- •Основные понятия и определения теории антагонистических игр.
- •Классификация игр.
- •Функция выигрыша и матрица выигрышей. Чистые стратегии игроков. Соотношение между матрицами выигрышей игроков a и b в антагонистической игре.
- •4. Доминирование чистых стратегий.
- •5. Максиминный и минимаксный принципы игроков. Показатели эффективности и неэффективности чистых стратегий.
- •Максимин и минимакс игры. Максиминные и минимаксные стратегии. Нижняя и верхняя цены игры в чистых стратегиях. Соотношение между ними.
- •Критерий решения игры в чистых стратегиях.
- •Доказательство утверждения
- •Удовлетворительность игровой ситуации для игрока b.
- •Равновесие в антагонистической игре.
- •Смешанные стратегии. Функция выигрыша и цена игры в смешанных стратегиях.
- •Теорема о соотношении нижней и верхней цен игры в чистых и смешанных стратегиях.
- •Основная теорема матричных игр Джона фон Неймана и седловая точка функции
- •Аналитическое решение игры 2×2 в смешанных стратегиях.
- •Рассмотрим игру 2х2.
- •Для того, чтобы их найти, воспользуемся теоремой об активных стратегиях.
- •Пусть игра задана матрицей
- •Д ля второго игрока
- •Аналитическое решение игры 2×2 в смешанных стратегияхдля игрока b.
- •Геометрический метод нахождения цены игры 2×2 и оптимальных стратегий игрока a.
- •Геометрический метод нахождения цены игры 2×2 и оптимальных стратегий игрока b.
- •Геометрический метод нахождения цены игры 2 n и оптимальных стратегий игрока а
- •20. Геометрический метод нахождения цены игры m×2 и оптимальных стратегий игрока b.
- •2)В общем случае схема решения игры 2xn или nx2 графическим методом состоит в следующем.
- •21. Доминирование смешанных стратегий для игрока а.
- •22. Доминирование смешанных стратегий для игрока в.
- •Решение матричной игры m×n сведением к задаче линейного программирования для игрока a.
- •Решение матричной игры m×n сведением к задаче линейного программирования для игрока b.
- •Основные понятия и определения теории игр с природой.
- •Игры с природой. Показатель благоприятности состояния природы. Риск игрока, принимающего решение. Матрица рисков. Принятие решений в условиях риска и неопределённости.
- •Критерий Байеса оптимальности чистых стратегий относительно выигрышей.
- •Критерий Байеса оптимальности чистых стратегий относительно рисков.
- •29.Критерий Лапласа оптимальности чистых и смешанных стратегий относительно выигрышей.
- •30.Критерий Лапласа оптимальности чистых стратегий относительно рисков.
- •31.Критерий (крайнего пессимизма) Вальда оптимальности чистых стратегий.
- •32.Критерий крайнего оптимизма оптимальности чистых стратегий относительно выигрышей и рисков.
- •33.Критерий пессимизма-оптимизма Гурвица оптимальности чистых стратегий относительно выигрышей и рисков. Вероятностная интерпретация коэффициентов критерия Гурвица.
- •34. Обобщённый критерий Гурвица оптимальности чистых стратегий относительно выигрышей.
- •35.Выбор коэффициентов обобщённого критерия Гурвица для оптимиста.
- •36. Выбор коэффициентов обобщённого критерия Гурвица для пессимиста.
- •37.Критерий Севиджа
- •38/39 Критерий Гермейера оптимальности чистых стратегий
- •40.Критерий Ходжа – Лемана оптимальности чистых стратегий относительно выигрышей и рисков
- •44. Геометрическое решение биматричных игр 2×2
- •45. Аналитическое решение биматричных игр 2×2.
- •Рассмотрим случай, когда матрица [2x2]-не имеет седловой точки.
- •А цена игры (в смешанных стратегиях) V определяется формулой
- •Аналогичный анализ можно провести для второго игрока.
- •46. Модель дуополии по Курно.
- •47. Модель дуополии Бертрана.
- •48. Модель «Проблема общего»
- •51.Стратегическая форма позиционной игры с совершенной информацией.
- •52. Равновесие в позиционной игре. Принцип последовательной рационализации
- •53. Модель дуополии по Штакельбергу
- •55. Модель «инвесторы и банк»
Игры с природой. Показатель благоприятности состояния природы. Риск игрока, принимающего решение. Матрица рисков. Принятие решений в условиях риска и неопределённости.
В игре с природой действуют два игрока, только один из которых действует осознанно. Этого игрока далее будем называть лицом, принимающим решения, обозначим его символом A. Природа, являясь вторым участником игры, не является ни противником, ни союзником игрока A, ибо она не действует осознанно злонамеренно против игрока A или за одно с ним, а принимает неопределённым образом то или иное свое состояние, не преследуя конкретной цели и абсолютно безразлично к результату игры. При этом игрок A на состояния природы не может оказывать никакого влияния.
Одним
из важных предположений в теории игр с
природой является предположение о том,
что в любой момент времени природа П
может находиться только в одном (но
неизвестно, в каком) из n
состояний П1,
П2,
…, Пn,
то есть состояния природы разделены
между собой во времени. Совокупность
состояний природы П
формируется либо на основе имеющегося
опыта анализа состояний природы, либо
в результате предположений и интуиции
экспертов.
Для
описания игры с природой необходимо
также множество стратегий игрока A:
.
Результаты реализации стратегий при различных состояниях природы могут быть описаны матрицей V:
.
Будем предполагать, что в платёжной матрице игры представлены выигрыши лица, принимающего решения.
Показателем
благоприятности
состояния
природы для увеличения выигрыша
называется наибольший выигрыш при этом
состоянии, т.е. наибольший элемент в j-м
столбце матрицы игры:
,
,
Риском
игрока A
при выборе им стратегии
в условиях состояния
природы называется разность между
показателем благоприятности
состояния природы
и выигрышем
,
т.е. разность между выигрышем, который
игрок A
получил бы, если бы знал заранее, что
природа примет состояние
,
и выигрышем, который он получит при этом
же состоянии
,
выбрав стратегию
,
т.е.
.
Матрица
рисков
Ситуацию, когда известны вероятности состояний природы, назовём ситуацией принятия решений в условиях риска. Когда вероятности неизвестны, будем называть соответствующую ситуацию принятия решений ситуацией неопределённости.
Критерий Байеса оптимальности чистых стратегий относительно выигрышей.
Пусть
известны состояния П1
… Пn
и вероятности q1
… qn
, с
которыми природа П реализует эти
состояния. Тогда мы находимся в ситуации
принятия решения в условиях риска.
Показателем эффективности стратегии
по критерию Байеса относительно выигрышей
называется среднее значение, или
математическое ожидание выигрыша i-й
строки с учётом вероятностей всех
возможных состояний природы:
,
.
Оптимальной
среди чистых
стратегий
по критерию Байеса относительно выигрышей
считается стратегия
с максимальным показателем эффективности:
(матрица выигрышей),
(матрица потерь).
Критерий Байеса относительно выигрышей и относительно рисков эквивалентны, т.е. если стратегия Sio является оптимальной по критерию Байеса относительно выигрышей, то она является оптимальной и по критерию Байеса относительно рисков, и наоборот.
Пример.
|
|
|
|
vi |
S1 |
2 |
6 |
4 |
44,6 |
S2 |
5 |
1 |
3 |
22,4 |
Для
матрицы выигрышей:
,
.
Для матрицы потерь:
,

,
,
,