Многошаговые игры
Разработка и принятие управленческого решения. Применение метода автоматического анализа данных (дерево решений, многошаговая игра, ситуация равновесия по Нэшу) для анализа среды и выбора обоснованной стратегии выхода на рынок с новой товарной позицией.
Рубрика | Экономико-математическое моделирование |
Вид | курсовая работа |
Язык | русский |
Дата добавления | 08.09.2011 |
Размер файла | 305,7 K |
Отправить свою хорошую работу в базу знаний просто. Используйте форму, расположенную ниже
Студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будут вам очень благодарны.
Размещено на http://www.allbest.ru/
Размещено на http://www.allbest.ru/
Министерство образования и науки Украины
Факультет экономики и менеджмента
Кафедра экономической кибернетики
Курсовая работа
по дисциплине:
Математические модели и методы принятия решений в экономике
на тему:
Многошаговые игры
Симферополь, 2010 г.
Содержание
- Введение
- 1. Теоретическая часть
- 1.1. Дерево решений
- 1.2. Многошаговая игра с неполной информацией
- 1.3. Многошаговая игра с полной информацией
- 1.4. Ситуация равновесия по Нэшу
- 2. Практическая часть
- 2.1 Условие задания
- 2.2 Решение задания
- Заключение
- Список литературы
Введение
Своевременная разработка и принятие правильного решения -- главные задачи работы управленческого персонала любой организации. Непродуманное решение может дорого стоить компании. На практике результат одного решения заставляет нас принимать следующее решение и т. д. Раннее рассмотренные одношаговые игры с природой удобно использовать в задачах, имеющих одно множество стратегий игрока и одно множество состояний природы. Однако многие задачи требуют анализа последовательности множеств решений и состояний среды, когда одна совокупность множеств решений и состояний среды порождает другое состояние подобного типа. Когда имеются два или более множества решений, причем каждое последующее основывается на результатах предыдущего, когда нужно принять несколько решений в условиях неопределенности, когда каждое решение зависит от исхода предыдущего решения или исходов испытаний, то применяют схему, называемую деревом решений.
Цель данной работы - научиться решать многошаговые игры с помощью метода автоматического анализа данных, т.е. дерева решений.
Дерево решений - это графическое изображение процесса принятия решений, в котором отражены альтернативные решения, альтернативные состояния среды, соответствующие вероятности и выигрыши для любых комбинаций альтернатив и состояний среды.
1. Теоретическая часть
1.1 Дерево решений
Стремительное развитие информационных технологий, в частности, прогресс в методах сбора, хранения и обработки данных позволил многим организациям собирать огромные массивы данных, которые необходимо анализировать. Объемы этих данных настолько велики, что возможностей экспертов уже не хватает, что породило спрос на методы автоматического исследования (анализа) данных, который с каждым годом постоянно увеличивается.
Первые идеи создания деревьев решений восходят к работам Ховленда (Hoveland) и Ханта(Hunt) конца 50-х годов XX века. Однако, основополагающей работой, давшей импульс для развития этого направления, явилась книга Ханта (Hunt, E.B.), Мэрина (Marin J.) и Стоуна (Stone, P.J) "Experiments in Induction", увидевшая свет в 1966г.
Область применения деревьев решений в настоящее время широка, но все задачи, решаемые этим аппаратом могут быть объединены в следующие три класса:
ѕ Описание данных: Деревья решений позволяют хранить информацию о данных в компактной форме, вместо них мы можем хранить дерево решений, которое содержит точное описание объектов.
ѕ Классификация: Деревья решений отлично справляются с задачами классификации, т.е. отнесения объектов к одному из заранее известных классов. Целевая переменная должна иметь дискретные значения.
ѕ Регрессия: Если целевая переменная имеет непрерывные значения, деревья решений позволяют установить зависимость целевой переменной от независимых (входных) переменных. Например, к этому классу относятся задачи численного прогнозирования (предсказания значений целевой переменной).
Преимущества использования деревьев решений
ѕ быстрый процесс обучения;
ѕ генерация правил в областях, где эксперту трудно формализовать свои знания;
ѕ извлечение правил на естественном языке;
ѕ интуитивно понятная классификационная модель;
ѕ высокая точность прогноза, сопоставимая с другими методами (статистика, нейронные сети);
ѕ построение непараметрических моделей.
Деревья решений являются прекрасным инструментом в системах поддержки принятия решений, интеллектуального анализа данных (data mining).
В состав многих пакетов, предназначенных для интеллектуального анализа данных, уже включены методы построения деревьев решений. В областях, где высока цена ошибки, они послужат отличным подспорьем аналитика или руководителя.
Деревья решений успешно применяются для решения практических задач в следующих областях:
ѕ Банковское дело. Оценка кредитоспособности клиентов банка при выдаче кредитов.
ѕ Промышленность. Контроль за качеством продукции (выявление дефектов), испытания без разрушений (например, проверка качества сварки) и т.д.
ѕ Медицина. Диагностика различных заболеваний.
ѕ Молекулярная биология. Анализ строения аминокислот.
Это далеко не полный список областей где можно использовать деревья решений. Не исследованы еще многие потенциальные области применения.
1.2 Многошаговая игра с неполной информацией
Информированность участников об условиях и параметрах игры является основой для рационального поведения. В современной деловой активности, характеризующейся высоким уровнем конкуренции, свободное распространение информации, существенной для принятия решения, крайне затруднено. При этом особенно охраняется информация о функции полезности игрока, что, конечно, затрудняет выбор даже при известной матрице игры.
Неполнота информации может быть вызвана не только действиями по ее защите, но и большим объемом самой информации. Так, например, участники биржевых игр имеют дело с невероятным по объему потоком новостей от источников с различной степенью достоверности. Разнообразие реакции участников на доступную им информацию определяет общую ценовую ситуацию на рынке. В итоге, наблюдаемые решения рыночных игр весьма разнообразны и динамичны.
При неполной информации игроки вынуждены принимать решения на основе своих ожиданий, выраженных в форме информационных моделей игры, прогнозирующих как поведение других игроков, так и исход игры. На практике сбор информации для уточнения моделей происходит одновременно с самим процессом игры.
Ситуация, когда игрок вынужден принимать последовательность решений в многошаговой игре в условиях, когда матрицы игры и выигрыши других игроков ему не известны, называется многошаговой игрой с неполной информацией. Фактически, в этих условиях неизвестно даже общее число игроков, участвующих в игре. Постановка такой задачи весьма близка к реальной ситуации при игре на бирже или при деловой деятельности в условиях конкуренции на рынке.
До начала игры игроку известно множество ходов, которые он может делать в игре. Единственная информация, которой дополнительно снабжается игрок в течение игры - это значения его выигрышей. Игроку также известен его текущий счет. В чуть более ослабленной постановке игроку может сообщаться информация о значениях некоторых переменных, характеризующих текущее состояние игры при играх с несколькими состояниями. Эти переменные добавляются к переменным собственного состояния агента (например, его текущий счет, пространственное расположение и т.п. - определяется конкретными особенностями игры).
1.3 Многошаговая игра с полной информацией
Пусть задан конечный древовидный граф G=(X,F), где X - конечное множество вершин, а F - отображение, ставящее в соответствие каждой точке xX подмножество Fx X.
Подграфом Gz древовидного графа G, где zX, называется граф с начальной вершиной z, вложенный в дерево графа G и содержащий все вершины, в которые возможен переход из вершины z (рис.1).
Перейдем к определению многошаговой игры с полной информацией Г на древовидном конечном графе G.
Пусть G=(X,F) - древовидный граф. Рассмотрим разбиение множества вершин X на n+1 множество X1, …, Xn,
где Fx = для xXn+1. Множество Xi, i=1, …, n, называется множеством очередности i-го игрока, а множество Xn+1 - множеством окончательных позиций. На множестве окончательных позиций Xn+1 определены n вещественных функций H1(x), …, Hn(x), xXn+1. Функция Hi(x), i=1, …, n, называется выигрышем i-го игрока.
Игра происходит следующим образом. Задано множество N игроков, перенумерованных натуральными числами 1, …, i, …, n (в дальнейшем N={1,2, …, n}. Пусть x0Xi1; тогда в вершине (позиции) x0 “ходит” игрок i1 и выбирает вершину x1Fx0. Если x1 Xi2, то в вершине x1 “ходит” игрок i2 и выбирает следующую вершину (позицию) x2 Fx1, и т.д. Таким образом, если на m-м шаге реализована вершина (позиция) xm-1Xik, то в ней “ходит” игрок ik и выбирает следующую вершину (позицию) из множества Fxk-1. Игра прекращается, как только достигается окончательная вершина (позиция) xl Xn+1, то есть такая, для которой Fxl=.
В результате последовательного выбора позиций однозначно реализуется некоторая последовательность x0, …, xk, …, xl, определяющая путь в древовидном графе G, исходящий из начальной позиции x0 и достигающий одной из окончательных позиций игры. Такой путь в дальнейшем будем называть партией. Из-за древовидности графа G каждая партия однозначно определяет окончательную позицию xl, в которую она приводит, и, наоборот, окончательная позиция xl однозначно определяет партию. В позиции xl каждый из игроков i, i=1, …, n, получает выигрыш Hi(xl).
Будем предполагать, что игрок i при совершении выбора в позиции xXi знает эту позицию x, а следовательно, из-за древовидности графа G может восстановить и все предыдущие позиции. В таком случае говорят, что игроки имеют полную информацию. Примером игр с полной информацией служат шахматы и шашки, поскольку в них игроки могут записывать ходы и поэтому можно считать, что они знают предысторию игры при совершении каждого очередного хода.
Определение 1. Однозначное отображение ui, которое каждой вершине (позиции) xXi ставит в соответствие некоторую вершину (позицию) yFx, называется стратегией игрока i.
Множество всевозможных стратегий игрока i будем обозначать Ui.
Таим образом, стратегия i-го игрока предписывает ему в любой позиции x из множества его очередности Xi однозначный выбор следующей позиции.
Упорядоченный набор u=(u1, …, ui, …, un), где uiUi, называется ситуацией в игре, а декартово произведение - множеством ситуаций. Каждая ситуация u=(u1, …, ui, …, un) однозначно определяет партию в игре, а следовательно, и выигрыш игроков. Действительно, пусть x0Xi. Тогда в ситуации u=(u1, …, ui, …, un) следующая позиция x1 определяется однозначно по правилу ui1(x0)=x1. Пусть теперь x1 Xi2. Тогда x2 определяется однозначно по правилу xm= uik(xm-1), и т.д.
Пусть ситуации u=(u1, …, ui, …, un) в указанном смысле соответствует партия x0, …, xk, …, xl. Тогда можно ввести понятие функции выигрыша Ki игрока i, положив ее значение в каждой ситуации u равным значению выигрыша Hi в окончательной позиции партии x0, …, xl, соответствующей ситуации u=(u1, …, ui, …, un), то есть Ki(u1, …, ui, …, un)=Hi(xl),i=1, …, n.
Функции Ki, i=1, …, n, определены на множестве ситуаций .
Таким образом, определив множество стратегий игроков и функции выигрыша, мы определили некоторую игру Г, которую и будем называть многошаговой игрой с полной информацией на древовидном конечном графе G.
Для дальнейшего исследования игры Г необходимо ввести в рассмотрение понятие подыгры, то есть игры на подграфе графа G основной игры.
Пусть zX. Рассмотрим подграф Gz=(Xz,F), с которым свяжем подыгру Гz следующим образом. Множества очередности игроков в подыгре Гz определяем по правилу =Xi Xz, i=1, …, n, множество окончательных позиций =Xn+1 Xz, выигрыш игрока i в подыгре полагаем равным Hiz
Hiz(x)=Hi(x), x, i=1, …, n.
В соответствии с этим стратегия i-го игрока в подыгре Гz определена как сужение стратегии ui i-го игрока в игре Г на множество , то есть
= ui(x), x= Xi Xz, i=1, …, n.
Множество всех стратегий i-го игрока в подыгре обозначается . В результате с каждым подграфом Gz мы связываем подыгру в нормальной форме
Гz=(N, {}, {}),
где функции выигрыша , i=1, …, n, определены на декартовом произведении
.
В указанных обозначениях игра Г может быть записана так:
Гx0=(N, {Uix0}, {Kix0})=(N, {Ui}, {Ki})=Г
1.4. Ситуация равновесия по Нэшу
Определим ситуацию равновесия по Нэшу в игре Г.
Пусть u=(u1, …, ui, …, un) - произвольная ситуация в игре Г, а ui - некоторая стратегия игрока i. Построим ситуацию, которая отлична от u только тем, что стратегия ui игрока i заменена на стратегию ui. В результате получаем ситуацию (u1, …, ui-1, ui, ui+1, …, un), которую будем обозначать (u||ui). Очевидно, что если ui и ui совпадают, то (u||ui)=u.
Определение 2. Ситуация u*=(u1*, …, ui*, …, un*) называется ситуацией равновесия по Нэшу, если для всех ui Ui, i=1, …, n, имеет место неравенство Ki(u*) ? Ki(u|| ui).
Равновесие по Нэшу имеет смысл только тогда, когда каждый игрок информирован о том, каким стратегиям будут следовать остальные.
Из определения равновесия по Нэшу следует, что индивидуальное отклонение игроком i от стратегии ui*, входящей в равновесие по Нэшу u*, не выгодно игроку i (его выигрыш может при этом лишь уменьшиться) при условии, что остальные игроки придерживаются стратегий uk*, k i, входящих именно в это равновесие u* . Однако отклонение группы или “коалиции” игроков может, вообще говоря, улучшить положение игроков этой коалиции.
Однако данное определение является достаточно широким и включает в себя целое семейство равновесий в так называемых стратегиях “наказания”, когда под страхом наказания игроки могут навязать себе логически неразумный способ поведения (см. пример 1). Поэтому Р. Зельтен в 1975 году ввел понятие абсолютного равновесия по Нэшу (в англоязычной литературе subgame perfect equilibria).
Определение 3. Ситуация равновесия по Нэшу u*=(u1*, …, ui*, …, un*) называется ситуацией абсолютного равновесия по Нэшу в игре Г, если для любого zX ситуация (u*)z=((ui*)z, …, (un*)z), где (ui*)z - сужение стратегии u1* на подыгру Гz, является ситуацией равновесия по Нэшу в подыгре Гz.
Имеет место следующая основная теорема.
Теорема. В любой многошаговой игре с полной информацией на конечном древовидном графе существует ситуация абсолютного равновесия по Нэшу.
Под равновесием в теореме Нэша понимается набор смешанных стратегий, таких, что для каждого игрока значение функции полезности (зависящее от его выигрыша при данном наборе стратегий) не может быть увеличено индивидуальным уклонением от равновесной смешанной стратегии.
Фундаментальность этой теоремы состоит в том, что она справедлива как для кооперативных, так и для антагонистических игр с любым числом участников. До теоремы Нэша исследования были основаны на классификациях игр с рассмотрением каждого класса в отдельности.
дерево решение многошаговый стратегия
2. Практическая часть
2.1 Условие задачи
Компания решает вопрос о предоставлении нового продукта на общенациональный рынок. Неопределенность заключается в том, как отреагирует рынок на новый продукт. Рассматривается вопрос об апробации нового продукта первоначально на некотором региональном рынке. Таким образом, первоначальное решение, которое необходимо принять компании - это проводить ли первоначальный маркетинг продукта на региональном уровне.
Компания предполагает, что выход на региональный уровень потребует затрат на 3 тыс. грн., а выход на общенациональный рынок потребует вложения 90 тыс. грн. Если не проводить первоначальных пробных продаж на региональном уровне, то решение о выходе на общенациональный рынок можно принять незамедлительно.
Компания рассматривает результаты продаж как успешные, средние или отрицательные в зависимости от объемов продаж. Для регионального уровня этим градациям соответствуют объемы в 200, 100 и 30 экземпляров, а для общенационального 6000, 3000 и 900 экземпляров соответственно. Исходя из данных по результатам региональных тестирований аналогичных видов продукции компания оценивает вероятности указанных трех исходов как 0,3, 0,6 и 0,1. Кроме того, исследуя данные о соотношении результатов региональных продаж с последующими продажами на общенациональном рынке, компания сумела оценить следующие условные вероятности (табл.).
Вариант №1 |
Условные вероятности продажна общенациональном рынке |
|||||
успешные |
средние |
отрицательные |
||||
Вероятности продаж на региональном рынке |
0,3 |
успешные |
0,8 |
0,15 |
0,05 |
|
0,6 |
средние |
0,3 |
0,5 |
0,2 |
||
0,1 |
отрицательные |
0,05 |
0,25 |
0,7 |
Кроме этого известно, что каждая продажа приносит прибыль в 10 грн. как при продаже на региональном рынке, так и на общенациональном.
Задача состоит в принятии обоснованной стратегии выхода (или невыхода) на рынок с новой товарной позицией.
2.2 Решение задачи
Построим дерево решений. Оно представляет собой графический инструмент, который помогает производить следующие действия:
· Описание стратегий игрока
· Описание неопределенных исходов и их вероятностей
· Вычисление среднеожидаемых выигрышей
· Нахождение (определение) стратегий с максимальным выигрышем.
После того как построено дерево решений оптимальное решение находится методом обратного хода:
§ каждой вершине вероятности приписывается среднеожидаемый выигрыш по всем ветвям исходящих их этой вершины
§ каждой вершине - решению приписывается максимальное значение среднеожидаемого выигрыша по всем ветвям исходящих из этой вершины.
Заключение
В данной работе были рассмотрены теоретические аспекты многошаговых игр. А именно, многошаговые игры с полной и неполной информацией, равенство по Нэшу, а также средства многошаговых игр - дерево решений. Так же были рассмотрены практические аспекты. В частности, решение многошаговой задачи методом построения дерева решений.
В результате анализа теоретической информации и произведенных расчетов была достигнута цель этой работы - научиться решать многошаговые игры с помощью метода автоматического анализа данных, т.е. дерева решений.
Список литературы
1. Аронович А.Б., Афанасьев М.Ю., Суворов Б.П. Сборник задач по исследованию операций: Учебное пособие для студентов экономических специальностей вузов. М.: Изд-во МГУ, 1997.
2. Нэш Д. Бескоалиционные игры. В сб.: Матричные игры / Под ред. Н.Н. Воробьева. М.: Физматгиз, 1961.
3. Петросян Л.А. Соровский образовательный журнал «Математика», №10, 1996.
4. Исследование операций: Учебник / Косоруков О.А., Мищенко А.В. // Под общ. ред. д.э.н., проф. Н.П. Тихомирова. - М.: Издательство «Экзамен», 2003. - 448 с.
Размещено на Allbest.ru
Подобные документы
Разработка и принятие правильного решения как задачи работы управленческого персонала организации. Деревья решений - один из методов автоматического анализа данных, преимущества их использования и область применения. Построение деревьев классификации.
контрольная работа [91,6 K], добавлен 08.09.2011Сущность общей методики формирования критериев. Расчет показателя эффективности стратегии, средневзвешенного выигрыша, цены игры, оптимальности стратегии по критериям Байеса, Лапласа, Вальда, Ходжа-Лемана, Гермейера, максимаксному, критерию произведений.
реферат [67,3 K], добавлен 23.05.2010Определение доминирующей стратегии в игре; равновесия в смешанных, осторожных и чистых стратегиях; совершенного подыгрового равновесия методом обратной индукции. Платежная матрица игры. Равновесный уровень заработной платы и занятости в статической игре.
контрольная работа [60,6 K], добавлен 04.02.2011Стохастические игры как разновидность многошаговых игр, в которых переход от одной позиции к другой совершается с определенной вероятностью. Расчетные методы их решения. Разработка и тестирование программного средства для решения игры "Герб-Решетка".
контрольная работа [364,0 K], добавлен 20.02.2013Определение экономических рисков разными авторами. Основные способы анализа чувствительности модели. Суть и технология анализа чувствительности модели как способ восстановления финансового равновесия, принятия оптимального решения, недостатки метода.
курсовая работа [205,0 K], добавлен 27.05.2009Элементы теории матричных игр. Способы решения матричных игр. Различия в подходах критериев оптимальности при определении оптимальной стратегии в условиях статистической неопределенности. Нахождение седловой точки игры. Графическое решение матричной игры.
контрольная работа [366,9 K], добавлен 12.05.2014Типы многокритериальных задач. Принцип оптимальности Парето и принцип равновесия по Нэшу при выборе решения. Понятие функции предпочтения (полезности) и обзор методов решения задачи векторной оптимизации с использованием средств программы Excel.
реферат [247,4 K], добавлен 14.02.2011Основная терминология, понятие и методы факторного анализа. Основные этапы проведения факторного анализа и методика Чеботарева. Практическая значимость факторного анализа для управления предприятием. Метода Лагранжа в решении задач факторного анализа.
контрольная работа [72,9 K], добавлен 26.11.2008Классификационные принципы методов прогнозирования: фактографические, комбинированные и экспертные. Разработка приёмов статистического наблюдения и анализа данных. Практическое применение методов прогнозирования на примере метода наименьших квадратов.
курсовая работа [77,5 K], добавлен 21.07.2013Конфликтные ситуации в управленческой деятельности. Использование математического моделирования для решения управленческих задач. Определение биматричной игры и общий принцип ее решения. Состояние равновесия в смешанных стратегиях в биматричных матрицах.
реферат [26,9 K], добавлен 21.12.2010