Вақте чанд модели омӯзанда дар як муҳит фаъолият мекунанд, оё имкон дорад, ки ба ҷойи равона шудани ҳамаи онҳо ба як усули ҳалли масъала, дар шароитҳои гуногун ихтисос ёбанд? Муҳимтар аз ин, оё чунин тақсимоти меҳнат метавонад бе муоширати омӯзандагон бо ҳамдигар ва бе илова кардани “мукофоти гуногунӣ”-и махсус ба система худ аз худ ба вуҷуд ояд? Усули NichePopulation ин саволро бо мутобиқ кардани идеяи истиснои рақобатӣ аз назарияи нишаи экологӣ ба омӯзиши мошинӣ меомӯзад.

Дар равиши асосии таҳқиқот, популятсияе иборат аз ҳашт омӯзанда бо режимҳои гуногуни муҳитӣ рӯ ба рӯ мешавад. Ҳар омӯзанда яке аз панҷ усули пешгӯиро интихоб мекунад. Гарчанде дар як давр ҳамаи омӯзандагон натиҷа нишон медиҳанд, танҳо омӯзандае, ки баландтарин мукофоти танзимшударо мегирад, нав карда мешавад. Ин сохтори winner-take-all, яъне “ғолиб ҳама чизро мегирад”, омӯзандагонеро, ки як рафторро идома медиҳанд, ба рақобати мустақим медарорад. Фарзияи муаллиф ин аст, ки чунин рақобат равона шудан ба нишаҳои рафтории камтар серодамро фоиданок карда, бо гузашти вақт ба ихтисосёбӣ оварда мерасонад.

Усул дар шаш соҳаи воқеии маълумот — криптовалюта, нархҳои ашёи хом, пешгӯии обу ҳаво, шуоъафкании офтоб, нақлиёти шаҳрӣ ва сифати ҳаво — арзёбӣ шудааст. Мувофиқи Ҷадвали асосии 2, миёнаи Индекси Ихтисосёбӣ (Specialization Index, SI)-и NichePopulation 0,747 мебошад. Арзишҳои SI аз рӯйи соҳа аз 0,573 то 0,826 тағйир ёфтаанд. SI дар гурӯҳи муқоисавии якхела тақрибан 0,002 ва миёнаи SI дар муқоисаи тасодуфӣ 0,127 аст.

Дар муҳимтарин озмоиши ablation-и таҳқиқот бонуси ихтиёрии ниша, ки ихтисосёбиро мустақиман ҳавасманд мекунад, комилан хомӯш карда шуд: λ = 0. Дар ин ҳолат миёнаи SI 0,329 ёфт шуд. Ин арзиш аз сатҳи тасодуфии 0,127 ба таври равшан баландтар аст. Аз ин рӯ, озмоишҳо дастгирӣ мекунанд, ки дар тартиби winner-take-all-и таҳқиқшуда худи рақобат метавонад ихтисосёбии ченшавандаро ба вуҷуд орад. Бо вуҷуди ин, ҳангоми истифодаи λ = 0,3 миёнаи SI то 0,747 боло рафт; яъне бонус андозаи ихтисосёбиро ба таври назаррас зиёд кардааст.

Гузориш шудааст, ки омӯзандагон на танҳо аз рӯйи режимҳои муҳитӣ, балки аз рӯйи усулҳои пешгӯии истифодашуда низ фарқ кардаанд. Популятсияҳо ба ҳисоби миёна %87 усулҳои мавҷударо истифода бурда, нисбат ба асоси якхелаи як-усулӣ дар иҷрои нормализатсияшуда ба ҳисоби миёна %26,5 афзоиш нишон додаанд. Афзоиши гузоришшуда дар соҳаи криптовалюта %41,6, дар ашёи хом %37,2, дар пешгӯии обу ҳаво %28,6, дар нақлиёт %23,8, дар шуоъафкании офтоб %17,6 ва дар сифати ҳаво %9,9 мебошад.

Муқоисаи MARL бо QMIX, MAPPO ва IQL танҳо чор соҳа — криптовалюта, ашёи хом, обу ҳаво ва шуоъафкании офтобро — фаро мегирад. Муаллиф хабар медиҳад, ки NichePopulation дар ин муқоиса тақрибан 4,3 маротиба SI-и баландтар додааст, дар омӯзиши 500-итератсионӣ бо тақрибан 0,9 сония нисбат ба 3,7 сония қариб чор маротиба тезтар будааст ва тақрибан 1 MB нисбат ба 384–512 MB хотира истифода кардааст. Азбаски барои усулҳои MARL оптимизатсияи иловагии гиперпараметрҳо анҷом дода нашудааст, ин натиҷа набояд ҳамчун бартарии қатъӣ нисбат ба ҳамаи конфигуратсияҳои имконпазири ин усулҳо арзёбӣ шавад.

Таҳқиқот нишон намедиҳад, ки рақобат дар ҳар муҳит ба таври худкор гуногунӣ ба вуҷуд меорад. Барои кор кардани усул бояд дар муҳит зиёда аз як режими маънодор мавҷуд бошад, усулҳои гуногун дар режимҳои гуногун бартарӣ дошта бошанд ва омӯзандагон воқеан барои мукофоти маҳдуд рақобат кунанд. Режимҳо ва усулҳои пешгӯӣ дар ҳар соҳа аз ҷониби муҳаққиқ пешакӣ муайян шудаанд; алгоритм ин режимҳоро худ кашф намекунад.

Аз нуқтаи назари Туркия, ин усулро метавон дар соҳаҳое чун маҷмӯи моделҳое, ки ба шароити гуногуни бозор мутобиқ мешаванд, моделҳои нигоҳдории пешгӯишавандае, ки ба режимҳои гуногуни кори корхонаҳои истеҳсолӣ ихтисос меёбанд, низомҳои пешгӯии талаботи энергия ё истеҳсоли энергияи офтобӣ ва шабакаҳои сенсорҳои муҳитӣ таҳқиқ кард. Аммо натиҷаҳои таҳқиқот дар маълумоти Туркия тасдиқ нашудаанд ва озмоиши саҳроӣ барои низомҳои воқеии амалиётӣ анҷом дода нашудааст. Аз ин рӯ, барои татбиқи маҳаллӣ таърифи режим, инвентари усулҳо, сохтори мукофот ва механизми рақобат бояд алоҳида тасдиқ шаванд.

Ихтисосёбӣ Дар Популятсияҳои Омӯзанда Чӣ Маъно Дорад?

Дар ин таҳқиқот омӯзанда (learner) воҳиди ҳисоббарориест, ки дар вазъияти муайяни муҳитӣ усули пешгӯиро интихоб мекунад, мувофиқи натиҷа мукофот мегирад ва аз таҷрибаҳои гузашта меомӯзад, ки кадом усул дар кадом шароит самараноктар аст. Популятсия бошад фаъолияти якчанд омӯзандаи дорои қобилиятҳои умумии яксон дар як муҳит мебошад.

Ихтисосёбӣ ин аст, ки омӯзанда ба ҷойи равона шудан ба ҳамаи шароити муҳитӣ ба таври баробар, дар режимҳои муайян афзалият ё салоҳияти баландтар инкишоф медиҳад. Масалан, дар муҳити молиявӣ як омӯзанда метавонад ба усулҳои муваффақ дар бозори болораванда, дигаре дар бозори поёнраванда ва сеюмӣ дар бозори паҳлӯӣ равона шавад.

Монандсозии экологии таҳқиқот ба мафҳуми ниша (niche) асос меёбад. Дар экология организмҳое, ки як манбаи маҳдудро ба як тарз истифода мекунанд, ба рақобати мустақим медароянд. Равона шудан ба манбаъҳо ё шароитҳои дигар метавонад ин рақобатро кам кунад. NichePopulation меомӯзад, ки оё механизми монанд дар популятсияҳои омӯзандагони сунъӣ пайдо мешавад ё не.

Режим чист?

Режим (regime) синфи ҳолатест, ки дар он маълумот ё муҳит рафтори сифатан фарқкунанда нишон медиҳад. Мафҳуми режим вобаста ба соҳа тағйир меёбад.

• Дар соҳаи криптовалюта: давраҳои болоравӣ, поёнравӣ, паҳлӯӣ ва ноустувор.
• Дар соҳаи ашёи хом: давраҳои болораванда, поёнраванда, устувор ва ноустувор.
• Дар пешгӯии обу ҳаво: шароити соф, абрнок, боришотӣ ва шадиди обу ҳаво.
• Дар шуоъафкании офтоб: баланд, миёна, паст ва шаб.
• Дар нақлиёт: серодамии субҳ, серодамии шом, нисфирӯзӣ, шаб, рӯзҳои истироҳат ва гузариш.
• Дар сифати ҳаво: хуб, миёна, барои гурӯҳҳои ҳассос носолим ва носолим.

Дар ин ҷо маҳдудияти муҳими методологӣ мавҷуд аст: ин режимҳо аз ҷониби алгоритм ба таври беназорат кашф нашудаанд. Онҳо дар таҳқиқот бо такя ба дониши соҳа пешакӣ муайян шудаанд. Муаллиф низ инро дар байни маҳдудиятҳо ошкоро қайд мекунад.

Наздикии режим–усул чист?

Манбаъ муваффақияти интизории усули муайянро дар режими муайян бо:

\[ A(r,m)\in[0,1] \]

нишон медиҳад.

Дар ин ҷо \(r\) режими муҳитӣ ва \(m\) усули пешгӯиро ифода мекунад. Иҷро тавре миқёсбандӣ мешавад, ки арзиши беҳтарин усул дар ҳар режим 1 бошад:

\[ \max_m A(r,m)=1 \]

Ғояи асосӣ ин аст, ки як усул дар ҳамаи режимҳо беҳтарин набошад. Агар як усул дар ҳамаи шароитҳо комилан бартарӣ медошт, аз нуқтаи назари иҷро барои ихтисосёбии омӯзандагон ба усулҳои гуногун сабабе боқӣ намемонд.

Намунаҳои наздикии усулҳо дар соҳаи криптовалюта

Дар ин мисол Momentum-Long дар режимҳои болоравӣ ва поёнравӣ қавӣ аст, дар ҳоле ки Mean-Revert дар режимҳои паҳлӯӣ ва ноустувор бартарии бештар дорад. Пас, гетерогении асосие, ки ихтисосёбии омӯзандагонро ба усулҳои гуногун имконпазир мекунад, аз пеш мавҷуд аст.

Индекси Ихтисосёбӣ (SI) Чӣ Гуна Ҳисоб Мешавад?

Ченаки асосии таҳқиқот Specialization Index (SI) ном дошта, индекси нормализатсияшудаи ихтисосёбӣ мебошад, ки ба энтропияи Shannon асос меёбад.

Ҳар омӯзанда дар режимҳои муҳитӣ тақсимоти эҳтимолиро нигоҳ медорад:

\[ \alpha=(\alpha_1,\alpha_2,\ldots,\alpha_R) \]

Дар ин ҷо ҳамаи арзишҳо сифр ё мусбатанд ва ҷамъашон 1 аст:

\[ \sum_{r=1}^{R}\alpha_r=1 \]

Ин вектор нишон медиҳад, ки омӯзанда ба кадом режимҳо то чӣ андоза равона шудааст.

Энтропияи Shannon

Барои чен кардани он ки тақсимоти наздикии режим то чӣ андоза пароканда аст:

\[ H(\alpha)=-\sum_r\alpha_r\log\alpha_r \]

истифода мешавад.

Агар ҳамаи режимҳо вазни баробар дошта бошанд, энтропияи тақсимот баланд аст. Ҳар қадар омӯзанда тамоми эҳтимолро дар як режим ҷамъ кунад, энтропия кам мешавад.

Индекси ихтисосёбӣ:

\[ SI(\alpha)=1-\frac{H(\alpha)}{\log R} \]

чунин муайян шудааст.

• SI = 0: Омӯзанда ба ҳамаи режимҳо баробар равона шудааст; ҳолати пурраи универсалӣ.
• SI = 1: Тамоми наздикӣ дар як режим ҷамъ шудааст; аз ҷиҳати математикӣ мутахассиси комил.
• 0 < SI < 1: Ихтисосёбии қисман.

Мисол: α = (0,82; 0,06; 0,06; 0,06)

Дар Замимаи B-и манбаъ барои омӯзандаи дорои чор режим:

\[ \alpha=(0.82,0.06,0.06,0.06) \]

мисол оварда мешавад.

Энтропия:

\[ H(\alpha)= -0.82\log(0.82) -3(0.06\log(0.06)) \]

чунин ҳисоб мешавад ва манбаъ тақрибан:

\[ H(\alpha)=0.668 \]

натиҷа медиҳад.

Энтропияи ҳадди аксар барои чор режим:

\[ \log 4=1.386 \]

аз ин рӯ:

\[ SI=1-\frac{0.668}{1.386} \]

\[ SI\approx0.518 \]

ба даст меояд.

Ифодаи %51,8 дар ин ҷо дақиқии пешгӯӣ нест. Он танҳо ченаки нормализатсияшудаи ихтисосёбист, ки нишон медиҳад тақсимоти наздикии режимии омӯзанда то чӣ андоза аз тақсимоти uniform дур шудааст.

Алгоритми NichePopulation Чӣ Гуна Кор Мекунад?

NichePopulation нигоҳ доштани эътиқодҳои ҳар омӯзанда дар бораи он ки кадом усул дар кадом режим муваффақ аст, интихоби усул бо Thompson Sampling ва нав кардани танҳо омӯзандае, ки дар ҳар давр баландтарин мукофоти танзимшударо мегирад, муттаҳид мекунад.

1. Эътиқодҳои усул: тақсимоти Beta

Ҳар омӯзанда барои ҳар ҷуфти режим–усул параметрҳои тақсимоти Beta-ро нигоҳ медорад:

\[ \beta^{+}_{i,r,m},\quad \beta^{-}_{i,r,m} \]

Дар оғоз ҳамаи ҷуфтҳо:

\[ Beta(1,1) \]

ба кор медароянд.

Beta(1,1) тақсимоти uniform байни 0 ва 1 мебошад. Он нишон медиҳад, ки омӯзанда дар оғоз нисбат ба он ки кадом усул беҳтар аст, афзалият надорад.

2. Интихоби усул бо Thompson Sampling

Вақте режими \(r_t\) пайдо мешавад, барои ҳар усул аз тақсимоти Beta як намунаи тасодуфии муваффақият гирифта мешавад:

\[ \tilde{\theta}_m \sim Beta( \beta^{+}_{i,r_t,m}, \beta^{-}_{i,r_t,m} ) \]

Омӯзанда усулеро интихоб мекунад, ки дар байни арзишҳои намунагирифташуда аз ҳама калон аст:

\[ m_i= \operatorname*{argmax}_{m\in M} \tilde{\theta}_m \]

Thompson Sampling усули эҳтимолии интихоб аст, ки мувозинати байни кашф ва истифодаи маълумро таъмин мекунад. Азбаски номуайянии усулҳои нокифоя санҷидашуда баланд аст, онҳо гоҳ-гоҳ имкони интихоб шудан доранд; усулҳое, ки хуб кор карданашон омӯхта шудааст, бештар интихоб мешаванд.

3. Бонуси ниша дар алгоритми асосӣ

Algorithm 1 дар қисми усули асосӣ мукофоти танзимшударо:

\[ \tilde{R}_i = R_i \left( 1+ \lambda \mathbf{1}[r_i^{*}=r_t] \alpha_{i,r_t} \right) \]

чунин муайян мекунад.

Дар ин ҷо:

• \(R_i\): Мукофоти хоми омӯзанда.
• \(\lambda\): Коэффисиенти бонуси ниша.
• \(r_i^{*}\): Режими асосии омӯзанда, ки баландтарин наздикиро дорад.
• \(\mathbf{1}[r_i^{*}=r_t]\): Агар режими ҷорӣ нишаи асосии омӯзанда бошад 1, дар акси ҳол 0.
• \(\alpha_{i,r_t}\): Наздикии нишаи омӯзанда ба режими ҷорӣ.

Вақте \(\lambda=0\):

\[ \tilde{R}_i=R_i \]

мешавад. Яъне бонуси махсуси ниша комилан барҳам мехӯрад; аммо омӯзандагон ҳанӯз барои мақоми маҳдуди ғолиб дар ҳамон давр рақобат мекунанд.

Ёддошти усул дар дохили манбаъ: Баёни омӯзишии Замимаи B бонусро ба ҷойи ин:

\[ B_i=\lambda(\alpha_{i,r_t}-1/R) \]

ва:

\[ S_i=R_i+B_i \]

ба таври ҷамъшаванда нишон медиҳад. Ин формула бо формулаи зарбшавандаи Algorithm 1-и асосӣ яксон нест. Аз ин рӯ, дар баёни Verianla формулаи усули асосӣ асос гирифта мешавад.

4. Рақобати winner-take-all

Ғолиб:

\[ i^{*}= \operatorname*{argmax}_{i} \tilde{R}_i \]

интихоб мешавад.

Дар ҳамон давр омӯзандагони дигар низ метавонанд натиҷаи хуб дода бошанд; аммо танҳо омӯзандае, ки баландтарин мукофоти танзимшударо гирифтааст, навсозии мусбати омӯзиш мегирад.

Ин механизм дар маркази таҳқиқот қарор дорад. Агар ду омӯзанда дар як режим ба ҳамон усулҳо равона шаванд, онҳо мустақиман рақобат мекунанд. Азбаски танҳо яке метавонад нав карда шавад, фарқиятҳои хурди муваффақияти давраи аввал метавонанд бо гузашти вақт калон шаванд.

5. Эътиқоди усули ғолиб чӣ гуна нав мешавад?

Дар Algorithm 1-и асосӣ параметри мусбати Beta-и ғолиб:

\[ \beta^{+}_{i^{*},r_t,m_{i^{*}}} \leftarrow \beta^{+}_{i^{*},r_t,m_{i^{*}}} + \tilde{R}_{i^{*}} \]

чунин нав карда мешавад.

Дар намоиши алгоритм дар мақола барои параметри \(\beta^{-}\) қадами алоҳидаи навсозии манфии мувофиқ дода нашудааст. Аз ин рӯ, қоидаи навсозие, ки дар манбаъ вуҷуд надорад, илова нашудааст.

6. Наздикии ниша чӣ гуна тағйир меёбад?

Наздикии омӯзандаи ғолиб ба режими ҷорӣ:

\[ \alpha_{i^{*},r_t} \leftarrow \alpha_{i^{*},r_t} + \eta(1-\alpha_{i^{*},r_t}) \]

бо ин зиёд карда мешавад.

\(\eta\) суръати омӯзиш аст. Арзиши пешфарзи таҳқиқот:

\[ \eta=0.1 \]

дода шудааст.

Сипас вектори наздикӣ тавре нормализатсия мешавад, ки ҷамъаш боз 1 бошад.

Ёддошти усул дар дохили манбаъ: Дар мисоли як итератсияи Замимаи B наздикиҳои режимҳои дигар низ алоҳида кам карда шуда, ба натиҷаи \((0.333,0.222,0.222,0.222)\) мерасанд. Ин амал бо қоидаи танҳо зиёд кардан + нормализатсия кардан, ки дар Algorithm 1-и асосӣ ошкоро муайян шудааст, айнан яксон нест. Аз ин рӯ, пайгирии ададии Замимаи B набояд ҳамчун бозҳисобкунии дақиқи математикии алгоритми асосӣ истифода шавад.

Ихтисосёбии Усул Чӣ Гуна Чен Мешавад?

Таҳқиқот на танҳо ба он назар мекунад, ки кадом режим афзал дониста мешавад, балки инчунин ба он ки омӯзанда кадом усулҳои пешгӯиро истифода мебарад.

Тақсимоти истифодаи усул аз ҷониби як омӯзанда:

\[ \pi_i\in\Delta^M \]

бошад. Индекси Ихтисосёбии Усул:

\[ MSI(\pi_i) = 1- \frac{H(\pi_i)}{\log M} \]

чунин муайян мешавад.

MSI-и баланд нишон медиҳад, ки омӯзанда ба шумораи ками усулҳо мутамарказ шудааст; MSI-и паст бошад истифодаи мутавозинтари усулҳоро нишон медиҳад.

Фарогирии усул

То чӣ андоза популятсия воқеан аз репертуари мавҷудаи усулҳо истифода мекунад:

\[ Coverage= \frac{ |\{m:\exists i,\pi_{i,m}>\tau\}| }{M} \]

бо ин ҳисоб шудааст.

Дар таҳқиқот:

\[ \tau=0.3 \]

истифода мешавад.

Масалан, агар ҳамаи панҷ усул ҳадди ақал аз ҷониби як мутахассис ба андозаи кофӣ қавӣ истифода шаванд, coverage %100 мешавад.

Се Пешниҳоди Назариявӣ Чӣ Мегӯянд?

Пешниҳоди 1: Истиснои рақобатӣ

Манбаъ иддао мекунад, ки дар сохтори winner-take-all, вақте \(N>R\), стратегияи якхелае, ки омӯзандагони дорои наздикии якхелаи ниша месозанд, тавозуни Nash нест.

Агар дар як режим \(k_r\) омӯзанда бошад, манбаъ боздеҳи интизориро дар сатҳи баланд чунин ифода мекунад:

\[ E[\text{Payoff}_i|r] = \frac{V_r}{k_r}-c \]

.

Барои омӯзандае, ки ба режими камтар серодами \(r'\) мегузарад:

\[ E[\text{Payoff}'_i|r'] = \frac{V_{r'}}{k_{r'}-1}-c' \]

навишта мешавад.

Далели асосӣ ин аст, ки вақте арзишҳои режимҳо қобили муқоисаанд, равона шудан ба нишаи камтар серодам метавонад боздеҳи интизориро зиёд кунад.

Ин натиҷа набояд ҳамчун теоремаи универсалии ҳамаи низомҳои имконпазири рақобат шарҳ дода шавад. Манбаъ исботро дар доираи динамикаи winner-take-all, арзишҳои монанди режим ва фарзияҳои модели худ месозад.

Тавозуни Nash чист?

Тавозуни Nash профили стратегияҳоест, ки дар он, ҳангоми собит будани стратегияҳои дигар иштирокчиён, ҳеҷ иштирокчӣ танҳо бо иваз кардани стратегияи худ натиҷаи беҳтар гирифта наметавонад.

Иддаои манбаъ дар Пешниҳоди 1 ин аст, ки агар яке аз омӯзандагони пурра дар як ниша ҷамъшуда бо равона шудан ба соҳаи камтар серодам натиҷаи интизории беҳтар гирад, ҳолати якхела наметавонад тавозуни устувори Nash бошад.

Пешниҳоди 2: Ҳадди поёнии SI-и интизорӣ

Манбаъ барои \(R\) режими эҳтимолашон баробар ва \(\lambda>0\) ҳадди поёнии зеринро барои ихтисосёбии интизорӣ медиҳад:

\[ E[SI] \geq \frac{\lambda}{1+\lambda} \left(1-\frac{1}{R}\right) \left(1-e^{-\eta T/R}\right) \]

Дар ин ҷо:

• \(\lambda\): коэффисиенти бонуси ниша,
• \(R\): шумораи режимҳо,
• \(\eta\): суръати омӯзиш,
• \(T\): шумораи итератсияҳо.

Дар озмоиши пешфарз:

\[ \lambda=0.3,\quad R=4,\quad \eta=0.1,\quad T=500 \]

манбаъ мегӯяд, ки ҳадди поён тақрибан:

\[ SI\geq0.17 \]

аст. Азбаски миёнаи таҷрибавӣ тақрибан 0,75 аст, арзиши мушоҳидашуда аз ин ҳадди поён баландтар мебошад.

Дар ҳоле ки матни асосӣ барои нишаи аввалия тақрибан:

\[ \alpha_{r^{*}}^{*}\approx\frac{\lambda}{1+\lambda} \]

ифодаро истифода мекунад, бароварди васеъшуда дар Замимаи A:

\[ \alpha_{r^{*}}^{**} = \frac{\lambda}{1+\lambda} + \frac{1}{R(1+\lambda)} \]

ба шакли як ҳади иловагии асосии uniform дар бар мегирад. Ду ифода айнан яксон нестанд; дуюм шакли муфассалтаре мебошад, ки дар замима дода шудааст.

Пешниҳоди 3: Чаро гуногунӣ дар як режим фурӯ мерезад?

Манбаъ шумораи самараноки режимҳои муҳитро:

\[ k_{\text{eff}} = \exp(H(\pi_r)) \]

муайян мекунад.

Вақте муҳит ба як режим фурӯ меравад:

\[ k_{\text{eff}}\rightarrow1 \]

мешавад.

Манбаъ иддао мекунад, ки дар ин ҳолат фарқияти маънодор дар сатҳи популятсия имконнопазир аст ва “ихтисосёбии самаранок” ба сифр меравад.

Дар ин ҷо фарқи муҳими ченкунӣ вуҷуд дорад. Агар ҳамаи омӯзандагон комилан ба як режим мутамарказ шаванд, арзиши хоми SI-и ҳар омӯзанда аз ҷиҳати математикӣ метавонад баланд бошад. Манбаъ инро низ эътироф карда, SI-ро дар чунин ҳолат “degenerated” тавсиф мекунад. Он чизе, ки дар Пешниҳоди 3 ба сифр меравад, тафсири гуногунии самаранок дар сатҳи популятсия аст, ки омӯзандагон ба режимҳои гуногун тақсим шудаанд.

Усул ва Натиҷаҳои Таҳқиқот

Шаш соҳаи воқеии маълумот

Ҷамъи арифметикии ин сатрҳо 146.094 сабт аст. Дар қисми натиҷаҳои манбаъ бошад, шумораи умумии 145.294 сабт оварда шудааст. Фарқи 800 сабт дар PDF шарҳ дода нашудааст. Аз ин рӯ, арзишҳои Ҷадвали 1 аз рӯйи соҳа бетағйир нигоҳ дошта шудаанд.

Панҷ усуле, ки дар ҳар соҳа истифода шудаанд

Ин репертуари усулҳо ба таври автоматӣ кашф нашудааст. Онҳо барои ҳар соҳа аз ҷониби муҳаққиқ пешакӣ омода шудаанд. Аз ин рӯ, тақсимоти меҳнати мушоҳидашуда кашфи худ аз худи фазои комилан озоди моделҳо нест, балки ихтисосёбӣ дар дохили репертуари муайяншудаи усулҳо мебошад.

Гиперпараметрҳои умумӣ

Натиҷаҳои байнисоҳаи ихтисосёбӣ

Ифодаи “Cohen's d > 20 дар ҳамаи соҳаҳо” дар хулоса ва қисми натиҷаҳои манбаъ бо ин ҷадвал айнан мувофиқат намекунад. Барои Commodities 19,89 ва барои Traffic 15,86 дода шудааст. Аз ин рӯ, фосилаи дуруст 15,86–32,06 ва миёна 22,84 оварда шудааст.

Cohen's d чӣ маъно дорад?

Cohen's d андозаи стандартии таъсир аст, ки фарқи байни миёнаҳои ду гурӯҳро дар воҳиди инҳирофи стандартӣ ифода мекунад.

Дар манбаъ:

\[ d= \frac{\mu_1-\mu_2}{\sigma_{\text{pooled}}} \]

истифода мешавад.

Дар ин ҷо \(\mu_1\) ва \(\mu_2\) миёнаҳои гурӯҳҳо, \(\sigma_{\text{pooled}}\) бошад инҳирофи стандартии муттаҳидшуда аст.

Масалан, арзиши d = 20 маънои онро надорад, ки “усул %2000 беҳтар аст”. Он нишон медиҳад, ки миёнаҳо нисбат ба инҳирофи стандартии муттаҳидшуда ба дараҷаи фавқулода ҷудо шудаанд. Яке аз сабабҳои арзишҳои хеле баланди d дар ин таҳқиқот он аст, ки натиҷаҳо дар 30 такрор вариатсияи нисбатан паст нишон додаанд.

Аҳамияти оморӣ чӣ гуна санҷида шуд?

Таҳқиқот t-test-ҳои як ва ду намунавиро истифода кардааст. Азбаски байни шаш соҳа муқоисаи чандкарата анҷом дода шудааст, ислоҳи Bonferroni татбиқ шудааст:

\[ \alpha= \frac{0.05}{6} \approx0.0083 \]

Аз ин рӯ, ҳадди аҳамияти оморӣ:

\[ p<0.0083 \]

гирифта шудааст.

Гуфта мешавад, ки барои фосилаҳои эътимод bootstrap бо 1.000 бознамунагирӣ истифода шудааст.

λ ablation: Рақобат бе бонус чӣ кард?

Дар шарти \(\lambda=0\), SI дар ҳамаи соҳаҳо аз сатҳи тасодуфии дахлдор баландтар боқӣ мондааст. Бо вуҷуди ин, ҷумлаи “дар ҳамаи соҳаҳо SI > 0,30” дар хулосаи манбаъ бо ҷадвал комилан мувофиқ нест: Solar 0,256 ва Traffic 0,294 мебошанд.

Ифодаи эҳтиёткортаре, ки аз ҷиҳати илмӣ аз ҷониби ҷадвал дастгирӣ мешавад, чунин аст: дар шарти λ=0 миёнаи SI 0,329 мебошад ва дар ҳамаи соҳаҳо ихтисосёбӣ аз муқоисаи тасодуфӣ баландтар боқӣ мондааст.

Бо афзоиши λ чӣ рӯй медиҳад?

Миёнаи SI бо афзоиши λ аз 0,329 то 0,834 боло рафтааст. Муаллиф ин натиҷаро чунин шарҳ медиҳад, ки рақобат ихтисосёбиро оғоз мекунад ва бонуси ниша равандро тақвият медиҳад.

Аммо баланд будани λ дар ҳар ҳолат беҳтар нест. Дар соҳаи сифати ҳаво SI:

\[ 0.826\quad(\lambda=0.3) \]

аз арзиши:

\[ 0.800\quad(\lambda=0.5) \]

ба ин арзиш коҳиш ёфтааст.

Манбаъ инро бо он алоқаманд мекунад, ки ихтисосёбии аз ҳад зиёд метавонад рафтори кашфро кам кунад.

Тақсимоти меҳнат дар сатҳи усул

Арзишҳои иҷро дар ин ҷо арзишҳои хоми RMSE, таносуби Sharpe ё MAPE-и соҳаҳо нестанд. Манбаъ шарҳ медиҳад, ки муваффақияти пешгӯии ҳар соҳа нисбат ба сатҳи тасодуфӣ нормализатсия шуда, ба фосилаи 0–1 табдил дода шудааст.

Аз ин рӯ, “+%26,5 иҷро” маънои коҳиши мустақими %26,5 дар арзишҳои физикии хато дар ҳамаи соҳаҳоро надорад. Ин беҳбудии миёнаи нисбӣ аст, ки аз муқоисаи иҷроҳои нормализатсияшудаи дохилисоҳа ба даст омадааст.

Асоси якхела чист?

Дар муқоисаи якхела ҳамаи омӯзандагон як усули ягонаи яксонро истифода мебаранд. Манбаъ ин усулро ҳамчун “single best-performing method (oracle selection)” интихоб мекунад.

Ин oracle нест, ки дар ҳар режим усули алоҳидаи комилро медонад. Барои соҳа як усул интихоб мешавад ва ҳамаи омӯзандагон ҳамон усулро истифода мебаранд.

Муқоисаи MARL

Ин муқоиса дар ҳамаи шаш соҳа не, балки дар чор соҳа анҷом дода шудааст.

Матни манбаъ миёнаи NichePopulation-ро 0,756 ва миёнаи қавитарин MARL-ро 0,167 гузориш дода, онро ҳамчун фарқи 4,3× ҷамъбаст мекунад.

Ҳангоми ҳисобкунии мустақим аз арзишҳои гирдкардашудаи ҷадвал:

\[ \frac{0.756}{0.167}\approx4.53 \]

ба даст меояд. Аз ин рӯ 4,3× ҳамчун арзише нигоҳ дошта шудааст, ки муаллиф дар матн гузориш додааст; он ҳамчун нисбати дақиқе, ки аз ҷадвал аз нав ҳисоб шудааст, пешниҳод нашудааст.

Маҳдудияти муқоисаи MARL

Барои QMIX, MAPPO ва IQL ҳамон ҳашт омӯзанда, 500 итератсияи омӯзиш ва буҷетҳои тухми тасодуфӣ истифода шудаанд. Аммо манбаъ ошкоро мегӯяд, ки барои ин усулҳо оптимизатсияи алоҳидаи гиперпараметрҳо анҷом дода нашудааст.

Аз ин рӯ, натиҷа нишон медиҳад, ки NichePopulation дар ин конфигуратсияи озмоишӣ SI-и баландтар истеҳсол кардааст. Ин далели бартарии универсалӣ нисбат ба ҳамаи конфигуратсияҳои имконпазири QMIX, MAPPO ё IQL нест.

Хароҷоти ҳисоббарорӣ

Дар манбаъ барои 500 итератсия NichePopulation тақрибан:

0,9 сония

вақти омӯзиш, дар ҳоле ки усулҳои MARL тақрибан:

3,7 сония

гузориш шудаанд.

Истеъмоли хотира тақрибан 1 MB нисбат ба 384–512 MB дода шудааст.

Ин ченакҳо дар як мошин:

• Apple M1 Pro, 10 ҳаста
• 16 GB RAM
• macOS 14.3
• Python 3.10
• NumPy, SciPy ва Matplotlib

гирифта шудаанд. Манбаъ вақти умумии иҷрои ҳамаи шароити озмоишро тақрибан чор соат гузориш медиҳад.

Чаро Ихтисосёбӣ Дар Соҳаи Нақлиёт Пасттар Аст?

Соҳаи нақлиёт бо SI=0,573 пасттарин натиҷаро дар байни шаш соҳа додааст. Манбаъ ба ҷойи пинҳон кардани ин ҳамчун нокомӣ, онро барои муҳокимаи шароити сарҳадии усул истифода мебарад.

Се шарҳ пешниҳод мешавад:

• Дар нақлиёт ба ҷойи чор режими дигар соҳаҳо шаш режим мавҷуд аст. Тақсим шудани ҳашт омӯзанда ба шаш режим метавонад рақобати мустақими миёнаро барои ҳар режим кам кунад.
• Режимҳои нақлиёт мустақил нестанд. Пас аз серодамии субҳ нисфирӯзӣ ва баъд серодамии шом меояд. Ин коррелятсияи замонӣ ба фарзияи режимҳои мустақил, ки дар назария истифода шудааст, мувофиқ нест.
• Азбаски режими “гузариш” бо дигар режимҳо қисман ҳампӯш аст, сарҳадҳои ниша номуайянтаранд.

Бо вуҷуди ин, дар соҳаи нақлиёт фарогирии усул %100 ва афзоиши иҷрои нормализатсияшуда нисбат ба асоси якхела %23,8 аст.

Ёддошти мутобиқати математикӣ: Манбаъ дар ҳамон бахш мегӯяд, ки ифодаи \(1-1/R\) барои R=6 ҳадди болоии назариявиро паст мекунад. Аммо:

\[ 1-\frac{1}{6}=\frac{5}{6}\approx0.833 \]

ва:

\[ 1-\frac{1}{4}=\frac{3}{4}=0.75 \]

аз ин рӯ арзиши аввал ба тарафи хурдтар не, балки калонтар меравад. Илова бар ин, ҳадди болоии математикии таърифи SI 1 аст. Аз ин рӯ, ин шарҳи махсуси “ҳадди болоии пасттар” барои SI-и пасти Traffic ҳамчун натиҷаи тасдиқшудаи математикӣ дода нашудааст.

Оё Рақобат Воқеан Танҳо Худаш Кофист?

Дар чаҳорчӯбаи таҷрибавии ин таҳқиқот, шарти λ = 0 бонуси нишаро барҳам медиҳад, аммо рақобати winner-take-all, режимҳои гетерогении пешакӣ муайяншуда, репертуари усулҳое, ки дар режимҳои гуногун иҷрои гуногун доранд, ва навсозии интихобии ғолибро нигоҳ медорад.

Аз ин рӯ, маънои пурраи хулосаи “рақобат танҳо кофист” чунин аст:

Дар ин модел, бе бонуси махсуси ниша ва танҳо бо мавҷудияти рақобати winner-take-all ва динамикаи омӯзиш, ихтисосёбӣ аз сатҳи тасодуфӣ баландтар пайдо шудааст.

Ин ифода нишон намедиҳад, ки ба рақобат гузоштани ҳар ду модели зеҳни сунъӣ дар ҳар муҳит ба таври худкор ихтисосёбии муфид ба вуҷуд меорад.

Се шарте, ки манбаъ барои ихтисосёбӣ муайян кардааст

1. Гетерогении режим: Дар муҳит воқеан бояд зиёда аз як шароити аз ҳам фарқкунанда мавҷуд бошад.
2. Фарқияти стратегия: Усулҳои гуногун бояд дар режимҳои гуногун бартарӣ дошта бошанд.
3. Манбаи маҳдуд / рақобати воқеӣ: Бояд фишори рақобате вуҷуд дошта бошад, ки дар он ҳамаи омӯзандагон ҳамзамон баробар мукофот намегиранд.

Вақте ин шароитҳо аз байн мераванд, механизми назариявии таҳқиқот низ заиф мешавад.

Натиҷаҳое, Ки Таҳқиқот Дастгирӣ Мекунад

• Дар шароити рақобати winner-take-all омӯзандагон тавонистанд наздикиҳои нишаро ба режимҳои гуногун инкишоф диҳанд.
• Дар шарти пешфарзи λ=0,3 миёнаи SI дар шаш соҳа 0,747 аст.
• Дар шарти λ=0 миёнаи SI 0,329 аст ва аз миёнаи 0,127-и сатҳи тасодуфӣ баландтар мебошад.
• Бонуси ниша андозаи ихтисосёбиро зиёд кардааст; дар λ=0,3 миёнаи SI то 0,747 боло рафтааст.
• Популятсияҳо ба ҳисоби миёна %87 усулҳои мавҷударо истифода кардаанд.
• Дар иҷрои нормализатсияшудаи пешгӯӣ нисбат ба асоси якхела афзоиши миёнаи +%26,5 гузориш шудааст.
• Дар муқоисаи MARL дар чор соҳа NichePopulation SI-и баландтар истеҳсол кардааст.
• Низоми winner-take-all хароҷоти пасти ҳисоббарорӣ ва хотира нишон додааст.
• Соҳаи нақлиёт бо вуҷуди ихтисосёбии пасттари режим, фарогирии усули %100 ва афзоиши иҷрои нормализатсияшудаи +%23,8 нишон додааст.

Умумисозиҳое, Ки Таҳқиқот Дастгирӣ Намекунад

• Исбот нашудааст, ки рақобат дар ҳамаи низомҳои омӯзиши мошинӣ ҳатман гуногунии муфид ба вуҷуд меорад.
• Режимҳо аз ҷониби алгоритм худ аз худ кашф намешаванд; онҳо бо дониши соҳа пешакӣ муайян шудаанд.
• Усулҳои пешгӯӣ ба таври автоматӣ кашф ё тавлид нашудаанд; барои ҳар соҳа панҷ усул дастӣ муайян шудааст.
• Ифодаи “дар ҳамаи соҳаҳо Cohen's d > 20” бо ҷадвали асосии натиҷаҳо мувофиқат намекунад.
• Ифодаи “ҳангоми λ=0 дар ҳамаи соҳаҳо SI > 0,30” бо ҷадвали асосии ablation мувофиқат намекунад.
• Муқоисаи MARL дар ҳамаи шаш соҳа анҷом дода нашудааст; Ҷадвали 5 танҳо чор соҳаро дар бар мегирад.
• Азбаски барои усулҳои MARL оптимизатсияи фарогири гиперпараметрҳо анҷом дода нашудааст, бартарии қатъӣ нисбат ба ҳамаи конфигуратсияҳои имконпазир нишон дода нашудааст.
• Ба таври таҷрибавӣ нишон дода нашудааст, ки механизми winner-take-all ҳатман аз ҳамаи шаклҳои нармтари рақобат беҳтар аст; механизмҳои top-k ё мукофоти мутаносиб барои корҳои оянда гузошта шудаанд.
• Таҳқиқот низоми воқеии савдои молиявӣ ё стратегияи сармоягузорӣ нест.
• Афзоиши баланди иҷро дар соҳаи криптовалюта маънои фоидаи %41,6 дар боздеҳи воқеии портфелро надорад.
• Нишон дода нашудааст, ки дар низомҳои воқеии истеҳсолӣ ҳамоҳангсозӣ бе муошират ҳамеша бо рақобат ҳал мешавад.

Маҳдудиятҳои асосӣ

Муайян кардани режим: Таҳқиқот аз буришҳои миёнаи ҳаракаткунанда, ҳадҳои ноустуворӣ ва таснифгарони содаи режим, ки бо дониши соҳа сохта шудаанд, истифода мекунад. Усулҳое чун Hidden Markov Model ё change-point detection санҷида нашудаанд.

Фарзияи стационарӣ: Таҳлили назариявӣ стационар будани тақсимоти режимро фарз мекунад. Дар ҷаҳони воқеӣ басомади режимҳо метавонад бо вақт тағйир ёбад.

Интихоби winner-take-all: Нав шудани танҳо як омӯзанда қарори огоҳонаи тарҳрезӣ аст. Натиҷаи механизмҳои top-k ё мукофоти мутаносиб омӯхта нашудааст.

Усулҳои дастӣ муайяншуда: Репертуари усулҳо барои ҳар соҳа аз ҷониби муҳаққиқ омода шудааст. Кашфи автоматии усул бо Meta-learning ё program synthesis анҷом дода нашудааст.

Режимҳои дастӣ муайяншуда: Низом режимҳоро дар соҳаҳои нав аз сифр кашф намекунад.

Муқоисаи нокифояи oracle: Асоси oracle, ки дар ҳар режим усули беҳтаринро комилан интихоб мекунад, вуҷуд надорад. Ҳамчунин муқоисаи алоҳидаи ensemble, ки ҳамон репертуари чандусули омӯзандагонро бе истиснои рақобатӣ истифода мекунад, анҷом дода нашудааст.

Хулосаи номувофиқатиҳои муҳими дохили манбаъ

Натиҷаи умумии таҳқиқот

Таҳқиқот нишон медиҳад, ки ҳангоми мавҷуд будани режимҳои гетерогении муҳитии пешакӣ муайяншуда ва усулҳое, ки дар режимҳои гуногун натиҷаҳои гуногун медиҳанд, рақобати winner-take-all метавонад омӯзандагони дар оғоз яксонро бо гузашти вақт ба соҳаҳои гуногуни ихтисосёбӣ равона кунад.

Қавитарин бозёфти озмоишҳо ин аст, ки ҳатто ҳангоми хомӯш кардани бонуси махсуси ниша, ихтисосёбӣ аз сатҳи тасодуфӣ баландтар нигоҳ дошта мешавад. Ин дастгирӣ мекунад, ки ихтисосёбӣ танҳо натиҷаи мукофоти мустақими гуногунӣ нест.

Бо вуҷуди ин, фарқи бузурги SI байни λ=0 ва λ=0,3 инчунин нишон медиҳад, ки бонуси ниша дар сатҳи миқдории ихтисосёбӣ нақши муҳим дорад. Аз ин рӯ, бозёфти таҳқиқотро на “бонус нолозим аст”, балки “рақобат метавонад ихтисосёбиро оғоз кунад; бонус метавонад онро ба таври равшан тақвият диҳад” гуфтан дурусттар аст.

Хароҷоти пасти ҳисоббарории NichePopulation ва тақсимоти равшани наздикии ниша аз нуқтаи назари популятсияҳои омӯзандаи тафсиршаванда ҷолибанд. Аммо бинобар дастӣ омода шудани режимҳо ва репертуари усулҳо, фарзияи муҳити стационарӣ, санҷида шудани навсозии winner-take-all ҳамчун танҳо шакли рақобат ва баъзе номувофиқатиҳои математикӣ/ададии дохили манбаъ, интиқоли натиҷаҳо ба низомҳои васеътар тасдиқи иловагӣ талаб мекунад.

Ёддошт оид ба Манбаъ ва Усул

Таҳқиқоти аслӣ: Emergent Specialization in Learner Populations: Competition as the Source of Diversity.

Муаллиф: Yuhao Li.

Муассиса: University of Pennsylvania.

Саҳми баробар: Татбиқ намешавад; таҳқиқот якмуаллифа аст.

Муаллифи масъул: Эъломияи ҷудогонаи corresponding-author мавҷуд нест; дар PDF суроғаи тамоси муаллифи ягона дода шудааст.

Шиносаи ArXiv: arXiv:2601.19943.

Версияи баррасишуда: arXiv:2601.19943v1.

Санаи ирсол: 16 Январ 2026.

ArXiv DOI: 10.48550/arXiv.2601.19943.

Манбаи расмӣ: https://arxiv.org/abs/2601.19943

Навъи манбаъ: Пешчопе дар соҳаи омӯзиши мошинӣ, ки таҳияи усул, таҳлили назариявӣ ва арзёбии таҷрибавӣ дар маълумоти воқеиро дар бар мегирад.

Ҳолати баррасии ҳамтоён: Дар санҷиши библиографии Ноябри 2026 версияи ҷудогонаи тасдиқшудаи маҷалла ё конфронси баррасишуда ёфт нашуд. Сабти ArXiv худ аз худ нишондиҳандаи баррасии ҳамтоён нест.

Соҳаи илмӣ: Machine Learning (cs.LG); таҳқиқот инчунин бо низомҳои бисёромӯзанда, омӯзиши тақвиятии бисёрагентӣ, назарияи нишаи экологӣ ва назарияи иттилоот алоқаманд аст.

Усули асосӣ: NichePopulation; winner-take-all competitive exclusion, Thompson Sampling, эътиқодҳои усул ва пайгирии наздикии ниша.

Конфигуратсияи асосии озмоиш: Ҳашт омӯзанда, барои ҳар соҳа панҷ усул, барои ҳар озмоиш 500 итератсия, барои ҳар шарт 30 такрори мустақил, λ=0,3-и пешфарз, суръати омӯзиш η=0,1.

Соҳаҳои воқеии маълумот: Маълумоти криптовалютии Bybit, нархҳои ашёи хоми FRED, маълумоти обу ҳаво ва шуоъафкании офтоб/сифати ҳавои Open-Meteo, маълумоти нақлиёти NYC TLC.

Сабтҳои Ҷадвали 1: 8.766 + 5.630 + 9.105 + 116.834 + 2.879 + 2.880 = 146.094. Бо ифодаи 145.294 сабти умумӣ дар қисми натиҷаҳои манбаъ фарқи шарҳнашудаи 800 сабт мавҷуд аст.

Натиҷаи асосии SI: Дар Ҷадвали асосии 2 миёнаи шаш соҳа 0,747 аст; хулоса онро гирд карда, тақрибан 0,75 пешниҳод мекунад.

Натиҷаи λ=0: Миёнаи SI 0,329. Азбаски дар Ҷадвали 3 Solar 0,256 ва Traffic 0,294 мебошанд, ифодаи “дар ҳамаи соҳаҳо SI > 0,30” дар хулоса айнан дуруст нест.

Андозаи таъсир: Дар Ҷадвали 2 Cohen's d дар фосилаи 15,86–32,06 аст; миёна 22,84 мебошад. Ифодаи “дар ҳамаи соҳаҳо d > 20”-и манбаъ бо сатрҳои Commodities ва Traffic мувофиқат намекунад.

Гуногунии усул: Миёнаи Method Specialization Index 0,364; фарогирии усул %87; фарқи миёнаи иҷро нисбат ба асоси якхелаи нормализатсияшуда +%26,5.

Муқоисаи MARL: QMIX, MAPPO ва IQL танҳо дар соҳаҳои Crypto, Commodities, Weather ва Solar муқоиса шудаанд. Манбаъ бартарии 4,3× SI гузориш медиҳад. Аз миёнаҳои ҷадвал таносуби мустақим тақрибан 4,52–4,53× ба даст меояд.

Маҳдудияти танзими MARL: Манбаъ ошкоро мегӯяд, ки барои усулҳои муқоисавӣ гиперпараметрҳои нашршуда истифода шудаанд, аммо оптимизатсияи иловагии гиперпараметрҳо анҷом дода нашудааст.

Муҳити ҳисоббарорӣ: Apple M1 Pro (10 ҳаста), 16 GB RAM, macOS 14.3, Python 3.10; NumPy, SciPy ва Matplotlib.

Усули оморӣ: t-test-ҳои як ва ду намунавӣ, ислоҳи Bonferroni барои шаш соҳа (α=0,0083), Cohen's d ва фосилаҳои эътимоди bootstrap бо 1.000 намуна.

Сохтори назариявӣ: Се пешниҳод дар бораи истиснои рақобатӣ, ҳадди поёнии SI ва фурӯпошии гуногунии самараноки популятсия дар ҳолати моно-режим пешниҳод мешаванд.

Фарқи усули асосӣ–Замимаи B: Дар Algorithm 1 мукофоти танзимшуда ба шакли зарбшаванда муайян мешавад, дар ҳоле ки баёни омӯзишии Замимаи B бонуси ҷамъшавандаро истифода мекунад. Мисоли навсозии наздикии Замимаи B низ қадамҳои иловагӣ нисбат ба қоидаи зиёд кардан + нормализатсияи алгоритми асосӣ дорад. Ин фарқиятҳо ҳамчун як муодила якҷо карда нашудаанд.

Шарҳи Traffic: Ҷумлаи манбаъ дар бораи он ки барои R=6 ҳади \(1-1/R\) ҳадди назариявии пасттар месозад, аз ҷиҳати математикӣ бо арзишҳои худи он мувофиқат намекунад. Натиҷаи таҷрибавии SI=0,573-и Traffic нигоҳ дошта шудааст ва тафсири нодурусти марбут ба ҳад умумӣ нашудааст.

Ҳолати режимҳо: Режимҳо аз ҷониби худи алгоритм кашф нашудаанд; бо дониши соҳа пешакӣ муайян шудаанд.

Инвентари усул: Панҷ усули пешгӯӣ барои ҳар соҳа дастӣ тарҳрезӣ шудаанд. Кашф ё тавлиди автоматии усул дар ин таҳқиқот анҷом дода нашудааст.

Маҳдудияти Oracle: Асоси пурраи oracle, ки дар ҳар режим усулро комилан иваз мекунад, вуҷуд надорад. Муқоисаи софи ensemble, ки ҳамон репертуари бисёрусуларо бе рақобат истифода мекунад, низ анҷом дода нашудааст.

Код ва маълумот: Манбаъ мегӯяд, ки код, маълумот ва конфигуратсияҳои озмоиш дар https://github.com/HowardLiYH/NichePopulation мавҷуданд. Азбаски анбор метавонад дар санаҳои баъдӣ рушд кунад, ин матни Verianla танҳо натиҷаҳои arXiv v1-и баррасишударо асос мегирад.

Маблағгузорӣ: Дар PDF эъломияи ҷудогонаи маблағгузорӣ муайян нашудааст.

Бархӯрди манфиатҳо: Дар PDF эъломияи ҷудогонаи бархӯрди манфиатҳо муайян нашудааст.

CRediT/саҳми муаллиф: Эъломияи ҷудогонаи CRediT вуҷуд надорад; таҳқиқот якмуаллифа аст.

Ҳадди тафсири илмӣ: Таҳқиқот нишон медиҳад, ки дар низоми таҷрибавии муайяншудаи winner-take-all рақобат метавонад бе мукофоти махсуси гуногунӣ ихтисосёбиро аз сатҳи тасодуфӣ баландтар ба вуҷуд орад. Натиҷа исбот намекунад, ки рақобат дар ҳамаи низомҳои зеҳни сунъӣ ё бисёрагентӣ ба таври универсалӣ ягона ё манбаи ҳатмии ихтисосёбӣ мебошад.