- •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»
38/39 Критерий Гермейера оптимальности чистых стратегий
При использовании этого критерия исходная платёжная матрица заменяется матрицей Гермейера. Каждый элемент матрицы мы домножаем на соответствующую вероятность j состояния природы.
для
матрицы выигрышей,
для
матрицы потерь.
Критерий Гермейера применяют игроки не склонные к риску, т.к. каждая стратегия оценивается с точки зрения min по гарантиров. результата.
Состояние природы образует минимум а затем игрок выбирает стратегию которая принесёт ему максимальный результат. Т.е. он защищает себя.
1) Пусть матрица А является матрицей выигрышей игрока А.
2) Даны вероятности qi=p(Пj), j=1,…,n, состояний природы Пj, j=1,…,n, удовлетворяющие условию (1).
Т.о. игрок А находится в ситуации принятия решений в условиях риска
3) Положим l=1 и
|
(15) |
Таким образом, матрица В представляет собой вектор столбец
В= |
|
размера m x 1.
4) Полагаем l1=1. Условие (2), очевидно, выполняется.
5) Показатель эффективности стратегии Аi по критерию Гермейера определяем по формуле (3) с учетом (15) и того, что l1=1:
|
(16) |
Если игрок А придерживается стратегии Аi, то вероятность выигрыша aij при этой стратегии и при состоянии природы Пj равна, очевидно, вероятности qj этого состояния природы. Поэтому формула (16) показывает, что показатель эффективности стратегии Аi по критерию Гермейера есть минимальный выигрыш при этой стратегии с учетом его вероятности.
6) Цена игры по критерию Гермейера определяется по формуле (4):
7) Оптимальной стратегией по критерию Гермейера считается стратегия Аk с наибольшим показателем эффективности:
Gk= G
Заметим, что критерий Гермейера можно интерпретировать как критерий Вальда, применимый к игре с матрицей
Критерий Гермейера так же, как и критерий Вальда является критерием крайнего пессимизма игрока А, но, в отличие от критерия Вальда, игрок А, принимая решение с максимальной осмотрительностью, учитывает вероятности состояний природы.
В случае равномерного распределения вероятностей состояний природы: qj=n-1, j=1,…,n, показатель эффективности стратегии Аi, в силу формулы (16), будет равен Gi=n-1aij и , следовательно, критерий Гермейера эквивалентен критерию Вальда, т.е. стратегия, оптимальная по критерию Гермейера, оптимальна и по критерию Вальда, и наоборот.
Пример.
Исходная матрица
|
, q=0,4 |
, q=0,2 |
, q=0,1 |
|
9 |
4 |
1 |
|
7 |
1 |
8 |
|
11 |
3 |
7 |
Далее умножаем каждый элемент в столбце на соответствующий коэффициент q. Получим следующую таблицу :
|
, q=0,4 |
, q=0,2 |
, q=0,1 |
VGi в. |
VGi п. |
|
3,6 |
0,8 |
0,1 |
0,1 |
3,6 |
|
2,8 |
0,2 |
0,8 |
0,2 |
2,8 |
|
4,4 |
0,6 |
0,7 |
0,6 |
4,4 |
В столбце VGi в. Находим миним. Элементы по строкам , а в столбце VGi п. находим макс. Элементы.
Далее находим VGi в (maxmin) , и VGi п. (minmax)
Получаем следующий ответ : S*=S3 , V*=0,6 - выигрыш
S*=S2 , V*=2,8 - потеря
