
戦略 利得 戦略 利得
1 18 3.356 18 3.354
2 13 3.316 13 3.326
3 22 3.263 22 3.259
4 14 3.260 14 3.259
5 1 3.255 1 3.256
6 3 3.238 3 3.240
7 21 3.227 21 3.238
8 16 3.217 2 3.216
9 19 3.217 16 3.216
10 2 3.217 17 3.216
11 17 3.215 19 3.213
12 6 3.205 6 3.198
13 4 3.192 12 3.197
14 23 3.190 20 3.193
15 12 3.187 4 3.191
16 20 3.187 23 3.189
17 11 3.164 7 3.167
18 7 3.161 15 3.161
19 15 3.151 11 3.160
20 10 3.148 24 3.159
21 24 3.140 10 3.158
22 8 3.129 8 3.122
23 9 3.084 9 3.088
24 5 3.048 5 3.073

戦略別, セッション平均の分布





In [15]:



    


rounds = 1000 * 2
strategies = 24
max_ts = 100

# 読み込み
df = pd.read_csv('./contest4/data/set_result.csv', index_col=[0, 1], header=[0, 1])

# 行: プレイヤー, 列: 1000*2セッション分の平均利得
average_matrix = np.zeros((rounds*(strategies-1), strategies), dtype=float)

for s in range(1, strategies+1):
    for i, opponent in enumerate(df[str(s)].columns.values):
        average_matrix[i*rounds:(i+1)*rounds, s-1] = df[str(s)][str(opponent)]

averages = np.zeros(strategies, dtype=float)
stds = np.zeros(strategies, dtype=float)
ranking = np.zeros(strategies, dtype=int)
for i in range(strategies):
    averages[i] = average_matrix[:, i].mean()
    stds[i] = average_matrix[:, i].std()
ranking = np.argsort(averages)[::-1]+1

fig, ax = plt.subplots(figsize=(22, 12))
bp = ax.boxplot(average_matrix, 0, '')
plt.grid()
plt.xlabel('戦略番号')
plt.ylabel('1セッションの平均利得')
ax.set_xlim([0, strategies+0.5])
ax.set_ylim([-0.1, 5.8])
plt.title('戦略別, 全セッションの平均利得の分布')
ax.text(0.1, 5.3, "ranking\nave\nstd", ha = 'center', va = 'center', color="black", size=14)
for i in range(strategies):
    ax.text(i+1, 5.3, "{0:.0f}\n{1:.3f}\n{2:.3f}"
            .format(np.where(ranking == i+1)[0][0]+1, averages[i], stds[i]), ha = 'center', va = 'center', color="black", size=14)

plt.show()

基本統計量

Str No. 1 2 3 4 5 6 7 8 9 10 11 12
ranking 5 8 6 15 24 12 17 22 23 21 19 13
count 46000 46000 46000 46000 46000 46000 46000 46000 46000 46000 46000 46000
mean 3.256299 3.215813 3.240388 3.191465 3.072941 3.197764 3.166979 3.12153 3.08836 3.157509 3.159788 3.197074
std 0.837516 0.879935 0.850714 0.855328 0.974213 0.939815 0.765376 0.953146 0.818489 0.76951 0.845308 0.690475
min 0 0 0 0 0 0 0 0 1 0 0 0
25% 2.694303 2.705882 2.704918 2.658537 2.666667 2.864865 2.6 2.6 2.4 2.6 2.515152 2.7
50% 3.548387 3.541918 3.5625 3.466667 3.303571 3.52381 3.210526 3.416667 2.9375 3.195122 3.378078 3.194444
75% 4 3.964286 3.969697 4 4 4 3.947368 4 3.777778 3.923077 4 3.545455
max 4.923077 4.916667 4.909091 4.166667 4.25 4.777778 4.75 4.104895 5 4.75 4.333333 4.777778
Str No. 13 14 15 16 17 18 19 20 21 22 23 24
ranking 2 4 18 9 10 1 11 14 7 3 16 20
count 46000 46000 46000 46000 46000 46000 46000 46000 46000 46000 46000 46000
mean 3.326308 3.258887 3.161226 3.215813 3.215548 3.353524 3.213335 3.192768 3.238405 3.259069 3.188569 3.158549
std 0.714311 0.847242 0.874287 0.879935 0.753468 0.742637 0.748892 0.878785 0.870167 0.896169 0.963549 0.937062
min 0 0 0 0 0 0 0 0 0 0 0 1
25% 2.75 2.875 2.68265 2.705882 2.661578 2.892204 2.611111 2.692308 2.769231 2.95 2.846154 2.522727
50% 3.466667 3.55 3.375 3.541918 3.333333 3.571429 3.333333 3.482759 3.555556 3.587932 3.533333 3.325581
75% 3.97619 4 3.849486 3.964286 4 4 4 3.909091 4 3.965517 4 3.742424
max 4.875 4.916667 4.909091 4.916667 4.4 4.923077 4.666667 4.916667 4.916667 4.916667 4.2 5

期数による平均利得の変化





In [16]:



    


rounds = 1000 * 2
strategies = 24
max_ts = 100

# 読み込み
df = pd.read_csv('./contest4/data/set_result.csv', index_col=[0, 1], header=[0, 1])

# ts_lengthの長い順に並び替え
ordered_df = df.sortlevel(level="ts_length")

# 行: プレイヤー, 列: ts_lengthが1〜100期の時の平均利得
average_matrix = np.zeros((strategies, max_ts), dtype=float)

for t in range(1, max_ts+1):
    df_t = df.iloc[df.index.get_level_values('ts_length') == t]
    for s in range(1, strategies+1):
        average = df_t[str(s)].mean().mean()
        average_matrix[s-1, t-1] = average

fig, ax = plt.subplots(figsize=(20, 10))
plt.title("average payoff trend")
plt.xlabel("ts_length")
plt.ylabel("average payoff")
t_list = [i for i in range(1, max_ts+1)]

for s in range(1, strategies+1):
    if s in [18, 13, 2, 19, 9]:
        pass
    else:
        average_list = average_matrix[s-1]
        plt.plot(t_list, average_list, color='#bbbbbb')

plt.plot(t_list, average_matrix[18-1], color='red', linewidth=2, label="18 (WSLS’)")
plt.plot(t_list, average_matrix[13-1], color='orange', linewidth=2, label="13 (CCDDDD)")
plt.plot(t_list, average_matrix[2-1], color='blue', linewidth=2, label="2 (WSLS)")
plt.plot(t_list, average_matrix[19-1], color='green', linewidth=2, label="19 (TFT)")
plt.plot(t_list, average_matrix[9-1], color='purple', linewidth=2, label="9 (STFT)")
plt.legend()
plt.show()

1位になったWSLS'（Strategy18）は、WSLSをよりALLDに強くしたもの（後述）。2位はALLD。
Strategy18:

トリム平均

セッション・ベース平均から、期数の短いセッション・長いセッションそれぞれ5%ずつを除外して平均を求める
※区間の端にタイがある場合は、重みを調整する（例: 48位: 1, 49位: 2, 50位: 2, 51位: 2, 52位: 3なら、49位〜51位の平均利得の和を1/3倍して計算する）





In [20]:



    


def trim_mean(ts_length, aves, width):
    size = ts_length.size
    hist = {}
    for t in ts_length:
        hist[t] = hist.get(t, 0) + 1

    lower_b = size * (1-width) / 2
    upper_b = size * (1 - (1-width)/2)

    s = 0
    total = 0
    for ts, num in sorted(hist.items()):
        old_s = s
        s += num
        if old_s <= lower_b < s:
            total += (s-lower_b) * aves[ts-1]

        elif old_s <= upper_b < s:
            total += (upper_b-old_s+1) * aves[ts-1]

        elif lower_b <= s <= upper_b:
            total += num * aves[ts-1]

        elif s > upper_b:
            break

    return total / (size * width)

rounds = 1000 * 2
strategies = 24
max_ts = ts_length.max()
    
# 読み込み
df = pd.read_csv('./contest4/data/set_result.csv', index_col=[0, 1], header=[0, 1])

# ts_lengthの長い順に並び替え
ordered_df = df.sortlevel(level="ts_length")

# 行: プレイヤー, 列: ts_lengthが1〜max期の時の平均利得
average_matrix = np.zeros((strategies, max_ts), dtype=float)
for t in range(1, max_ts+1):
    df_t = df.iloc[df.index.get_level_values('ts_length') == t]
    for s in range(1, strategies+1):
        average = df_t[str(s)].mean().mean()
        average_matrix[s-1, t-1] = average

for i in range(strategies):
    print(trim_mean(ts_length, average_matrix[i], 0.9))



    


















    






3.25028511707
3.21096357851
3.23663967616
3.18188857519
3.06308019426
3.19319331055
3.15884430904
3.09671877158
3.03083932669
3.14890921282
3.15402173936
3.1780469466
3.32768294501
3.25616068341
3.15145888378
3.21096357851
3.21302083987
3.35422360163
3.20715433858
3.18669779767
3.23519375673
3.25493501108
3.18058918396
3.10146601311
Str No. Average(session based) Rank(session based) Average(stage based) Rank(stage based) Average(90% trimmed) Rank(trimmed) 備考
18 3.35352416 1 3.219810292 1 3.354223602 1 WSLS'
13 3.326308014 2 3.182248494 2 3.327682945 2 CCDDDD
22 3.259068663 3 3.121244482 5 3.254935011 4
14 3.258886509 4 3.122727237 4 3.256160683 3 WSLS'
1 3.256299103 5 3.132024724 3 3.250285117 5
3 3.240387724 6 3.082433491 9 3.236639676 6 WSLS'
21 3.238405281 7 3.083776638 8 3.235193757 7 WSLS'
2 3.215812884 8 3.054822228 14 3.210963579 9 WSLS
16 3.215812884 9 3.054822228 15 3.210963579 10 WSLS
17 3.215547504 10 3.063675088 11 3.21302084 8 TFT'
19 3.213334955 11 3.06115156 12 3.207154339 11 TFT
6 3.197763649 12 3.056192503 13 3.193193311 12 WSLS'
12 3.197073568 13 3.045809911 16 3.178046947 16
20 3.192768288 14 3.020367533 17 3.186697798 13 WSLS'
4 3.191465329 15 3.086214152 7 3.181888575 14
23 3.188569289 16 3.06617612 10 3.180589184 15
7 3.166979223 17 3.001625671 19 3.158844309 17 TFT'
15 3.161225612 18 2.983885545 21 3.151458884 19 WSLS'
11 3.159787981 19 3.004255063 18 3.154021739 18 TFT'
24 3.158548933 20 2.940998137 23 3.101466013 21
10 3.157508886 21 2.988733446 20 3.148909213 20 TFT'
8 3.121529725 22 3.104081314 6 3.096718772 22 HIST
9 3.088360193 23 2.962527525 22 3.030839327 24 STFT
5 3.072941197 24 2.902704555 24 3.063080194 23
average3.2019962313.0559294973.190957391

ほぼセッションベース平均と同じ。

Case5: imperfect private monitoring（尾山ゼミ+神取ゼミの戦略）

結果の生データ(csv)は contest5/data
戦略は user_strategies
戦略のオートマトンは contest5/automaton5.pdf





In [5]:



    


# 「相手の」シグナルが協調か攻撃かを（ノイズ付きで）返す
def private_signal(actions, random_state):
    pattern = [[0, 0], [0, 1], [1, 0], [1, 1]]
    # 例えば実際の行動が(0, 1)なら、シグナルは(1, 0)である可能性が最も高い
    signal_probs = [[.9, .02, .02, .06], [.02, .06, .9, .02], [.02, .9, .06, .02], [.06, .02, .02, .9]]
    p = random_state.uniform()
    if actions[0] == 0 and actions[1] == 0:
        return [0, 0] if p < 0.9 else [0, 1] if p < 0.92 else [1, 0] if p < 0.94 else [1, 1]
    elif actions[0] == 0 and actions[1] == 1:
        return [1, 0] if p < 0.9 else [0, 0] if p < 0.92 else [1, 1] if p < 0.94 else [0, 1]
    elif actions[0] == 1 and actions[1] == 0:
        return [0, 1] if p < 0.9 else [1, 1] if p < 0.92 else [0, 0] if p < 0.94 else [1, 0]
    elif actions[0] == 1 and actions[1] == 1:
        return [1, 1] if p < 0.9 else [1, 0] if p < 0.92 else [0, 1] if p < 0.94 else [0, 0]
    else:
        raise ValueError

strategies = [Strategy1, Strategy2, Strategy3, Strategy4, Strategy5,
                    Strategy6, Strategy7, Strategy8, Strategy9, Strategy10,
                    Strategy11, Strategy12, Strategy13, Strategy14, Strategy15,
                    Strategy16, Strategy17, Strategy18, Strategy19, Strategy20, 
                    Strategy21, Strategy22, Strategy23, Strategy24, 
                    Iida_iprm, KatoStrategy, Self_Centered_private, ImPrivStrategy,
                    GrimTrigger, MyStrategy, beeleb, OyamaImperfectPrivateMonitoring, ogawa, yamagishi]
    
game = pl.RepeatedMatrixGame(payoff, strategies, signal=private_signal, ts_length=ts_length, repeat=1000)
game.play(mtype="private", random_seed=seed, record=False)



    


















    






Start
The object has 34 strategy functions below
--------------------------------------------------
1. kandori.Strategy1
2. kandori.Strategy2
3. kandori.Strategy3
4. kandori.Strategy4
5. kandori.Strategy5
6. kandori.Strategy6
7. kandori.Strategy7
8. kandori.Strategy8
9. kandori.Strategy9
10. kandori.Strategy10
11. kandori.Strategy11
12. kandori.Strategy12
13. kandori.Strategy13
14. kandori.Strategy14
15. kandori.Strategy15
16. kandori.Strategy16
17. kandori.Strategy17
18. kandori.Strategy18
19. kandori.Strategy19
20. kandori.Strategy20
21. kandori.Strategy21
22. kandori.Strategy22
23. kandori.Strategy23
24. kandori.Strategy24
25. Iida_imperfect_private.Iida_iprm
26. kato.KatoStrategy
27. ikegami_imperfect_private.Self_Centered_private
28. mhanami_Imperfect_Private_Strategy.ImPrivStrategy
29. tsuyoshi.GrimTrigger
30. gistfile1.MyStrategy
31. beeleb_Strategy.beeleb
32. oyama.OyamaImperfectPrivateMonitoring
33. ogawa.ogawa
34. yamagishi_impd.yamagishi
--------------------------------------------------
Repeats: 1000
Total time series length: 32856

Score table:
各セッションを重率1で平均した得点
[[ 0.     3.703  3.614 ...,  3.45   3.291  3.162]
 [ 3.533  0.     3.686 ...,  3.388  3.225  3.218]
 [ 3.538  3.777  0.    ...,  3.365  3.208  3.212]
 ..., 
 [ 3.249  3.207  3.149 ...,  0.     3.407  3.415]
 [ 3.08   3.169  3.079 ...,  3.506  0.     3.39 ]
 [ 3.074  3.241  3.2   ...,  3.525  3.48   0.   ]]

各ステージゲームを重率1で平均した得点
[[ 0.     3.652  3.533 ...,  3.091  2.788  2.79 ]
 [ 3.202  0.     3.641 ...,  3.082  2.566  2.972]
 [ 3.251  3.746  0.    ...,  3.05   2.572  2.944]
 ..., 
 [ 2.834  2.976  2.886 ...,  0.     2.909  3.217]
 [ 2.711  3.082  2.966 ...,  3.134  0.     3.048]
 [ 2.592  2.98   2.919 ...,  3.292  3.008  0.   ]]

Ranking:
1. "ikegami_imperfect_private.Self_Centered_private" -> セッションを重率1で平均: 3.368, ステージゲームを重率1で平均: 3.220
2. "mhanami_Imperfect_Private_Strategy.ImPrivStrategy" -> セッションを重率1で平均: 3.349, ステージゲームを重率1で平均: 3.216
3. "Iida_imperfect_private.Iida_iprm" -> セッションを重率1で平均: 3.330, ステージゲームを重率1で平均: 3.153
4. "kandori.Strategy18" -> セッションを重率1で平均: 3.292, ステージゲームを重率1で平均: 3.085
5. "kandori.Strategy17" -> セッションを重率1で平均: 3.283, ステージゲームを重率1で平均: 3.111
6. "kandori.Strategy4" -> セッションを重率1で平均: 3.283, ステージゲームを重率1で平均: 3.158
7. "kandori.Strategy19" -> セッションを重率1で平均: 3.277, ステージゲームを重率1で平均: 3.107
8. "yamagishi_impd.yamagishi" -> セッションを重率1で平均: 3.277, ステージゲームを重率1で平均: 3.107
9. "gistfile1.MyStrategy" -> セッションを重率1で平均: 3.267, ステージゲームを重率1で平均: 3.116
10. "tsuyoshi.GrimTrigger" -> セッションを重率1で平均: 3.264, ステージゲームを重率1で平均: 3.085
11. "kandori.Strategy1" -> セッションを重率1で平均: 3.262, ステージゲームを重率1で平均: 3.077
12. "kandori.Strategy23" -> セッションを重率1で平均: 3.262, ステージゲームを重率1で平均: 3.107
13. "kandori.Strategy11" -> セッションを重率1で平均: 3.260, ステージゲームを重率1で平均: 3.099
14. "oyama.OyamaImperfectPrivateMonitoring" -> セッションを重率1で平均: 3.256, ステージゲームを重率1で平均: 3.087
15. "kandori.Strategy14" -> セッションを重率1で平均: 3.253, ステージゲームを重率1で平均: 3.058
16. "ogawa.ogawa" -> セッションを重率1で平均: 3.248, ステージゲームを重率1で平均: 3.083
17. "beeleb_Strategy.beeleb" -> セッションを重率1で平均: 3.246, ステージゲームを重率1で平均: 3.117
18. "kandori.Strategy8" -> セッションを重率1で平均: 3.240, ステージゲームを重率1で平均: 3.180
19. "kandori.Strategy22" -> セッションを重率1で平均: 3.231, ステージゲームを重率1で平均: 3.034
20. "kandori.Strategy6" -> セッションを重率1で平均: 3.225, ステージゲームを重率1で平均: 3.030
21. "kandori.Strategy7" -> セッションを重率1で平均: 3.225, ステージゲームを重率1で平均: 3.038
22. "kandori.Strategy13" -> セッションを重率1で平均: 3.224, ステージゲームを重率1で平均: 3.020
23. "kandori.Strategy21" -> セッションを重率1で平均: 3.216, ステージゲームを重率1で平均: 3.000
24. "kandori.Strategy10" -> セッションを重率1で平均: 3.214, ステージゲームを重率1で平均: 3.022
25. "kandori.Strategy3" -> セッションを重率1で平均: 3.207, ステージゲームを重率1で平均: 2.985
26. "kato.KatoStrategy" -> セッションを重率1で平均: 3.194, ステージゲームを重率1で平均: 3.033
27. "kandori.Strategy16" -> セッションを重率1で平均: 3.187, ステージゲームを重率1で平均: 2.962
28. "kandori.Strategy2" -> セッションを重率1で平均: 3.187, ステージゲームを重率1で平均: 2.962
29. "kandori.Strategy12" -> セッションを重率1で平均: 3.182, ステージゲームを重率1で平均: 2.985
30. "kandori.Strategy5" -> セッションを重率1で平均: 3.152, ステージゲームを重率1で平均: 2.947
31. "kandori.Strategy20" -> セッションを重率1で平均: 3.149, ステージゲームを重率1で平均: 2.918
32. "kandori.Strategy9" -> セッションを重率1で平均: 3.132, ステージゲームを重率1で平均: 2.986
33. "kandori.Strategy15" -> セッションを重率1で平均: 3.118, ステージゲームを重率1で平均: 2.887
34. "kandori.Strategy24" -> セッションを重率1で平均: 3.018, ステージゲームを重率1で平均: 2.755

Summary

Datetime 2015-11-30-18-01-45
Monitoring type private
RandomSeed 282
Repeats 1000
Average ts_length 32.856
Number of strategies 34
Str No. Strategy name Average(session based) Rank(session based) Average(stage based) Rank(stage based) 備考
27 ikegami_imperfect_private.Self_Centered_private 3.36832832 1 3.220361024 1 20%
28 mhanami_Imperfect_Private_Strategy.ImPrivStrategy 3.348553889 2 3.216393297 2 2T2FT
25 Iida_imperfect_private.Iida_iprm 3.32968985 3 3.15335652 5
18 kandori.Strategy18 3.292214224 4 3.084777652 15 WSLS'
17 kandori.Strategy17 3.283194443 5 3.11118305 8 TFT'
4 kandori.Strategy4 3.282928401 6 3.158213803 4
19 kandori.Strategy19 3.277143381 7 3.106785994 10 TFT
34 yamagishi_impd.yamagishi 3.277143381 8 3.106785994 11 TFT
30 gistfile1.MyStrategy 3.266900169 9 3.116454907 7 TFT'
29 tsuyoshi.GrimTrigger 3.26353101 10 3.085325036 14 TFT'
1 kandori.Strategy1 3.261856949 11 3.076891541 17
23 kandori.Strategy23 3.261667595 12 3.107009651 9
11 kandori.Strategy11 3.260228791 13 3.098884204 12 TFT'
32 oyama.OyamaImperfectPrivateMonitoring 3.255871528 14 3.087366082 13 TFT'
14 kandori.Strategy14 3.25337761 15 3.058440504 18 WSLS'
33 ogawa.ogawa 3.247716335 16 3.083111982 16
31 beeleb_Strategy.beeleb 3.245998144 17 3.117079764 6
8 kandori.Strategy8 3.239536248 18 3.180036763 3 HIST
22 kandori.Strategy22 3.231422435 19 3.033872324 20
6 kandori.Strategy6 3.225318551 20 3.030270289 22 WSLS'
7 kandori.Strategy7 3.225300065 21 3.037891239 19 TFT'
13 kandori.Strategy13 3.223658906 22 3.020115324 24 CCDDDD
21 kandori.Strategy21 3.216136749 23 2.999892552 25 WSLS'
10 kandori.Strategy10 3.214150715 24 3.022255517 23 TFT'
3 kandori.Strategy3 3.207011964 25 2.984919502 27 WSLS'
26 kato.KatoStrategy 3.193996582 26 3.032555744 21
16 kandori.Strategy16 3.186837934 27 2.962482753 29 WSLS
2 kandori.Strategy2 3.186837934 28 2.962482753 30 WSLS
12 kandori.Strategy12 3.182024045 29 2.98471429 28
5 kandori.Strategy5 3.151694623 30 2.947040253 31
20 kandori.Strategy20 3.149316992 31 2.918115136 32 WSLS'
9 kandori.Strategy9 3.131695859 32 2.986149848 26 STFT
15 kandori.Strategy15 3.118259636 33 2.886726561 33 WSLS'
24 kandori.Strategy24 3.017841689 34 2.754503121 34
average3.2316877933.050954264

戦略別, セッション平均の分布





In [17]:



    


rounds = 1000 * 2
strategies = 34
max_ts = 100

# 読み込み
df = pd.read_csv('./contest5/data/set_result.csv', index_col=[0, 1], header=[0, 1])

# 行: プレイヤー, 列: 1000*2セッション分の平均利得
average_matrix = np.zeros((rounds*(strategies-1), strategies), dtype=float)

for s in range(1, strategies+1):
    for i, opponent in enumerate(df[str(s)].columns.values):
        average_matrix[i*rounds:(i+1)*rounds, s-1] = df[str(s)][str(opponent)]

averages = np.zeros(strategies, dtype=float)
stds = np.zeros(strategies, dtype=float)
ranking = np.zeros(strategies, dtype=int)
for i in range(strategies):
    averages[i] = average_matrix[:, i].mean()
    stds[i] = average_matrix[:, i].std()
ranking = np.argsort(averages)[::-1]+1

fig, ax = plt.subplots(figsize=(28, 12))
bp = ax.boxplot(average_matrix, 0, '')
plt.grid()
plt.xlabel('戦略番号')
plt.ylabel('1セッションの平均利得')
ax.set_xlim([0, strategies+0.5])
ax.set_ylim([-0.1, 5.8])
plt.title('戦略別, 全セッションの平均利得の分布')
ax.text(0.1, 5.3, "ranking\nave\nstd", ha = 'center', va = 'center', color="black", size=14)
for i in range(strategies):
    ax.text(i+1, 5.3, "{0:.0f}\n{1:.3f}\n{2:.3f}"
            .format(np.where(ranking == i+1)[0][0]+1, averages[i], stds[i]), ha = 'center', va = 'center', color="black", size=14)

plt.show()

基本統計量

Str No. 1 2 3 4 5 6 7 8 9 10 11 12
rank 11 28 25 6 30 20 21 18 32 24 13 29
count 66000 66000 66000 66000 66000 66000 66000 66000 66000 66000 66000 66000
mean 3.261857 3.186838 3.207012 3.282928 3.151695 3.225319 3.2253 3.239536 3.131696 3.214151 3.260229 3.182024
std 0.820985 0.901844 0.871601 0.838379 0.971843 0.941597 0.764253 0.904268 0.847703 0.771735 0.815696 0.743275
min 0 0 0 0 0 0 0 0 1 0 0 0
25% 2.67681 2.627406 2.638741 2.736842 2.7 2.863481 2.650262 2.701754 2.407407 2.638889 2.666667 2.6
50% 3.535401 3.514286 3.52 3.6 3.375 3.56697 3.309091 3.578947 3 3.285714 3.51835 3.16
75% 4 4 4 4 4 4 4 4 3.894737 4 4 3.641026
max 4.923077 4.916667 4.909091 4.166667 4.25 4.777778 4.75 4.111111 5 4.75 4.333333 4.818182
Str No. 13 14 15 16 17 18 19 20 21 22 23 24
rank 22 15 33 27 5 4 7 31 23 19 12 34
count 66000 66000 66000 66000 66000 66000 66000 66000 66000 66000 66000 66000
mean 3.223659 3.253378 3.11826 3.186838 3.283194 3.292214 3.277143 3.149317 3.216137 3.231422 3.261668 3.017842
std 0.734062 0.861139 0.900098 0.901844 0.741322 0.766913 0.738413 0.90132 0.886843 0.927439 0.946034 1.013924
min 0 0 0 0 0 0 0 0 0 0 0 1
25% 2.583333 2.833333 2.585366 2.627406 2.714286 2.72093 2.681818 2.6 2.703019 2.861538 2.918919 2.333333
50% 3.333333 3.555556 3.333333 3.514286 3.457143 3.520833 3.454545 3.416667 3.538462 3.578947 3.627451 3.153846
75% 3.85 4 3.857143 4 4 4 4 3.916667 4 4 4 3.666667
max 4.894737 4.916667 4.909091 4.916667 4.4 4.923077 4.666667 4.916667 4.923077 4.933333 4.2 5
Str No. 25 26 27 28 29 30 31 32 33 34
rank 3 26 1 2 10 9 17 14 16 8
count 66000 66000 66000 66000 66000 66000 66000 66000 66000 66000
mean 3.32969 3.193997 3.368328 3.348554 3.263531 3.2669 3.245998 3.255872 3.247716 3.277143
std 0.746131 0.760182 0.690123 0.700335 0.857724 0.879561 0.856646 0.793313 0.779358 0.738413
min 0 0 0 0 0 0 0 0 0 0
25% 2.9 2.577778 2.829268 2.888889 2.857143 2.75 2.608696 2.692308 2.680851 2.681818
50% 3.458333 3.214286 3.531915 3.507692 3.555556 3.604167 3.58209 3.47619 3.41791 3.454545
75% 4 3.794118 4 4 4 4 4 4 4 4
max 4.9 4.8 4.923077 4.4 4.923077 4.25 4.1 4.9 4.5 4.666667

期数による平均利得の変化





In [18]:



    


rounds = 1000 * 2
strategies = 34
max_ts = 100

# 読み込み
df = pd.read_csv('./contest5/data/set_result.csv', index_col=[0, 1], header=[0, 1])

# ts_lengthの長い順に並び替え
ordered_df = df.sortlevel(level="ts_length")

# 行: プレイヤー, 列: ts_lengthが1〜100期の時の平均利得
average_matrix = np.zeros((strategies, max_ts), dtype=float)

for t in range(1, max_ts+1):
    df_t = df.iloc[df.index.get_level_values('ts_length') == t]

    for s in range(1, strategies+1):
        average = df_t[str(s)].mean().mean()
        average_matrix[s-1, t-1] = average

fig, ax = plt.subplots(figsize=(20, 10))
plt.title("average payoff trend")
plt.xlabel("ts_length")
plt.ylabel("average payoff")
t_list = [i for i in range(1, max_ts+1)]

for s in range(1, strategies+1):
    if s in [27, 28, 18, 13, 9, 8]:
        pass
    else:
        average_list = average_matrix[s-1]
        plt.plot(t_list, average_list, color='#bbbbbb')

plt.plot(t_list, average_matrix[27-1], color='red', linewidth=2, label="27 (20%)")
plt.plot(t_list, average_matrix[28-1], color='blue', linewidth=2, label="28 (2T2FT)")
plt.plot(t_list, average_matrix[19-1], color='magenta', linewidth=2, label="19 (TFT)")
plt.plot(t_list, average_matrix[18-1], color='green', linewidth=2, label="18 (WSLS’)")
plt.plot(t_list, average_matrix[13-1], color='purple', linewidth=2, label="13 (CCDDDD)")
plt.plot(t_list, average_matrix[9-1], color='brown', linewidth=2, label="9 (STFT)")
plt.plot(t_list, average_matrix[8-1], color='orange', linewidth=2, label="8 (HIST)")

plt.legend()
plt.show()

トリム平均

セッション・ベース平均から、期数の短いセッション・長いセッションそれぞれ5%ずつを除外して平均を求める





In [19]:



    


def trim_mean(ts_length, aves, width):
    size = ts_length.size
    hist = {}
    for t in ts_length:
        hist[t] = hist.get(t, 0) + 1

    lower_b = size * (1-width) / 2
    upper_b = size * (1 - (1-width)/2)

    s = 0
    total = 0
    for ts, num in sorted(hist.items()):
        old_s = s
        s += num
        if old_s <= lower_b < s:
            total += (s-lower_b) * aves[ts-1]

        elif old_s <= upper_b < s:
            total += (upper_b-old_s+1) * aves[ts-1]

        elif lower_b <= s <= upper_b:
            total += num * aves[ts-1]

        elif s > upper_b:
            break

    return total / (size * width)


rounds = 1000 * 2
strategies = 34
max_ts = ts_length.max()
    
# 読み込み
df = pd.read_csv('./contest5/data/set_result.csv', index_col=[0, 1], header=[0, 1])

# ts_lengthの長い順に並び替え
ordered_df = df.sortlevel(level="ts_length")

# 行: プレイヤー, 列: ts_lengthが1〜max期の時の平均利得
average_matrix = np.zeros((strategies, max_ts), dtype=float)
for t in range(1, max_ts+1):
    df_t = df.iloc[df.index.get_level_values('ts_length') == t]
    for s in range(1, strategies+1):
        average = df_t[str(s)].mean().mean()
        average_matrix[s-1, t-1] = average

for i in range(strategies):
    print(trim_mean(ts_length, average_matrix[i], 0.9))



    


















    






3.25836725707
3.18221523428
3.20307270078
3.27601772122
3.14555469052
3.22311223864
3.21824876442
3.2229728734
3.07622321391
3.20662985621
3.25599931942
3.16186412531
3.21869016874
3.25197005584
3.10642827444
3.18221523428
3.28166651639
3.29192924383
3.2717703079
3.14148753929
3.21351405913
3.22710146175
3.25718310891
2.95367429804
3.33064159671
3.17322680745
3.36569290401
3.34637606734
3.26061739471
3.261474645
3.23668854089
3.25168590556
3.24281557534
3.2717703079
Str No. Avarage(session based) Rank(session based) Avarage(stage based) Rank(stage based) Average(90% trimmed) Rank(trimmed) 備考
27 3.36832832 1 3.220361024 1 3.365692904 1 20%
28 3.348553889 2 3.216393297 2 3.346376067 2 2T2FT
25 3.32968985 3 3.15335652 5 3.330641597 3
18 3.292214224 4 3.084777652 15 3.291929244 4 WSLS'
17 3.283194443 5 3.11118305 8 3.281666516 5 TFT'
4 3.282928401 6 3.158213803 4 3.276017721 6
19 3.277143381 7 3.106785994 10 3.271770308 8 TFT
34 3.277143381 8 3.106785994 11 3.271770308 7 TFT
30 3.266900169 9 3.116454907 7 3.261474645 9 TFT'
29 3.26353101 10 3.085325036 14 3.260617395 10 TFT'
1 3.261856949 11 3.076891541 17 3.258367257 11
23 3.261667595 12 3.107009651 9 3.257183109 12
11 3.260228791 13 3.098884204 12 3.255999319 13 TFT'
32 3.255871528 14 3.087366082 13 3.251685906 15 TFT'
14 3.25337761 15 3.058440504 18 3.251970056 14 WSLS'
33 3.247716335 16 3.083111982 16 3.242815575 16
31 3.245998144 17 3.117079764 6 3.236688541 17
8 3.239536248 18 3.180036763 3 3.222972873 20 HIST
22 3.231422435 19 3.033872324 20 3.227101462 18
6 3.225318551 20 3.030270289 22 3.223112239 19 WSLS'
7 3.225300065 21 3.037891239 19 3.218248764 22 TFT'
13 3.223658906 22 3.020115324 24 3.218690169 21 CCDDDD
21 3.216136749 23 2.999892552 25 3.213514059 23 WSLS'
10 3.214150715 24 3.022255517 23 3.206629856 24 TFT'
3 3.207011964 25 2.984919502 27 3.203072701 25 WSLS'
26 3.193996582 26 3.032555744 21 3.173226807 28
16 3.186837934 27 2.962482753 29 3.182215234 27 WSLS
2 3.186837934 28 2.962482753 30 3.182215234 26 WSLS
12 3.182024045 29 2.98471429 28 3.161864125 29
5 3.151694623 30 2.947040253 31 3.145554691 30
20 3.149316992 31 2.918115136 32 3.141487539 31 WSLS'
9 3.131695859 32 2.986149848 26 3.076223214 33 STFT
15 3.118259636 33 2.886726561 33 3.106428274 32 WSLS'
24 3.017841689 34 2.754503121 34 2.953674298 34
average 3.231687793 3.050954264 3.222614647

セッション平均とほぼ同じ。

検証

検証1 TFT, WSLS, ALLDの関係

不完全私的観測の実験ではWSLSとTFTに類似した戦略が多く見られた。そこでこの2つとAllDの計3タイプの戦略で実験を行い、実験4, 5の結果を説明することを考える。

TFT×2, WSLS×2

まず、TFTを2つ、WSLSを2つの計4戦略でimperfect private monitoringの実験をする。





In [24]:



    


class TFT(object):
    def __init__(self, random_state=None):
        if random_state is None:
            random_state = np.random.RandomState()
        self.random_state = random_state
        self.signal = 0

    def play(self):
        return self.signal

    def get_signal(self, signal):
        self.signal = signal


class WSLS(object):
    def __init__(self, random_state=None):
        if random_state is None:
            random_state = np.random.RandomState()
        self.random_state = random_state
        self.my_action = 0
        self.signal = 0

    def play(self):
        if self.signal == 1:
            self.my_action = 1 - self.my_action
            return self.my_action
        else:
            return self.my_action

    def get_signal(self, signal):
        self.signal = signal
        

# 「相手の」シグナルが協調か攻撃かを（ノイズ付きで）返す
def private_signal(actions, random_state):
    pattern = [[0, 0], [0, 1], [1, 0], [1, 1]]
    # 例えば実際の行動が(0, 1)なら、シグナルは(1, 0)である可能性が最も高い
    signal_probs = [[.9, .02, .02, .06], [.02, .06, .9, .02], [.02, .9, .06, .02], [.06, .02, .02, .9]]
    p = random_state.uniform()
    if actions[0] == 0 and actions[1] == 0:
        return [0, 0] if p < 0.9 else [0, 1] if p < 0.92 else [1, 0] if p < 0.94 else [1, 1]
    elif actions[0] == 0 and actions[1] == 1:
        return [1, 0] if p < 0.9 else [0, 0] if p < 0.92 else [1, 1] if p < 0.94 else [0, 1]
    elif actions[0] == 1 and actions[1] == 0:
        return [0, 1] if p < 0.9 else [1, 1] if p < 0.92 else [0, 0] if p < 0.94 else [1, 0]
    elif actions[0] == 1 and actions[1] == 1:
        return [1, 1] if p < 0.9 else [1, 0] if p < 0.92 else [0, 1] if p < 0.94 else [0, 0]
    else:
        raise ValueError

strategies = [TFT, TFT, WSLS, WSLS]

game = pl.RepeatedMatrixGame(payoff, strategies, signal=private_signal, ts_length=ts_length, repeat=1000)
game.play(mtype="private", random_seed=seed, record=False)



    


















    






Start
The object has 4 strategy functions below
--------------------------------------------------
1. __main__.TFT
2. __main__.TFT
3. __main__.WSLS
4. __main__.WSLS
--------------------------------------------------
Repeats: 1000
Total time series length: 32856

Score table:
各セッションを重率1で平均した得点
[[ 0.     3.225  3.241  3.241]
 [ 3.225  0.     3.241  3.241]
 [ 3.218  3.218  0.     3.783]
 [ 3.218  3.218  3.783  0.   ]]

各ステージゲームを重率1で平均した得点
[[ 0.     2.965  2.98   2.98 ]
 [ 2.965  0.     2.98   2.98 ]
 [ 2.972  2.972  0.     3.756]
 [ 2.972  2.972  3.756  0.   ]]

Ranking:
1. "__main__.WSLS" -> セッションを重率1で平均: 3.406, ステージゲームを重率1で平均: 3.233
2. "__main__.WSLS" -> セッションを重率1で平均: 3.406, ステージゲームを重率1で平均: 3.233
3. "__main__.TFT" -> セッションを重率1で平均: 3.236, ステージゲームを重率1で平均: 2.975
4. "__main__.TFT" -> セッションを重率1で平均: 3.236, ステージゲームを重率1で平均: 2.975

スコアテーブル（セッション平均）

TFT TFT WSLS WSLS
TFT 0 3.225 3.241 3.241
TFT 3.225 0 3.241 3.241
WSLS 3.218 3.218 0 3.783
WSLS 3.218 3.218 3.783 0
  • WSLS: セッション平均: 3.406
  • TFT: セッション平均: 3.236

となって、WSLSの方が平均利得が高くなる。なぜ？

TFT:
WSLS:

(∵) WSLS, TFTともに、誤ったシグナルが伝わらない限りは協調を続ける。対戦を、

  • TFT vs TFT
  • WSLS vs TFT
  • WSLS vs WSLS

の3つに分類する。

  1. TFT vs TFT
    両方同時に間違ったシグナルが出た場合、次期以降は（次に誤ったシグナルが出るまで）両者ともずっとDを出し続ける。
    片方だけに間違ったシグナルが出た場合、次期以降は両者が交互にCとDを出す。

  2. WSLS vs TFT
    両方同時に誤ったシグナルが出た場合、次期以降、TFTはD→D→C→D→D→C→……、WSLSはD→C→D→D→C→D→…… という均衡になる。
    片方だけに間違ったシグナルが出た場合も、同様のパターンに落ち着く。

  3. WSLS vs WSLS
    両方同時に間違ったシグナルが出た場合、双方1回裏切りの後、再び協調に戻る。
    片方だけに間違ったシグナルが出た場合は、(C ,D)→(D, D)→(C, C)となって、ふたたび協調に戻る。

つまり、 WSLS vs WSLSはシグナルの間違いに強く同戦略同士での協調がしやすい ため、その両者の対戦のスコアが平均利得を押し上げたと考えられる。 実際、スコアテーブルを見れば、3の対戦だけが突出して平均利得が高くなっている（1と2のパターンの対戦スコアはほぼ同じ）

TFT×2, WSLS×2, ALLD

次に、上の実験にALLDを加え、TFT2つ、WSLS2つ、ALLD1つの計5戦略でimperfect private monitoringの実験をする。





In [25]:



    


class ALLD(object):
    def __init__(self, random_state=None):
        if random_state is None:
            random_state = np.random.RandomState()
        self.random_state = random_state

    def play(self):
        return 1

    def get_signal(self, signal):
        pass

    
strategies = [TFT, TFT, WSLS, WSLS, ALLD]
game = pl.RepeatedMatrixGame(payoff, strategies, signal=private_signal, ts_length=ts_length, repeat=1000)
game.play(mtype="private", random_seed=seed, record=False)



    


















    






Start
The object has 5 strategy functions below
--------------------------------------------------
1. __main__.TFT
2. __main__.TFT
3. __main__.WSLS
4. __main__.WSLS
5. __main__.ALLD
--------------------------------------------------
Repeats: 1000
Total time series length: 32856

Score table:
各セッションを重率1で平均した得点
[[ 0.     3.225  3.241  3.241  1.625]
 [ 3.225  0.     3.241  3.241  1.625]
 [ 3.218  3.218  0.     3.783  0.932]
 [ 3.218  3.218  3.783  0.     0.932]
 [ 2.562  2.562  3.602  3.602  0.   ]]

各ステージゲームを重率1で平均した得点
[[ 0.     2.965  2.98   2.98   1.78 ]
 [ 2.965  0.     2.98   2.98   1.78 ]
 [ 2.972  2.972  0.     3.756  0.984]
 [ 2.972  2.972  3.756  0.     0.984]
 [ 2.33   2.33   3.524  3.524  0.   ]]

Ranking:
1. "__main__.ALLD" -> セッションを重率1で平均: 3.082, ステージゲームを重率1で平均: 2.927
2. "__main__.TFT" -> セッションを重率1で平均: 2.833, ステージゲームを重率1で平均: 2.676
3. "__main__.TFT" -> セッションを重率1で平均: 2.833, ステージゲームを重率1で平均: 2.676
4. "__main__.WSLS" -> セッションを重率1で平均: 2.788, ステージゲームを重率1で平均: 2.671
5. "__main__.WSLS" -> セッションを重率1で平均: 2.788, ステージゲームを重率1で平均: 2.671

スコアテーブル:

TFT TFT WSLS WSLS ALLD
TFT 0 3.225 3.241 3.241 1.625
TFT 3.225 0 3.241 3.241 1.625
WSLS 3.218 3.218 0 3.783 0.932
WSLS 3.218 3.218 3.783 0 0.932
ALLD 2.562 2.562 3.602 3.602 0
  • ALLD: セッション平均 3.082
  • TFT: セッション平均 2.833
  • WSLS: セッション平均 2.788

TFT, WSLSとALLDの対戦を考える。

  1. TFT vs ALLD
    誤ったシグナルが出されないかぎり、TFTはC→D→D→D→……となる。
    誤ったシグナル（良いシグナル）がTFTに対して出た場合、TFTは1期協調した後、再び攻撃に戻る。結果、TFTの方がALLDよりもいくらか利得が少なくなる。

  2. WSLS vs ALLD
    WSLSは誤ったシグナルが出ないかぎり、ずっとC→D→C→D→……を繰り返す。したがって、WSLSはALLDに大きく利得を吸い取られる。

ALLDがWSLSの大きな弱点となっているため、WSLSとTFTだけのケースに比べ、上のゲームでは相対的にTFTの順位が高くなっている。

以上2つの結果を踏まえて、実験4と5の結果を解釈する。

実験4

集計表

実験4では、24戦略の内、TFTに類似した戦略が6、WSLSに類似した戦略が9、ALLDに類似した戦略が1つあった。
結果は1位がWSLSタイプ、2位がALLDタイプの戦略で、全体的にWSLSは高利得、TFTは低利得となった。それぞれのタイプの戦略で平均利得を集計すると、

戦略のタイプ 平均利得（セッション平均）
WSLS 3.230509666
TFT 3.166907904
ALLD 3.326308014

これを再現するためにTFT×6、WSLS×9、ALLD×1で実験をしてみると





In [26]:



    


strategies = [TFT, TFT, TFT, TFT, TFT, TFT, WSLS, WSLS, WSLS, WSLS, WSLS, WSLS, WSLS, WSLS, WSLS, ALLD]
game = pl.RepeatedMatrixGame(payoff, strategies, signal=private_signal, ts_length=ts_length, repeat=1000)
game.play(mtype="private", random_seed=seed, record=False)



    


















    






Start
The object has 16 strategy functions below
--------------------------------------------------
1. __main__.TFT
2. __main__.TFT
3. __main__.TFT
4. __main__.TFT
5. __main__.TFT
6. __main__.TFT
7. __main__.WSLS
8. __main__.WSLS
9. __main__.WSLS
10. __main__.WSLS
11. __main__.WSLS
12. __main__.WSLS
13. __main__.WSLS
14. __main__.WSLS
15. __main__.WSLS
16. __main__.ALLD
--------------------------------------------------
Repeats: 1000
Total time series length: 32856

Score table:
各セッションを重率1で平均した得点
[[ 0.     3.225  3.225  3.225  3.225  3.225  3.241  3.241  3.241  3.241
   3.241  3.241  3.241  3.241  3.241  1.625]
 [ 3.225  0.     3.225  3.225  3.225  3.225  3.241  3.241  3.241  3.241
   3.241  3.241  3.241  3.241  3.241  1.625]
 [ 3.225  3.225  0.     3.225  3.225  3.225  3.241  3.241  3.241  3.241
   3.241  3.241  3.241  3.241  3.241  1.625]
 [ 3.225  3.225  3.225  0.     3.225  3.225  3.241  3.241  3.241  3.241
   3.241  3.241  3.241  3.241  3.241  1.625]
 [ 3.225  3.225  3.225  3.225  0.     3.225  3.241  3.241  3.241  3.241
   3.241  3.241  3.241  3.241  3.241  1.625]
 [ 3.225  3.225  3.225  3.225  3.225  0.     3.241  3.241  3.241  3.241
   3.241  3.241  3.241  3.241  3.241  1.625]
 [ 3.218  3.218  3.218  3.218  3.218  3.218  0.     3.783  3.783  3.783
   3.783  3.783  3.783  3.783  3.783  0.932]
 [ 3.218  3.218  3.218  3.218  3.218  3.218  3.783  0.     3.783  3.783
   3.783  3.783  3.783  3.783  3.783  0.932]
 [ 3.218  3.218  3.218  3.218  3.218  3.218  3.783  3.783  0.     3.783
   3.783  3.783  3.783  3.783  3.783  0.932]
 [ 3.218  3.218  3.218  3.218  3.218  3.218  3.783  3.783  3.783  0.     3.783
   3.783  3.783  3.783  3.783  0.932]
 [ 3.218  3.218  3.218  3.218  3.218  3.218  3.783  3.783  3.783  3.783  0.
   3.783  3.783  3.783  3.783  0.932]
 [ 3.218  3.218  3.218  3.218  3.218  3.218  3.783  3.783  3.783  3.783
   3.783  0.     3.783  3.783  3.783  0.932]
 [ 3.218  3.218  3.218  3.218  3.218  3.218  3.783  3.783  3.783  3.783
   3.783  3.783  0.     3.783  3.783  0.932]
 [ 3.218  3.218  3.218  3.218  3.218  3.218  3.783  3.783  3.783  3.783
   3.783  3.783  3.783  0.     3.783  0.932]
 [ 3.218  3.218  3.218  3.218  3.218  3.218  3.783  3.783  3.783  3.783
   3.783  3.783  3.783  3.783  0.     0.932]
 [ 2.562  2.562  2.562  2.562  2.562  2.562  3.602  3.602  3.602  3.602
   3.602  3.602  3.602  3.602  3.602  0.   ]]

各ステージゲームを重率1で平均した得点
[[ 0.     2.965  2.965  2.965  2.965  2.965  2.98   2.98   2.98   2.98
   2.98   2.98   2.98   2.98   2.98   1.78 ]
 [ 2.965  0.     2.965  2.965  2.965  2.965  2.98   2.98   2.98   2.98
   2.98   2.98   2.98   2.98   2.98   1.78 ]
 [ 2.965  2.965  0.     2.965  2.965  2.965  2.98   2.98   2.98   2.98
   2.98   2.98   2.98   2.98   2.98   1.78 ]
 [ 2.965  2.965  2.965  0.     2.965  2.965  2.98   2.98   2.98   2.98
   2.98   2.98   2.98   2.98   2.98   1.78 ]
 [ 2.965  2.965  2.965  2.965  0.     2.965  2.98   2.98   2.98   2.98
   2.98   2.98   2.98   2.98   2.98   1.78 ]
 [ 2.965  2.965  2.965  2.965  2.965  0.     2.98   2.98   2.98   2.98
   2.98   2.98   2.98   2.98   2.98   1.78 ]
 [ 2.972  2.972  2.972  2.972  2.972  2.972  0.     3.756  3.756  3.756
   3.756  3.756  3.756  3.756  3.756  0.984]
 [ 2.972  2.972  2.972  2.972  2.972  2.972  3.756  0.     3.756  3.756
   3.756  3.756  3.756  3.756  3.756  0.984]
 [ 2.972  2.972  2.972  2.972  2.972  2.972  3.756  3.756  0.     3.756
   3.756  3.756  3.756  3.756  3.756  0.984]
 [ 2.972  2.972  2.972  2.972  2.972  2.972  3.756  3.756  3.756  0.     3.756
   3.756  3.756  3.756  3.756  0.984]
 [ 2.972  2.972  2.972  2.972  2.972  2.972  3.756  3.756  3.756  3.756  0.
   3.756  3.756  3.756  3.756  0.984]
 [ 2.972  2.972  2.972  2.972  2.972  2.972  3.756  3.756  3.756  3.756
   3.756  0.     3.756  3.756  3.756  0.984]
 [ 2.972  2.972  2.972  2.972  2.972  2.972  3.756  3.756  3.756  3.756
   3.756  3.756  0.     3.756  3.756  0.984]
 [ 2.972  2.972  2.972  2.972  2.972  2.972  3.756  3.756  3.756  3.756
   3.756  3.756  3.756  0.     3.756  0.984]
 [ 2.972  2.972  2.972  2.972  2.972  2.972  3.756  3.756  3.756  3.756
   3.756  3.756  3.756  3.756  0.     0.984]
 [ 2.33   2.33   2.33   2.33   2.33   2.33   3.524  3.524  3.524  3.524
   3.524  3.524  3.524  3.524  3.524  0.   ]]

Ranking:
1. "__main__.WSLS" -> セッションを重率1で平均: 3.367, ステージゲームを重率1で平均: 3.257
2. "__main__.WSLS" -> セッションを重率1で平均: 3.367, ステージゲームを重率1で平均: 3.257
3. "__main__.WSLS" -> セッションを重率1で平均: 3.367, ステージゲームを重率1で平均: 3.257
4. "__main__.WSLS" -> セッションを重率1で平均: 3.367, ステージゲームを重率1で平均: 3.257
5. "__main__.WSLS" -> セッションを重率1で平均: 3.367, ステージゲームを重率1で平均: 3.257
6. "__main__.WSLS" -> セッションを重率1で平均: 3.367, ステージゲームを重率1で平均: 3.257
7. "__main__.WSLS" -> セッションを重率1で平均: 3.367, ステージゲームを重率1で平均: 3.257
8. "__main__.WSLS" -> セッションを重率1で平均: 3.367, ステージゲームを重率1で平均: 3.257
9. "__main__.WSLS" -> セッションを重率1で平均: 3.367, ステージゲームを重率1で平均: 3.257
10. "__main__.ALLD" -> セッションを重率1で平均: 3.186, ステージゲームを重率1で平均: 3.046
11. "__main__.TFT" -> セッションを重率1で平均: 3.128, ステージゲームを重率1で平均: 2.895
12. "__main__.TFT" -> セッションを重率1で平均: 3.128, ステージゲームを重率1で平均: 2.895
13. "__main__.TFT" -> セッションを重率1で平均: 3.128, ステージゲームを重率1で平均: 2.895
14. "__main__.TFT" -> セッションを重率1で平均: 3.128, ステージゲームを重率1で平均: 2.895
15. "__main__.TFT" -> セッションを重率1で平均: 3.128, ステージゲームを重率1で平均: 2.895
16. "__main__.TFT" -> セッションを重率1で平均: 3.128, ステージゲームを重率1で平均: 2.895
  • WSLS: セッション平均: 3.257
  • ALLD: セッション平均: 3.046
  • TFT: セッション平均: 2.895

となった。これは、WSLS同士の対戦で得られる高い利得 > WSLSがALLDに吸い取られる利得 となったため。

一方で、実験4のスコアテーブルを戦略のタイプ別に集計すると、

タイプ別平均
WSLS TFT ALLD Other kandori total average
WSLS 3.121197699 3.1719659 1.597288599 3.241082345 3.230509666
TFT 3.156388186 2.745320385 2.102810448 3.289310268 3.16691979
ALLD 3.568115816 2.766558346 3.474086488 3.326308014
Other kandori 3.281705328 3.259717721 1.61449243 2.850495713 3.180686976
total 3.202495832 3.079987222 1.735147805 3.134129547 3.201996231

となった。WSLS同士の協調が、仮想実験の場合よりも上手くいっていない（仮想実験: 3.783, 実際の実験: 3.121）ことがわかる。WSLSに確率や状態を追加したことによって、WSLS同士の協調はし辛くなっていることが考えられる。

戦略18は、通常のWSLSに比べてALLDに強く、1位になった要因だと考えられる。

Strategy18:

実験5

集計表

実験5では、34戦略の内、TFTに類似した戦略が11, WSLSが9, ALLDが1つであった。
1位は「過去のシグナルのうち20%以上がBならD, それ以外ならC」という戦略、2位は2T2FTであった。全体的にTFTが高利得、ALLDとWSLSは低利得となった。

タイプごとに集計した利得は、

戦略のタイプ 平均利得（セッション平均）
WSLS 3.20392351
TFT 3.254883021
ALLD 3.223658906

実験4のケースと同様に、TFT×11, WSLS×9, ALLD×1 で実験してみると、





In [27]:



    


strategies = [TFT, TFT, TFT, TFT, TFT, TFT, TFT, TFT, TFT, TFT, TFT, WSLS, WSLS, WSLS, WSLS, WSLS, WSLS, WSLS, WSLS, WSLS, ALLD]
game = pl.RepeatedMatrixGame(payoff, strategies, signal=private_signal, ts_length=ts_length, repeat=1000)
game.play(mtype="private", random_seed=seed, record=False)



    


















    






Start
The object has 21 strategy functions below
--------------------------------------------------
1. __main__.TFT
2. __main__.TFT
3. __main__.TFT
4. __main__.TFT
5. __main__.TFT
6. __main__.TFT
7. __main__.TFT
8. __main__.TFT
9. __main__.TFT
10. __main__.TFT
11. __main__.TFT
12. __main__.WSLS
13. __main__.WSLS
14. __main__.WSLS
15. __main__.WSLS
16. __main__.WSLS
17. __main__.WSLS
18. __main__.WSLS
19. __main__.WSLS
20. __main__.WSLS
21. __main__.ALLD
--------------------------------------------------
Repeats: 1000
Total time series length: 32856

Score table:
各セッションを重率1で平均した得点
[[ 0.     3.225  3.225  3.225  3.225  3.225  3.225  3.225  3.225  3.225
   3.225  3.241  3.241  3.241  3.241  3.241  3.241  3.241  3.241  3.241
   1.625]
 [ 3.225  0.     3.225  3.225  3.225  3.225  3.225  3.225  3.225  3.225
   3.225  3.241  3.241  3.241  3.241  3.241  3.241  3.241  3.241  3.241
   1.625]
 [ 3.225  3.225  0.     3.225  3.225  3.225  3.225  3.225  3.225  3.225
   3.225  3.241  3.241  3.241  3.241  3.241  3.241  3.241  3.241  3.241
   1.625]
 [ 3.225  3.225  3.225  0.     3.225  3.225  3.225  3.225  3.225  3.225
   3.225  3.241  3.241  3.241  3.241  3.241  3.241  3.241  3.241  3.241
   1.625]
 [ 3.225  3.225  3.225  3.225  0.     3.225  3.225  3.225  3.225  3.225
   3.225  3.241  3.241  3.241  3.241  3.241  3.241  3.241  3.241  3.241
   1.625]
 [ 3.225  3.225  3.225  3.225  3.225  0.     3.225  3.225  3.225  3.225
   3.225  3.241  3.241  3.241  3.241  3.241  3.241  3.241  3.241  3.241
   1.625]
 [ 3.225  3.225  3.225  3.225  3.225  3.225  0.     3.225  3.225  3.225
   3.225  3.241  3.241  3.241  3.241  3.241  3.241  3.241  3.241  3.241
   1.625]
 [ 3.225  3.225  3.225  3.225  3.225  3.225  3.225  0.     3.225  3.225
   3.225  3.241  3.241  3.241  3.241  3.241  3.241  3.241  3.241  3.241
   1.625]
 [ 3.225  3.225  3.225  3.225  3.225  3.225  3.225  3.225  0.     3.225
   3.225  3.241  3.241  3.241  3.241  3.241  3.241  3.241  3.241  3.241
   1.625]
 [ 3.225  3.225  3.225  3.225  3.225  3.225  3.225  3.225  3.225  0.     3.225
   3.241  3.241  3.241  3.241  3.241  3.241  3.241  3.241  3.241  1.625]
 [ 3.225  3.225  3.225  3.225  3.225  3.225  3.225  3.225  3.225  3.225  0.
   3.241  3.241  3.241  3.241  3.241  3.241  3.241  3.241  3.241  1.625]
 [ 3.218  3.218  3.218  3.218  3.218  3.218  3.218  3.218  3.218  3.218
   3.218  0.     3.783  3.783  3.783  3.783  3.783  3.783  3.783  3.783
   0.932]
 [ 3.218  3.218  3.218  3.218  3.218  3.218  3.218  3.218  3.218  3.218
   3.218  3.783  0.     3.783  3.783  3.783  3.783  3.783  3.783  3.783
   0.932]
 [ 3.218  3.218  3.218  3.218  3.218  3.218  3.218  3.218  3.218  3.218
   3.218  3.783  3.783  0.     3.783  3.783  3.783  3.783  3.783  3.783
   0.932]
 [ 3.218  3.218  3.218  3.218  3.218  3.218  3.218  3.218  3.218  3.218
   3.218  3.783  3.783  3.783  0.     3.783  3.783  3.783  3.783  3.783
   0.932]
 [ 3.218  3.218  3.218  3.218  3.218  3.218  3.218  3.218  3.218  3.218
   3.218  3.783  3.783  3.783  3.783  0.     3.783  3.783  3.783  3.783
   0.932]
 [ 3.218  3.218  3.218  3.218  3.218  3.218  3.218  3.218  3.218  3.218
   3.218  3.783  3.783  3.783  3.783  3.783  0.     3.783  3.783  3.783
   0.932]
 [ 3.218  3.218  3.218  3.218  3.218  3.218  3.218  3.218  3.218  3.218
   3.218  3.783  3.783  3.783  3.783  3.783  3.783  0.     3.783  3.783
   0.932]
 [ 3.218  3.218  3.218  3.218  3.218  3.218  3.218  3.218  3.218  3.218
   3.218  3.783  3.783  3.783  3.783  3.783  3.783  3.783  0.     3.783
   0.932]
 [ 3.218  3.218  3.218  3.218  3.218  3.218  3.218  3.218  3.218  3.218
   3.218  3.783  3.783  3.783  3.783  3.783  3.783  3.783  3.783  0.     0.932]
 [ 2.562  2.562  2.562  2.562  2.562  2.562  2.562  2.562  2.562  2.562
   2.562  3.602  3.602  3.602  3.602  3.602  3.602  3.602  3.602  3.602  0.   ]]

各ステージゲームを重率1で平均した得点
[[ 0.     2.965  2.965  2.965  2.965  2.965  2.965  2.965  2.965  2.965
   2.965  2.98   2.98   2.98   2.98   2.98   2.98   2.98   2.98   2.98
   1.78 ]
 [ 2.965  0.     2.965  2.965  2.965  2.965  2.965  2.965  2.965  2.965
   2.965  2.98   2.98   2.98   2.98   2.98   2.98   2.98   2.98   2.98
   1.78 ]
 [ 2.965  2.965  0.     2.965  2.965  2.965  2.965  2.965  2.965  2.965
   2.965  2.98   2.98   2.98   2.98   2.98   2.98   2.98   2.98   2.98
   1.78 ]
 [ 2.965  2.965  2.965  0.     2.965  2.965  2.965  2.965  2.965  2.965
   2.965  2.98   2.98   2.98   2.98   2.98   2.98   2.98   2.98   2.98
   1.78 ]
 [ 2.965  2.965  2.965  2.965  0.     2.965  2.965  2.965  2.965  2.965
   2.965  2.98   2.98   2.98   2.98   2.98   2.98   2.98   2.98   2.98
   1.78 ]
 [ 2.965  2.965  2.965  2.965  2.965  0.     2.965  2.965  2.965  2.965
   2.965  2.98   2.98   2.98   2.98   2.98   2.98   2.98   2.98   2.98
   1.78 ]
 [ 2.965  2.965  2.965  2.965  2.965  2.965  0.     2.965  2.965  2.965
   2.965  2.98   2.98   2.98   2.98   2.98   2.98   2.98   2.98   2.98
   1.78 ]
 [ 2.965  2.965  2.965  2.965  2.965  2.965  2.965  0.     2.965  2.965
   2.965  2.98   2.98   2.98   2.98   2.98   2.98   2.98   2.98   2.98
   1.78 ]
 [ 2.965  2.965  2.965  2.965  2.965  2.965  2.965  2.965  0.     2.965
   2.965  2.98   2.98   2.98   2.98   2.98   2.98   2.98   2.98   2.98
   1.78 ]
 [ 2.965  2.965  2.965  2.965  2.965  2.965  2.965  2.965  2.965  0.     2.965
   2.98   2.98   2.98   2.98   2.98   2.98   2.98   2.98   2.98   1.78 ]
 [ 2.965  2.965  2.965  2.965  2.965  2.965  2.965  2.965  2.965  2.965  0.
   2.98   2.98   2.98   2.98   2.98   2.98   2.98   2.98   2.98   1.78 ]
 [ 2.972  2.972  2.972  2.972  2.972  2.972  2.972  2.972  2.972  2.972
   2.972  0.     3.756  3.756  3.756  3.756  3.756  3.756  3.756  3.756
   0.984]
 [ 2.972  2.972  2.972  2.972  2.972  2.972  2.972  2.972  2.972  2.972
   2.972  3.756  0.     3.756  3.756  3.756  3.756  3.756  3.756  3.756
   0.984]
 [ 2.972  2.972  2.972  2.972  2.972  2.972  2.972  2.972  2.972  2.972
   2.972  3.756  3.756  0.     3.756  3.756  3.756  3.756  3.756  3.756
   0.984]
 [ 2.972  2.972  2.972  2.972  2.972  2.972  2.972  2.972  2.972  2.972
   2.972  3.756  3.756  3.756  0.     3.756  3.756  3.756  3.756  3.756
   0.984]
 [ 2.972  2.972  2.972  2.972  2.972  2.972  2.972  2.972  2.972  2.972
   2.972  3.756  3.756  3.756  3.756  0.     3.756  3.756  3.756  3.756
   0.984]
 [ 2.972  2.972  2.972  2.972  2.972  2.972  2.972  2.972  2.972  2.972
   2.972  3.756  3.756  3.756  3.756  3.756  0.     3.756  3.756  3.756
   0.984]
 [ 2.972  2.972  2.972  2.972  2.972  2.972  2.972  2.972  2.972  2.972
   2.972  3.756  3.756  3.756  3.756  3.756  3.756  0.     3.756  3.756
   0.984]
 [ 2.972  2.972  2.972  2.972  2.972  2.972  2.972  2.972  2.972  2.972
   2.972  3.756  3.756  3.756  3.756  3.756  3.756  3.756  0.     3.756
   0.984]
 [ 2.972  2.972  2.972  2.972  2.972  2.972  2.972  2.972  2.972  2.972
   2.972  3.756  3.756  3.756  3.756  3.756  3.756  3.756  3.756  0.     0.984]
 [ 2.33   2.33   2.33   2.33   2.33   2.33   2.33   2.33   2.33   2.33
   2.33   3.524  3.524  3.524  3.524  3.524  3.524  3.524  3.524  3.524  0.   ]]

Ranking:
1. "__main__.WSLS" -> セッションを重率1で平均: 3.330, ステージゲームを重率1で平均: 3.186
2. "__main__.WSLS" -> セッションを重率1で平均: 3.330, ステージゲームを重率1で平均: 3.186
3. "__main__.WSLS" -> セッションを重率1で平均: 3.330, ステージゲームを重率1で平均: 3.186
4. "__main__.WSLS" -> セッションを重率1で平均: 3.330, ステージゲームを重率1で平均: 3.186
5. "__main__.WSLS" -> セッションを重率1で平均: 3.330, ステージゲームを重率1で平均: 3.186
6. "__main__.WSLS" -> セッションを重率1で平均: 3.330, ステージゲームを重率1で平均: 3.186
7. "__main__.WSLS" -> セッションを重率1で平均: 3.330, ステージゲームを重率1で平均: 3.186
8. "__main__.WSLS" -> セッションを重率1で平均: 3.330, ステージゲームを重率1で平均: 3.186
9. "__main__.WSLS" -> セッションを重率1で平均: 3.330, ステージゲームを重率1で平均: 3.186
10. "__main__.TFT" -> セッションを重率1で平均: 3.152, ステージゲームを重率1で平均: 2.913
11. "__main__.TFT" -> セッションを重率1で平均: 3.152, ステージゲームを重率1で平均: 2.913
12. "__main__.TFT" -> セッションを重率1で平均: 3.152, ステージゲームを重率1で平均: 2.913
13. "__main__.TFT" -> セッションを重率1で平均: 3.152, ステージゲームを重率1で平均: 2.913
14. "__main__.TFT" -> セッションを重率1で平均: 3.152, ステージゲームを重率1で平均: 2.913
15. "__main__.TFT" -> セッションを重率1で平均: 3.152, ステージゲームを重率1で平均: 2.913
16. "__main__.TFT" -> セッションを重率1で平均: 3.152, ステージゲームを重率1で平均: 2.913
17. "__main__.TFT" -> セッションを重率1で平均: 3.152, ステージゲームを重率1で平均: 2.913
18. "__main__.TFT" -> セッションを重率1で平均: 3.152, ステージゲームを重率1で平均: 2.913
19. "__main__.TFT" -> セッションを重率1で平均: 3.152, ステージゲームを重率1で平均: 2.913
20. "__main__.TFT" -> セッションを重率1で平均: 3.152, ステージゲームを重率1で平均: 2.913
21. "__main__.ALLD" -> セッションを重率1で平均: 3.030, ステージゲームを重率1で平均: 2.867

WSLS: セッション平均 3.330
TFT: セッション平均 2.913
ALLD: セッション平均 2.867

となり、実験5とは異なり、TFTはそれほど大きな利得を得られない結果となった。

タイプ別平均
WSLS TFT ALLD Other kandori Other oyama total average
WSLS 3.121197699 3.294184513 1.597288599 3.241082345 2.844703858 3.20392351
TFT 3.217917263 3.135976169 1.999373767 3.280819084 3.198661754 3.254883021
ALLD 3.568115816 2.947953446 3.474086488 2.80950435 3.223658906
Other kandori 3.281705328 3.384906732 1.61449243 2.850495713 2.977608253 3.203621498
Other oyama 3.290522046 3.369423514 2.085169256 3.355591673 2.611990254 3.277145846
total 3.228652272 3.265573675 1.809408926 3.186965302 2.957264426 3.231687793

スコアテーブルを戦略のタイプごとに集計し直すと、実験5で「WSLSの利得 < TFTの利得」となった要因は、TFT同士の対戦の利得が実験4の場合よりも高くなったこと、及び尾山ゼミのWSLS, TFT, ALLDでない残りの5戦略との対戦でTFTがより高い利得を得たことにある。

検証2 「過去全ての履歴の内◯◯%以上BならDを出す戦略」は安定して高い利得を得られるか

集計表

Prob :=「過去全ての履歴の内◯◯%以上BならDを出す戦略」は、どのモニタリングタイプの実験でも安定して高順位。なぜ？

TFT:
WSLS:

各プレイヤーの戦略がTFT, WSLS, ALLD, Probのみの場合を考える。

  1. Prob vs TFT
    間違ったシグナルが出ない限り、協調を続ける。
    Probだけに間違ったシグナルが出た場合、現在の期数によっては、両者ともDを出し続ける経路へ移る。
    TFTだけに間違ったシグナルが出た場合, 両者ともに間違ったシグナルが出た場合もほぼ同様。

  2. Prob vs WSLS
    間違ったシグナルが出ないかぎり、協調を続ける。
    Probに間違ったシグナルが出た場合、現在の期数によっては、ProbはDを出し続ける経路へ移る。この時、WSLSはCとDを交互に出す経路に行くので、ProbはWSLSから多くの利得を奪うことが出来る（ALLDがWSLSに対して有利なのと同様）。
    更にWSLSのみ、あるいは両者に間違ったシグナルが出た場合、現在の期数によらず、しばらくWSLSがDを出し続けた後、上述の均衡へ必ず移行する。

  3. Prob vs ALLD
    両者ともほぼずっとDを出し続ける均衡で落ち着く。

  4. Prob vs Prob
    間違ったシグナルが出ないかぎり、協調を続ける。
    早い期で間違ったシグナルが出た場合は両者Dを出しあう均衡へ移行する。そうでない場合はCを出し続ける。

つまり、ProbはTFT, ALLDおよびProb同士との対戦ではほぼ同等の利得を得、さらにWSLSとの対戦では多くの利得を得ることが出来る。したがって、各プレイヤーの戦略がこの4つのタイプのみに分類される場合、Probは（Dに移行する確率が何%であれ）悪くない戦略だと考えられる。ただし実際にどの戦略が1位になるかは、全ての戦略に占める各タイプの割合による。

タイプ別平均
WSLS TFT ALLD Prob Other kandori Other oyama total average
WSLS 3.121197699 3.294184513 1.597288599 2.559611894 3.241082345 2.915976849 3.20392351
TFT 3.217917263 3.135976169 1.999373767 2.99366014 3.280819084 3.249912158 3.254883021
ALLD 3.568115816 2.947953446 2.536744069 3.474086488 2.87769442 3.223658906
Prob 3.553529215 3.278944542 2.286598783 3.513118831 3.178283059 3.36832832
Other kandori 3.281705328 3.384906732 1.61449243 2.727741801 2.850495713 3.040074867 3.203621498
Other oyama 3.224770254 3.392043256 2.034811875 2.927390992 3.316209883 2.55100466 3.254350228
total 3.228652272 3.265573675 1.809408926 2.788939728 3.186965302 3.020316126 3.231687793

実験5のスコアテーブルを再度タイプ別に集計すると、ProbはTFT, ALLDとの対戦でそれなりの利得を得、WSLSに対してはALLDなみに高い利得をえていることがわかる。





In [ ]:

Content source: myuuuuun/RepeatedMatrixGame

Similar notebooks:

notebook.community | gallery | about