通证工程学入门之四:通证设计的方法论(译)

荆凯发布

本篇介绍了通证设计中可以参考的一种方法论,借鉴了优化系统的设计方法论中的步骤。

不重复发明轮子,从已有的设计方式和思路之中得到启发,从而构建实践导向的通证设计方式。

本文原文: https://blog.oceanprotocol.com/towards-a-practice-of-token-engineering-b02feeeff7ca

 

简介

笔者认为,通证设计总有一天会被当作一门工程学科来对待,本文是一些初始笔记。

首先,我会描述优化设计领域中一种结构化的方法论。然后,会说明如何在激励设计中应用类似的方法论。

接下来,我会描述在电路设计中用到的一些重要工具:模拟器和CAD 工具;以及如何将它们用在电路设计之中。

最后,我会列举一些设计模式。

 

优化设计方法论

在优化器设计领域,虽然社区之间的沟通较少提及,但是算法的实践者所做的事情非常相似。想要做出来恰好够用的优化器系统,他们遵循了如下的步骤。有些人自己并不觉察,但是行家却是系统性地采用这些步骤:

1、界定问题

他们假设算法“能够生效”,他们关注的是根据目标和约束(目标)和设计空间(优化器可以探测到何处,这实际上就是约束条件)来界定问题。

2、尝试现有的求解器(solver)

他们针对这些目标运行算法,解答问题。优化算法的代码通常被成为“求解器”. 如果不成功,实践者们会换用其他不同的问题制定方式,不同的求解器以及不同的求解器参数来尝试。

3、寻找新的求解器?

如果尝试了各种各样的方式后,第二步都不生效,那么人们会考虑创建自己的求解器,即设计新的优化算法。

我们来看看更多的细节。

 

优化方法论的细节描述

第一步: 界定优化问题

几乎所有的优化相关的论文,都列出了目标和约束条件。拿我自己的工作为例,这篇论文中的公式(1)是在一个根据语法定义的搜索空间中实现多目标约束优化的公式。这里有一个片段:

界定优化问题

另一个例子,这篇论文(第2节)中的方程(1)和(2)提出了一个在n维连续值变量空间的随机单目标优化(“最大化产出”)问题。

用目标,约束和设计空间来界定问题并不容易。实际上,这么些年来,它仍然是一个非常需要的创造力的艺术(就是说,这很有趣!)。有很多种方式来界定问题; 这些方式并不相同。幸好,你可以在实践中做得越来越好。我见到在EA社区和电路CAD社区中有些朋友在界定问题的艺术上具备高超的技巧。

例如,一个公式可能很容易解决,另一个可能是NP-困难问题,你不确定能够完成任何问题。在凸优化领域中,有一个人们所使用的大技巧: 他们将被认为是NP-困难的问题,然后应用技术将其转换为凸问题(例如,放置位置正确的日志操作符)。然后,这些凸问题可以来使用转化求解器比如几何规划,在多项式时间内解决。我在这方面也取得了成功; 对于上面的截图中所总结的问题,我给树归纳问题(模拟电路合成)添加了语法约束,得到了1000倍的运行时改进,优化器的结果也有所改进。

或者,如果你使用进化算法(EA), 想设计从设计点→适应度的映射, 这样设计的小变化,通常导致行为的微小变化, 以及最终适应度的变化。(我称之为平滑操作符).

第二步:尝试现有的求解器

理想情况下,你可以用上述的方式界定问题,以便应用现成的求解器或算法。之后就可以运行求解器,看看结果如何。

如果生效的话,那你的工作就完成了,可以停下来了!

至少有两种情况,可能导致上面的办法不奏效。

首先,如果求解器收敛性不够,那么你可以尝试不同的问题界定方式,尝试不同的求解器或者参数。

其次,求解器也可能过度收敛,导致得到的设计并不靠谱。要解决这个问题,可以对问题加以修改: 添加新的约束条件或提高模型/模拟器的准确性。如果你发现自己正处于不停添加约束的冗长迭代之中(“AI whack-a-mole”),那么可能你要重新考虑下用更广泛的方式来解决问题。

第三步: 新的求解器? 如果需要的话,自己设计一个新的优化算法

有时你会发现,现有的解决方案都不够好。也许你需要更好的度量,或者需要处理一些难以建模的约束,或者其它问题。这时候就需要你去进行算法设计的研究了。算法设计时,你通常会利用现有的构建块,加上自己的想法。设计新的算法需要花费大量的时间,但是如果做好了的话,你可能能够解决问题,得到数量级的改进,例如FFX。

(这会很有趣,我可能忘记说了.)

 

通证设计方法论

出块奖励是区块链网络目标函数的表现形式之一 — 你想要最小化或最大化的对象。这可以得到泛化。通证设计与优化算法设计有些类似。因此:

我们可以用优化设计的方式来进行通证设计。

我们可以取来优化设计领域的步骤,转用在设计通证生态系统之中。

1、界定问题

写下通证生态系统的目标和约束。

这意味着要问如下问题:

  • 谁是我的潜在利益相关者?
  • 他们每个人想要什么?
  • 攻击向量是什么?

然后将它们转换成可以测量的目标和约束条件。

2、尝试现有的模式

确定是否存在一个现有的解决方案(solver),即可以解决你问题的通证网络设计模式。例如,如果您正在寻找“优秀”参与者/资产/等等的列表,那么通证管理清单(token curated registry) (TCR)的设计模式可以吗?

稍后我将对此进行详细说明。

如果这不起作用,你可以尝试界定问题的不同方式、不同的解决方案或求解器的不同参数。

例如,如果它收敛于你不想要的行为,你可以添加一个约束条件来阻止该行为。

3、新的模式?

如果需要的话,创建你自己的解决方案,即,自行设计通证网络。当然,在设计时,你可能会用到已有的构建模块,比如TCRs或者仲裁模块。

本文原文: https://blog.oceanprotocol.com/towards-a-practice-of-token-engineering-b02feeeff7ca

 

多位同学反映,单看一篇的话很难理解,我这篇文章的提纲先列出来,后续会把后面的部分补齐。

1、简介

介绍文章的主题,如何设计激励机制?因为激励机制实际上是通证生态系统设计的核心,所以,也是要回答这一问题:如何设计通证生态系统?​​

2、工程学,博弈论及其他

作者将通证设计(token design)与已有的其他学科相关联,描述其关系

通证工程学,与通证经济学,博弈论,制度设计等方面有不少相关之处,这部分的译文见: 通证设计与其他学科的关系: 通证工程学入门之一

3、通证设计与优化设计

作者将通证设计与优化设计和EA(进化算法)进行了比较,从五个维度来分析不同系统的异同之处。

4、从优化设计的方法论到通证设计方法论

在这部分中,作者先介绍了一般优化系统是如何设计的;并借助相似的框架来界定通证设计的路径。

5、通证设计模式

在软件工程中,我们有软件设计模式;在建筑工程中,也有相应的设计模式。这部分介绍了在通证工程学中的常见通证设计模式。这些组块可以降低通证系统设计的复杂度,帮助设计者们更好的实现通证生态系统的架构。

6、工具篇:模拟器,CAD工具

这部分介绍了进行通证设计所需要用到的一些工具。借助合适的模拟器和CAD工具,设计通证生态系统,并进行测试,验证设计想法,作出改进完善。

7、结论

本文是英文原文中的第三部分:对优化设计和通证设计的比较

 

相关文章

通证工程学入门之一: 通证设计与其他学科的关系

通证工程学入门之二: 通证设计 与优化设计

通证工程学入门之三:通证设计模式不完全列表(译文)

通证工程学入门之四:通证设计的方法论(译)

通证工程学入门之五:善用工具

通证工程学入门之六:比特币案例研究

通证工程学入门之七:海洋协议的案例研究(上篇)

通证工程学入门之八: 海洋协议案例分析(下篇)(译文)


荆凯

EOS42中国社区运营

发表评论

电子邮件地址不会被公开。 必填项已用*标注