İçeriğe atla
Arama sonuçlarına dön

Alt Oyun Mükemmel Dengesi

Ortaya koyan
Reinhard Selten
Yıl
1965
Tür
algorithm
Aile
Game-theoretic

Bu metin makine çevirisidir ve henüz incelenmedi. Asıl metni İngilizce oku

Yazı boyutu

Ne işe yarar?

Alt Oyun Mükemmel Dengesi (AOMD), Reinhard Selten tarafından 1965 yılında ortaya atılan, sıralı oyunlar için Nash Dengesi'nin bir iyileştirmesidir.

Strateji profillerinin her alt oyunda bir Nash Dengesi oluşturmasını gerektirir, bu da güvenilmez tehditleri ve vaatleri ortadan kaldırır. Geriye dönük tümevarım, sonlu oyunlarda AOMD'yi bulmak için kullanılan birincil hesaplama yöntemidir.

Yöntemin mantığı

Bir alt oyun mükemmel dengesi, oyuncuların oyun ağacının herhangi bir noktasında aniden kendilerini bulmaları durumunda bile planladıkları stratejiden sapmak istemeyeceklerini garanti eder. Bunu, her olasılığın hesaba katıldığı tam detaylı bir savaş planı gibi düşünün: kararlar sadece başlangıçta optimal olmakla kalmaz, aynı zamanda gerçekten ulaşıldığında da optimal kalır. Geriye dönük tümevarım, oyun ağacının sonundan başlayarak ve her düğümde optimal kararları hesaplayarak, başa doğru çalışarak, erken yapılan tehditlerin ve vaatlerin güvenilir olmasını garanti eder.

Tarih

Reinhard Selten, 1965 yılında Nash'in kavramının bir iyileştirmesi olarak Alt Oyun Mükemmel Dengesi'ni, sıralı oyunlardaki güvenilmez tehditlerin makul olmamasını ele almak için tanıttı. Çalışması ona 1994 yılında Ekonomi alanında Nobel Ödülü'nü (John Nash ve John Harsanyi ile paylaştı) kazandırdı. Kavram, dinamik oyun teorisinin merkezine yerleşti ve piyasaların, müzakerelerin ve stratejik rekabetin ekonomik modellerini derinden etkiledi.

Ne zaman kullanılır?

AOMD analizini, zaman içinde çözülen eksik bilgilere sahip sıralı oyunlara uygulayın: müzakereler, çok turlu açık artırmalar, giriş ve çıkış kararları veya rekabetteki sıralı hamleler. Hamle sırasının ve taahhütlerin güvenilirliğinin önemli olduğu durumlarda anlamak için esastır. Mükemmel veya tam bilgiye sahip oyunlar için en iyi sonucu verir; kusurlu bilgi, Mükemmel Bayes Dengesi gibi iyileştirmeler gerektirir.

Sınırlar ve dikkat edilmesi gerekenler

  • Sonlu ve tam hatırlamaya sahip oyunlarla sınırlıdır (karar düğümleri arasında bilgi asimetrisi yoktur)
  • Oyun ağacı boyutu büyüdükçe üstel karmaşıklık, büyük sıralı oyunları çözülemez hale getirir
  • Eşzamanlı hamlelere veya kusurlu bilgiye sahip oyunlarda birden fazla dengeye yol açabilir
  • Geriye dönük tümevarım, oyun ağacı temsiline duyarlıdır; farklı genişletilmiş biçimler farklı dengeler üretebilir

Kaynak metnin koşulları, bağımsız bilimsel inceleme veya analiz motoru doğrulaması yerine geçmez.

Güçlü yönleri

  • Güvenilmez tehditlere veya vaatlere dayanan makul olmayan dengeleri ortadan kaldırır
  • Geriye dönük tümevarım kullanarak sonlu oyunlar için hesaplama açısından elverişlidir
  • Hamle sırasının ve zamanlamanın kritik olduğu sıralı oyunlara benzersiz şekilde uygulanabilir
  • Açık bir algoritma aracılığıyla net bir karar prosedürü sağlar, doğrudan uygulamayı mümkün kılar

Uygulama alanları

  • Endüstriyel organizasyon: oligopolistik piyasalarda sıralı giriş ve fiyatlandırma kararlarının modellenmesi
  • Uluslararası ilişkiler: ticaret müzakerelerinde sıralı pazarlık ve tehditlerin analizi
  • İşgücü ekonomisi: işveren-çalışan ücret müzakerelerinin sıralı teklifler ve karşı tekliflerle modellenmesi
  • Çevre ekonomisi: düzenleyiciler ve kirletici firmalar arasındaki tekrarlanan etkileşimlerin incelenmesi

Nasıl çalışır?

Nasıl çalışır?

1

Düğümler, eylemler, oyuncular ve terminal düğümlerdeki getirilerle birlikte genişletilmiş biçim oyun ağacını oluşturun.

2

Son karar düğümlerinden başlayarak, mevcut hamlelerden her oyuncunun getirilerini karşılaştırarak her düğümdeki optimal eylemi çözün.

3

Oyun ağacında geriye doğru çalışın, daha sonraki düğümlerden elde edilen optimal stratejileri kullanarak daha önceki düğümlerdeki optimal oyunu belirleyin.

4

Sonuçta ortaya çıkan strateji profilinin sadece genel oyun için değil, her olası alt oyun için bir Nash Dengesi oluşturduğunu kontrol edin.

Sık yapılan hatalar

  • AOMD'yi Nash Dengesi ile karıştırmak; birçok Nash Dengesi, dış denge tehditleri nedeniyle alt oyun mükemmel değildir
  • Geriye dönük tümevarımı, inanç güncellemesini gerektiren kusurlu bilgiye sahip oyunlara yanlış uygulamak
  • AOMD iyileştirmesinin sadece terminal getirilerde değil, her alt oyun düğümünde optimalliği kontrol etmeyi gerektirdiğini göz ardı etmek
  • Tek bir dengenin var olduğunu varsaymak; birçok sıralı oyun farklı sonuçlara sahip birden fazla AOMD'ye sahiptir

Sık sorulan sorular

Nash Dengesi ile Alt Oyun Mükemmel Dengesi arasındaki fark nedir?

Her AOMD bir Nash Dengesi'dir, ancak tersi doğru değildir. AOMD, hiçbir zaman uygulanmayacak güvenilmez denge dışı tehditlerle desteklenen dengeleri ortadan kaldırarak her alt oyunda Nash dengesi oyunu gerektirir.

Geriye dönük tümevarım neden bazen gerçekçi olmayan davranışları tahmin ediyor gibi görünüyor?

Geriye dönük tümevarım, rasyonelliğin ve tam bilginin ortak bilgisini varsayar. Gerçek oyuncular sınırlı öngörüye, sınırlı rasyonelliğe veya kusurlu bilgiye sahip olabilir, bu da AOMD tahminlerini pratikte daha az güvenilir hale getirir.

AOMD, kusurlu bilgiye sahip oyunları nasıl ele alır?

AOMD tek başına doğrudan uygulanmaz; bunun yerine, Mükemmel Bayes Dengesi, oyuncuların Bayes kuralını kullanarak diğerlerinin türleri hakkındaki inançlarını güncellemelerini ve ardından bu inançlar göz önüne alındığında optimal oynamalarını gerektirerek AOMD'yi genişletir.

İlgili yöntemler

Kaynaklar

  1. Selten, R. (1965). Spieltheoretische Behandlung eines Oligopolmodells mit Nachfrageträgheit. Zeitschrift für die gesamte Staatswissenschaft, 121, 301-324.

    Yayın kaynağını aç
    Kopyalandı.
  2. von Stackelberg, H. (1934). Marktform und Gleichgewicht. Julius Springer.

    Yayın kaynağını aç
    Kopyalandı.