بالاخره بعد از کلی درگیری کاری و بعدشم کسالت قلب و بیمارستان و... این پست رو نوشتم. "نظریه بازی ها"، شاخه ای از علم ریاضیات کاربردی است که امروزه در علوم اجتماعی (به خصوص رشته اقتصاد) ، زیست شناسی ، مهندسی ، علوم سیاسی ، روابط بین الملل ، علوم کامپیوتر و فلسفه مورد استفاده قرار می گیرد. نظریه بازی ها تلاش می نماید تا رفتارها و تصمیمات افراد (که اغلب بازیکن نامیده میشوند) را به روش ریاضیاتی، در شرایط استراتژیک دریابد، که اغلب در آن موفقیت یک فرد در اتخاذ یک انتخاب، بستگی به انتخاب های دیگران دارد. اینکه کدام یک از بازیکنان در قبال پیروزی چه روشی اتخاذ می نماید و یا چه هزینه ای را می پردازد، نقش مهمی در شکل گیری تصمیم گیری دیگر بازیکنان ایفا می نماید. امروز ، نظریه بازی ها، نوعی نظریه چتری یا' موضوع متحد '، برای ارائه بیانی از علوم اجتماعی است که در آن واژه ی' اجتماعی’ شامل تفسیری گسترده از انسان و هم به عنوان بازیکن غیر انسانی (کامپیوتر ، حیوانات ، گیاهان)" می باشد. کاربردهای سنتی از نظریه بازی ها تلاش دارد تا "حالت تعادل" را در بازی ها بیابد. در حالت تعادل ، هریک از بازیکنان به استراتژی خاصی می رسد که اصولا بعید است که آن را تغییر دهد. بسیاری از مفاهیم "حالت تعادل" (همانند معروف ترین آنها که تعادل نش می باشد) در این جهتی توسعه داده شده اند که تلاش نمایند تا "ایده" های بازیکنان را در یابند. مفاهیم تعادل براساس انگیزه کاربرد و این که در چه موضوعیتی به کار گرفته می شوند متفاوت اند، هر چند گاهی در برخی مفاهیم با یکدیگر همپوشانی دارند یا در برخی بخش ها کاملا یکسان اند. در زندگی روزمره بسیاری از ما ناخواسته و یا از روی هوشمندی سعی میکنیم تا با پیش بینی تصمیم دیگر افراد در موضوعی خاص، تصمیم بهینه را در جهت نیل به هدف خود بیابیم. نظریه بازی ها برای افزایش شانس برد با تبدیل این شرایط به مدل ریاضی به ما کمک میکند تا تصمیمات استراتژیک بهتری بگیریم. این بازی ها انواع متفاوتی دارد که بر حسب نوع بازیکن ها و حرکت های آنان (استراتژی هایی که اتخاذ می نمایند) به انواع زیر تقسیم بندی می شوند که سعی خواهم کرد تا در پست مجزایی پبرامون هرکدام توضیح دهم و مثال هایی رو ارائه بدم: 1: Cooperative  یا  non-cooperative (همکاری و یا عدم همکاری) یک بازی زمانی حالت Cooperative  دارد که بازیکنان نسبت به تعهدات کاملا پایبند باشند یا به عبارت دیگر تصمیمات و استراتژی ها در چارچوب این تعهدات و قوانین باشند (مانند نظام های حقوقی). ولی در non-cooperative ها چنین موضوعی صادق نیست. همچنین در اغلب موارد ارتباطی میان بازیکنان نوع Cooperative  وجود دارد که در non-cooperative ها چنین ارتباطی بین بازیکنان برقرار نمی گردد. Cooperative  ها عمدتا روی بازی های بزرگ متمرکز اند. همچنین انواع Hybrid نیز وجود دارند که شامل Cooperative  و non- Cooperative  ها می باشند. ** موارد بعدی رو به دلیل کم حوصلگی فقط نام می برم تا در پست های بعدی کمی بیشتر توضیح دهم. 2:  symmetric  و  asymmetric (متقارن و نامتقارن) 3: Zero-sum and non-zero-sum 4: Simultaneous and sequential (همزمان و پی در پی) 5: Perfect information and imperfect information (اطلاعات کامل و اطلاعات ناقص) 6: Infinitely long games 7: Discrete and continuous games 8: One-player and many-player games 9: Metagames در زندگی روزمره خصوصا در دنیای امروز و با پیچیدگی های رفتاری و تاثیرگذاری تصمیمات، مدل های ریاضیاتی تصمیم گیری نقش مهمی رو می تونن در زندگی ما بازی کنن. سعی میکنم تا در پست های بعدی مثال ها و کاربردهای چنین مدل هایی رو کاملتر بیان کنم.

به عنوان مدرس چندین ساله NET. که از سال 81~82 هم خودش با NET. درگیره… اینکه همیشه با Beta ورژن ها، قبل از بتا ورژن ها و حتی ایده های آتی مایکروسافت درگیر باشم برام شده یه عادت… گاهی سرعت و شدت تغییرات در مایکروسافت به قدری زیاد میشه که بین کار و یادگیری فنون جدید دچار سردرگمی میشیم… System.QuantumEntanglement فضای نامی (namespace) جدید NET 5.0. خواهد بود که ایجاد “وضعیت” ها و اندازه گیری آنها رو محیا میکنه. کد زیر یه گربه رو ایجاد میکنه، توی جعبه میزاره و بعد در جعبه رو باز میکنه: 1: static void Main(string[] args) { 2: // put the cat in the box 3: var cat = new SchrödingOr<DeadCat, LiveCat>( 4: new Complex(1, 0), new Complex(1, 0)); 5: // Open the box 6: Console.Write(cat.Measure() == typeof(DeadCat) ? 7: "Cat is dead." : "Cat is alive"); 8: Console.ReadKey(); 9: }   محاسبات و شبیه سازی مسائل علمی راحت تر خواهد شد…

Harmony Search  که با عناوین "soft computing algorithm" یا "evolutionary algorithm" نیز شناخته می شود، الگوریتمی است که با الهام از نحوه شکل گیری و چگونگی عملکرد یک ارکستر موسیقی به دنبال راه حل بهینه و یا به عبارت ملموس تر، بهترین هماهنگی بین اجزا دخیل در راهبری یک پروسه است ... همان طور که نوازنده ها در یک ارکستر قطعات موسیقایی را می نوازند تا از بین آنها بهترین ترکیب، محصول نهایی را پدید آورد Harmony Search  نیز از بررسی نتیجه عملکرد اجزا به دنبال هماهنگی مطلوب است . Harmony Search  برای حل مسائل به دنبال یافتن Vector (مسیر) x است تا بوسیله آن cost (هزینه) توابع محاسباتی را کاهش دهد (کوتاهتر نماید). مراحل این الگوریتم بدین شکل است : 1 : k مسیر(vector) اتفاقی برمیگزیند 2: برای هر بخش مسیر، x' جدید به شکل x'i با شروط زیر خواهیم ساخت :   * با در نظر گرفتن احتمال phmcr یکی از بخش های را از اجزاء موجود در حافظه انتخاب میکنیم (ازبین مسیرهایی که قبلا گفته شد).   * حال، با احتمال 1 − phmcr  از بازه مجاز یک "مقدار" را انتخاب می کنیم.(اجزاء حاظر در حافظه) 3 : جفت و جور کردن تنظیمات : برای هر x'i بدین شرح :   * تغییر x'i  با در نظر داشتن احتمال ppar  به میزان کمی چون   * و احتمالات 1 − ppar را هیچ تغییری نخواهیم داد . 4 : اگر x' از بدترین xi که در بین اجزاء موجود در حافظه وجود دارد، بهتر باشد آنگاه xi را با x' جابجا می کنیم. 5 : مرحله 2 به بعد را تا آخرین عضو از اجزاءحافظه تکرار می کنیم. پارامترهای جستجو عبارتند از : > k, سایز حافظه زا مشخص می کند، مقدر توصیه شده بین 4 تا 10 می باشد. > phmcr, نرخ انتخاب از اجزاء حافظه است و مقدار پیشنهادی 0.95 می باشد. > ppar, نرخ تنظیم گام، مقدار پیش فرض بین 0.3 تا 0.99 است. > bw پهنای باند مسیر است که تغییر مقدار تنظیم گام را نیز دربر دارد. تغییر پارامترها در حین عمل جستجو میسر می باشد (همانند تاثیری که در simulated annealing  خواهیم داشت) در جهت بهبود عملکرد Harmony Search افزایش خطی مقدار ppar  با کاهش نمایی bw پیشنهاد می شود. HS کـجا ؟ از زمره مسائلی که با این الگوریتم قابل حل و بهینه سازی اند می توان به موارد زیر اشاره نمود : > مسئله فروشنده دوره گرد > توابع مختلف ریاضی > طراحی شبکه توزیع آب > کالیبراسیون پارامتر هیدرولوجیک ====================== بخشی از نسخه اولیه یکی از مقالاتم