MétaCan
Menu
Retour à la cohorte
Enregistrement W2121262598 · doi:10.1109/tevc.2005.856206

Unraveling Ancient Mysteries: Reimagining the Past Using Evolutionary Computation in a Complex Gaming Environment

2005· article· en· W2121262598 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueIEEE Transactions on Evolutionary Computation · 2005
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueEvolutionary Game Theory and Cooperation
Établissements canadiensUniversity of Windsor
Organismes subventionnairesnon disponible
Mots-clésNash equilibriumComputer sciencePopulationSurvivabilityEvolutionary computationGame theoryArtificial intelligenceCompetition (biology)Mathematical economicsTheoretical computer scienceEcologySociologyEconomics

Résumé

récupéré en direct d'OpenAlex

In this paper, we use principles from game theory, computer gaming, and evolutionary computation to produce a framework for investigating one of the great mysteries of the ancient Americas: why did the pre-Hispanic Pueblo (Anasazi) peoples leave large portions of their territories in the late A.D. 1200s? The gaming concept is overlaid on a large-scale agent-based simulation of the Anasazi. Agents in this game use a cultural algorithm framework to modify their finite-state automata (FSA) controllers following the work of Fogel (1966). In the game, there can be two kinds of active agents: scripted and unscripted. Unscripted agents attempt to maximize their survivability, whereas scripted agents can be used to test the impact that various pure and compound strategies for cooperation and defection have on the social structures produced by the overall system. The goal of our experiments here is to determine the extent to which cooperation and competition need to be present among the agent households in order to produce a population structure and spatial distribution similar to what has been observed archaeologically. We do this by embedding a "trust in networks" game within the simulation. In this game, agents can choose from three pure strategies: defect, trust, and inspect. This game does not have a pure Nash equilibrium but instead has a mixed strategy Nash equilibrium such that a certain proportion of the population uses each at every time step, where the proportion relates to the quality of the signal used by the inspectors to predict defection. We use the cultural algorithm to help us determine what the mix of strategies might have been like in the prehistoric population. The simulation results indeed suggest a mixed strategy consisting of defectors, inspectors, and trustors was necessary to produce results compatible with the archaeological data. It is suggested that the presence of defectors derives from the unreliability of the signal which increases under drought conditions and produced increased stress on Anasazi communities and may have contributed to their departure.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,849
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0030,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,043
Tête enseignante GPT0,300
Écart entre enseignants0,257 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle