1 |
遺傳規畫在人工智慧經濟學中的發展與評估 / The development and evaluation of genetic programming on artificial intelligence economics葉佳炫, Yeh, Chia Hsuan Unknown Date (has links)
本論文是承續近來〝有限理性總體經濟學〞發展下之一支研究。有關有限理性的定義,在本研究中乃是以Sargent(1993)及Leijonhufvud(1993)為根據。Sargent(1993)認為:經濟學家在建立模型時,要怎麼樣去塑造其模型中的決策者的預期及學習呢?為了在精神上求一致起見,不應將模型中的決策者想成比經濟學家本人更聰明或更無知。有關這兩個角色應一致的要求,似乎便成了有限理性總體經濟學中相當關鍵的磐石。有關預期與學習形成的部份在計量經濟學上,又可大致分為兩個階段。在第一階段中,是以統計決策理論為主所建構的預期與學習過程,這類型的預期是奠基於以機率模型為主的學習過程。此類學習過程可以說是1980年代以來,理性預期學習過程的主要架構。使用這種學習模型需對決策者在所擁有的資訊上,做較強的限制。而第二階段的學習模式是要減輕模型中對決策人在資訊上的負荷,即將第一階段機率模型的學習擴充至非機率模型的學習。而幾乎所有學習上的問題,都可以視為一個尋找的問題,模型選擇是尋找模型,參數估計是尋找參數。在模型的設定上,以往我們處理的程序是:假設模型為....,則我們可以....。對於模型的選定並沒有嚴格的判定標準可供依循。然而遺傳規畫不但對模型的設立,提供了一個良好的典範,而且對如何尋找模型,提供了一個一般性的尋找模式。模型的選取,應是先經由尋找的過程而得到的,而非憑空自上帝的手中取得。因此,就如何建立起尋找的方式,其較模型的選擇更為基本且更為重要。遺傳規畫運作之初,並沒有包含先驗的知識,初始的模型是經由隨機創造而得。在演化的過程中,模型逐漸地有了系統(型態)的出現。這種尋找的過程,既不偏向隨機也不偏向系統,在隨機與系統中,取得了一個完美的平衡點。在遺傳規畫運作下,要選擇何種模型,將視實驗者的時間成本而定。換句話說,即遺傳規畫提供了實驗者到目前為止最好的模型,是否該花更多時間以取得〝較精確〞的模型,將由實驗者自行決定。在此情況下,我們在模型的選擇上,有了一個較為適當的判定基準:模型的大體輪廓將是藉由進化的方式取得,不是經由天外神來之筆而誕生。在模型精確度的選擇上,將由個人的時間成本來定奪。就在這層意義上來說,此種選擇的模式比較符合〝人性〞,亦與經濟學的精神相符合。本論文的目的便是要了解遺傳規畫在實際運作上的一些特性,以及該如何正確地使用它才能得到最大的功效,以期望它能成為我們在處理有限理性總體經濟學上的一個重要工具。
|
Page generated in 0.0145 seconds