人工智能 – 如何决定拍卖出价的估值？

我正在进行一个项目，其中有一组卡片在进行拍卖，最高出价者将赢得拍卖中价值最高的卡片。

当AI玩家轮到他时，他需要评估这组卡片，并确定他的出价估值。

忽略与验证或规则相关的所有内容，因为我已经编程并测试了这些部分。

我的问题更具体地是，如何为给定的一组值关联一个价值，并得出一个出价值。

在项目中，卡片的范围是从1到30，其中30是最高的。

在一次拍卖中，可能会有6张卡片，被洗牌并放置在“拍卖中”

例如：

#1 - "卡片名称" - 价值: 1#2 - "卡片名称" - 价值: 3#3 - "卡片名称" - 价值: 30#4 - "卡片名称" - 价值: 15#5 - "卡片名称" - 价值: 24#6 - "卡片名称" - 价值: 18

我的问题是，计算机如何审查这些值，并决定继续提高出价或提出初始出价的价值是多少？

我们知道一些变量。

鉴于此，我提出了一种基本的加权解决方案。

例如：

var weight = 1.0if roundsRemaining = 1 {   weight += 0.35}if weight > 1.0 {    weight = 1.0 }

然后我在0到1.0之间随机化；越接近1.0，出价的玩家就越有可能出价。

虽然这给了我一个出价的概率，但它并没有告诉我出价的估值。

理想情况下，我希望AI能够审查提供的卡片，并根据他认为最高卡片的价值来出价（因为这是他要竞标的）。

这就是我的问题；给定一组具有值的卡片和已知参数，AI如何确定出价的估值。

回答：

最简单的方法是使用统计学 🙂

你可以计算拍卖中卡片的平均值，然后将该值与已知的值分布（即所有可能集合的钟形曲线）进行比较，以找到该拍卖的p值。p值越高，集合的价值就越高，AI应该愿意为它支付的金额就越多。

这是有效的，因为任何集合的所有值都会回归到平均值。

如果拍卖集合未知，（也就是说，玩家无法看到拍卖中的所有卡片），那么AI可以根据已知的p值进行“猜测”，或者记住已经看到过的卡片并从总分布中移除它们。

你可以使用这个统计库，而不是自己编写：https://github.com/evgenyneu/SigmaSwiftStatistics

学技术