人工智能 - 如何确定拍卖出价的估值？

Question

我正在开展一个项目，其中有一系列卡片被拍卖；出价最高的人将赢得拍卖中价值最高的卡片。

当 AI 玩家轮到时，他需要评估数组并确定出价的估值。

忽略任何与验证或规则有关的事情；因为我已经对这些进行了编程和测试。

我的查询更具体地是关于如何为给定的值数组关联一个值；并得出一个出价。

在项目中，卡片范围从 1...30； 30 是最高的。

一次拍卖可能有 6 张牌，洗牌后“拍卖”

即：

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

我的问题是，计算机如何审查这些值并确定它对他来说有多大价值以继续提高他的出价，甚至提出开盘价？

我们确实知道一些变量。

• 所有牌都拍卖
• 手头现金
• 剩余多少轮拍卖（目前，假设 6 轮拍卖）

鉴于此，我想出了一个基本的加权解决方案。

IE：

var weight = 1.0

if roundsRemaining = 1 {
   weight += 0.35
}

if weight > 1.0 { 
   weight = 1.0 
}

然后我在 0 和 1.0 之间随机化；越接近 1.0，出价玩家出价的可能性就越大。

虽然它给了我出价的概率，但它并没有告诉我他的出价的估价。

理想情况下，我希望 AI 审查所提供的卡片，并根据他认为最高卡片的价值（因为这是他要出价的）出价。

这是我的查询；给定一组具有值和已知参数的卡片；人工智能如何确定出价的估值。

Answer 1

最简单的方法是使用统计 :)

您可以平均拍卖中的牌，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，这个集合就越有价值，人工智能应该愿意为它付出更多。

这是可行的，因为任何集合的所有值都会回归到平均值。

如果不知道拍卖集（也就是说玩家无法看到拍卖中的所有牌），那么 AI 可以根据已知的 p 值“猜测”或记住哪些牌已经被看到并移除他们从总分布。

您可以使用此统计库，而不必自己编写： https://github.com/evgenyneu/SigmaSwiftStatistics