Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > econ > arXiv:2408.17177v1

帮助 | 高级搜索

经济学 > 一般经济学

arXiv:2408.17177v1 (econ)
[提交于 2024年8月30日 (此版本) , 最新版本 2025年10月16日 (v2) ]

标题: 狼人杀中的最优策略:一种博弈论视角

标题: Optimal Strategy in Werewolf Game: A Game Theoretic Perspective

Authors:ST Wang
摘要: 狼人杀游戏,也称为黑手党游戏,是一种社会推理游戏,它模拟了知情的少数群体(狼人组)与不知情的多数群体(平民组)之间的冲突。 本文从博弈论的角度探讨狼人杀游戏的最优策略,重点研究存在先知和不存在先知的情况。 首先我们考察了没有先知情况下的现有策略,并提出了“随机策略+”,该策略为狼人组提供了更高的获胜概率。 然后我们进一步研究了存在先知的情况,并发现,在特定规则下,存在先知的游戏中可以转化为一个具有完全但不完美信息的扩展博弈。 我们构建了一个模型并设计了一个算法以实现PBE,并最大化平民组的获胜概率。 最后,我们研究了在没有任何限制条件下的PBE的一个性质。
摘要: Werewolf game, also known as Mafia game, is a social deduction game that models the conflict between an informed minority (werewolf group) and an uninformed majority (citizen group). This paper explores the optimal strategies of the werewolf game from the perspective of game theory, focusing on cases both with and without prophet. First we examine the existing strategy in game without prophet and propose ``random strategy +", which provides an improved winning probability for the werewolve group. Then we further study the game with prophet, and find the game with prophet can be transformed into a extensive game with complete but imperfect information under a specific rule. We construct a model and design an algorithm to achieve PBE and maximize the citizen group's winning probability. In the end, we examine a property of PBE in game without any restriction.
主题: 一般经济学 (econ.GN)
引用方式: arXiv:2408.17177 [econ.GN]
  (或者 arXiv:2408.17177v1 [econ.GN] 对于此版本)
  https://doi.org/10.48550/arXiv.2408.17177
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Shitong Wang [查看电子邮件]
[v1] 星期五, 2024 年 8 月 30 日 10:24:45 UTC (1,889 KB)
[v2] 星期四, 2025 年 10 月 16 日 19:34:00 UTC (1,523 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
许可图标 查看许可
当前浏览上下文:
econ.GN
< 上一篇   |   下一篇 >
新的 | 最近的 | 2024-08
切换浏览方式为:
econ
q-fin
q-fin.EC

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号