囚徒困境的顺序激活模式的代码

以下是囚徒困境的顺序激活模式的 Python 代码示例：

import numpy as np

# 定义囚徒困境的收益矩阵
REWARDS = np.array([[3, 0], [5, 1]])

# 定义两个玩家的决策策略
def player1_strategy(history):
    if history.shape[1] == 0:
        return 0
    elif np.sum(history[1, :]) == 0:
        return 1
    else:
        return history[1, -1]

def player2_strategy(history):
    if history.shape[1] == 0:
        return 0
    elif np.sum(history[0, :]) == 0:
        return 1
    else:
        return history[0, -1]

# 顺序激活模式下的博弈过程
def play_game():
    history = np.array([], dtype=int).reshape(2, 0)
    for i in range(2):
        if i == 0:
            action = player1_strategy(history)
        else:
            action = player2_strategy(history)
        history = np.hstack((history, np.array([[action], ])))
    return history

# 模拟多次博弈并计算平均收益
def simulate_game(num_games):
    total_payoff = 0
    for i in range(num_games):
        history = play_game()
        total_payoff += REWARDS[history[0, -1], history[1, -1]]
    return total_payoff / num_games

# 测试
print(simulate_game(1000))

在这个示例中，我们定义了两个玩家的决策策略 `player1_strategy` 和 `player2_strategy`，并在 `play_game()` 函数中顺序激活两个玩家进行博弈。我们使用 `simulate_game()` 函数来模拟多次博弈并计算平均收益。最后，我们输出了模拟1000次博弈的平均收益。