КАТЕГОРИИ: Архитектура-(3434)Астрономия-(809)Биология-(7483)Биотехнологии-(1457)Военное дело-(14632)Высокие технологии-(1363)География-(913)Геология-(1438)Государство-(451)Демография-(1065)Дом-(47672)Журналистика и СМИ-(912)Изобретательство-(14524)Иностранные языки-(4268)Информатика-(17799)Искусство-(1338)История-(13644)Компьютеры-(11121)Косметика-(55)Кулинария-(373)Культура-(8427)Лингвистика-(374)Литература-(1642)Маркетинг-(23702)Математика-(16968)Машиностроение-(1700)Медицина-(12668)Менеджмент-(24684)Механика-(15423)Науковедение-(506)Образование-(11852)Охрана труда-(3308)Педагогика-(5571)Полиграфия-(1312)Политика-(7869)Право-(5454)Приборостроение-(1369)Программирование-(2801)Производство-(97182)Промышленность-(8706)Психология-(18388)Религия-(3217)Связь-(10668)Сельское хозяйство-(299)Социология-(6455)Спорт-(42831)Строительство-(4793)Торговля-(5050)Транспорт-(2929)Туризм-(1568)Физика-(3942)Философия-(17015)Финансы-(26596)Химия-(22929)Экология-(12095)Экономика-(9961)Электроника-(8441)Электротехника-(4623)Энергетика-(12629)Юриспруденция-(1492)Ядерная техника-(1748) |
Чистых оптимальных стратегий
(i 0, j 0) первого и второго игроков, соответст- венно. Седловой элемент a является минимальным в
i 0 -й строке и макси- мальным в j 0 -м столбце. Игра решена полностью, если в матрице A имеется седловая точка. Решение примера 1 методом максимина и минимакса. Справа от мат- рицы A запишем элементы минимальные по строкам, выберем среди них мак- симальный и выделим его уголком. Получим, что α = 0, 7. Под матрицей A запишем элементы максимальные по столбцам, выберем из них минимальный и выделим его уголком. Имеем β = 0, 7. Т.к. α = β, то игра имеет седловую точку. Седловой элемент деляем квадратом: a 31 = 0, 7 вы- ⎛ 0, 4 0,8 ⎞ ⎜ ⎟
0, 4 A = ⎜ 0, 5 0, 9 ⎟ 0, 5
0, 7 0, 9 . 0, 7
Ответ: чистой оптимальной стратегией для первого игрока будет 3-я стратегия, для второго – 1-я, чистая цена игры составит V * = 0, 7. 3. Отметим, что далеко не все платёжные матрицы имеют седловые точки. Сле- довательно, не каждая матричная игра имеет оптимальные чистые стратегии. Пример 2 (планирование структуры посевных площадей). Пусть аг- рарное предприятие (первый игрок) может посеять одну из двух сельскохозяй- ственных культур (i =1,2). Состояние экономической среды (стратегии второго игрока) определяется погодными условиями: 1) год засушливый; 2) год нор- мальный; 3) год дождливый (j =1, 2, 3). Информация о выигрышах первого иг- рока помещена в табл. 2.
Табл. 2. Доход от реализации (млн. грн.)
Платёжная матрица имеет вид: ⎛1 3 4 ⎞ A = ⎜ ⎟. ⎝ 4 3 2 ⎠ Для определения чистых стратегий игроков применим метод максимина и минимакса: ⎛1 3 4 ⎞ 1 A = ⎜ ⎟ ⎝ 4 3 2 ⎠ 2. 4 3 4 Нижняя чистая цена игры α = 2. Верхняя чистая цена игры β = 3. Числа α и β не совпадают. Седловой точки нет. Следовательно, чистые оптимальные стратегии для игроков не существуют. Чистую цену игры V * возможно. определить не- Вернёмся к рассмотрению общих вопросов. Как поступать, если платёж- ная матрица ⎛ a 11 a 12 ... a 1 n ⎞ ⎜ ⎟ A = ⎜ a 21 a 22 ... a 2 n ⎟ ⎜............ ⎟ ⎜ ⎟ ⎝ am 1 am 2 ... amn ⎠ не содержит седловой точки и чистых оптимальных стратегий нет?
В этом случае применяют не чистые, а смешанные стратегии. Т.е. первый игрок применяет свои m стратегий с определёнными вероятностями. Вектор вероятностей X неизвестен: X = (x 1; x 2;...; xm), x 1 + x 2 +... + xm =1. Аналогично, для второго игрока неизвестен вектор вероятностей Y, с ко- торыми он принимает свои стратегии: Y = (y 1; y 2;...; yn), y 1 + y 2 +... + yn =1. Векторы X и Y называются смешанными стратегиями первого и вто- рого игроков, соответственно. Координаты этих векторов (вероятности) опре- деляют на основе статистических данных, т.е. эмпирическим путём. Поэтому данный раздел математики называют теорией игр и статистических решений. Теорема 2 (основная теорема матричных игр фон Неймана). Любая матричная игра двух лиц с нулевой суммой имеет решение в виде смешанных стратегий. Для того чтобы найти оптимальные смешанные стратегии X и Y, а также определить неизвестную цену игры V, используют следующую теорему. Теорема 3 (о свойствах оптимальных смешанных стратегий). Пусть задана игра с известной платёжной матрицей A и неизвестной ценой V. Для того чтобы вектор X = (x 1; x 2;...; xm) был оптимальной смешанной стратегией первого игрока, необходимо и достаточно выполнение условий:
x 1 + x 2 +... + xm =1, (1)
⎪ + a x +... + a x ≥ V, ⎨ ⎪........................................ ⎪⎩ a 1 nx 1 + a 2 n x 2 +... + amn xm ≥ V, (2) xi ≥ 0 (i =1, m). (3) Аналогично для второго игрока: чтобы вектор Y = (y 1; y 2;...; yn) был опти- мальной смешанной стратегией второго игрока, необходимо и достаточно вы- полнение условий: y 1 + y 2 +... + yn =1, (4)
⎪ + a y +... + a y ≤ V, ⎨ ⎪........................................ ⎪⎩ am 1 y 1 + am 2 y 2 +... + amn yn ≤ V, (5) y j ≥ 0 (j =1, n). (6) Рассмотрим применение теоремы 3 при условии, что все элементы пла- тёжной матрицы A положительные. Тогда V > 0 и на это число можно разде- лить левые и правые части условий задачи (1)-(3): x 1 + x 2 +... + xm = 1, (7) V V V V
⎧ a ⋅ x 1 + a ⋅ x 2 +... + a ⋅ xm ≥1, ⎪ 11 V ⎪ 21 V m 1 V ⎪ a ⋅ x 1 + a ⋅ x 2 +... + a ⋅ xm ≥1,
22 V m 2 V (8) ⎪........................................ ⎪ ⎪ a ⋅ x 1 + a ⋅ x 2 +... + a ⋅ xm ≥1, 1 n V 2 n V mn V xi ≥ 0 (i =1, m). (9) V
Введём замену переменных: t = x 1, t = x 2,..., t = xm, Z = 1. Т.к. первый 1 V 2 V m V V игрок стремится максимизировать цену игры, то V → max, а значит Z → min. Задача (7)-(9) примет вид задачи линейного программирования (ЛП): Z = t 1 + t 2 +... + tm → min, (10)
⎪ + a t +... + a t ≥1, ⎨ ⎪........................................ ⎪⎩ a 1 nt 1 + a 2 nt 2 +... + amntm ≥1, (11) ti ≥ 0 (i =1, m). (12) Аналогично для второго игрока. Сделаем замену переменных в задаче (4)-
(6): w = y 1, w = y 2,..., w = yn, F = 1. Будет получена вторая задача ЛП: 1 V 2 V n V V F = w 1 + w 2 +... + wn → max, (13)
⎪ + a w +... + a w ≤1, ⎨ ⎪........................................ ⎪⎩ am 1 w 1+ am 2 w 2 +... + amnwn ≤1, (14) w j ≥ 0 (j =1, n). (15) Заметим, что задачи (10)-(12) и (13)-(15) являются двойственными отно- сительно друг друга. Для их решения можно применять симплекс-метод, метод искусственного базиса и в задачах малой размерности – графический метод. Решение примера 2. Ранее мы доказали, что платёжная матрица ⎛1 3 4 ⎞ A = ⎜ ⎟ ⎝ 4 3 2 ⎠ не имеет седловой точки и чистых оптимальных стратегий для этой задачи не
существует. Согласно теореме 2 применим смешанные стратегии. Вектор вероятно- стей X первого игрока неизвестен:
X = (x 1; x 2), x 1 + x 2 =1. Аналогично, для второго игрока неизвестен вектор вероятностей Y, с ко- торыми он принимает свои стратегии: Y = (y 1; y 2; y 3), y 1 + y 2 + y 3 =1. Применим теорему 3. Цена игры V является неизвестной. Для того чтобы вектор X = (x 1; x 2) был оптимальной смешанной стратегией первого игрока, не- обходимо и достаточно выполнение условий: x 1 + x 2 =1, (16) ⎧ x 1 + 4 x 2 ≥ V, ⎪
⎩4 x 1+ 2 x 2 ≥ V, (17) xi ≥ 0 (i =1, 2). (18) Аналогично для второго игрока: чтобы вектор Y = (y 1; y 2; y 3) был опти- мальной смешанной стратегией второго игрока, необходимо и достаточно вы- полнение условий: y 1 + y 2 + y 3 =1, (19) ⎧ y 1 + 3 y 2 + 4 y 3 ≤ V, ⎨ ⎩4 y 1 + 3 y 2 + 2 y 3 ≤ V, (20) y j ≥ 0 (j =1, 3). (21)
Введём замену переменных: t = x 1, t = x 2, Z = 1. Задача (16)-(18) примет
вид задачи ЛП: 1 V 2 V V Z = t 1 + t 2 → min, (22) ⎧ t 1 + 4 t 2 ≥1, ⎪
⎩4 t 1+ 2 t 2 ≥1, (23) ti ≥ 0 (i =1, 2). (24) Аналогично для второго игрока. Сделаем замену переменных в задаче
(19)-(21): w = y 1, w = y 2, w = y 3, F = 1. Будет получена вторая задача ЛП: 1 V 2 V 3 V V F = w 1 + w 2 + w 3 → max, (25) ⎧ w 1+ 3 w 2 + 4 w 3 ≤1, ⎨ ⎩4 w 1+ 3 w 2 + 2 w 3 ≤1, (26) w j ≥ 0 (j =1, 3). (27)
Т.к. задача (22)-(24) содержит две переменных, то ёё удобно решить гра- фически (студентам проделать самостоятельно). Оптимальный план единствен- ный: T * = ⎛ 2; = 3 ⎞, Z = 5.
min 14 Задачу (25)-(27) можно решить симплекс-методом (студентам проделать самостоятельно). Однако удобнее воспользоваться первой и второй теорема- ми двойственности.
Т.к. Z min = F max, то w + w + w = 5. Оптимальные значения 1 2 3 14 t * = 2 и 1 14 t 2* = 14
строго больше нуля, поэтому 1-е и 2-е ограничения в системе (26) бу- дут строгими равенствами. В итоге, для решения задачи (25)-(27) достаточно решить систему уравнений (студентам проделать самостоятельно):
⎧ w + w + w = 5, ⎪ 1 2 3 14 ⎪ ⎨ w 1+ 3 w 2 + 4 w 3 =1, ⎪4 w + 3 w + 2 w =1. ⎪ 1 2 3 ⎩ Однако, лучше всего, дополнительно учесть тот факт, что при
t * = 2 и 1 14 t 2* = 14
в системе (23) 1-е и 3-е ограничения обратятся в строгие равенства, а 2- е – в неравенство. Следовательно, приобретёт вид: w 1* > 0 и w 3* > 0, а w 2* = 0. Т.о. система (26) ⎧ w 1+ 4 w 3 =1, ⎨ ⎩4 w 1+ 2 w 3 =1. Решая систему, придём к оптимальному плану:
2; 0; = 3 ⎞, F = 5. Т.е. задачи ЛП (22)-(24) и (25)-(27) решены полностью. max 14 1 ⎜14 14 ⎟ Выполним обратную замену y 1 = w 1 V, y 2 = w 2 V, y 3 = w 3 V. V =, x 1 = t 1 V, x 2 = t 2 V и Z Ответ: оптимальной смешанной стратегией для первого игрока будет X * = (0, 4; 0, 6), для второго – V * = 2,8. Y * = (0, 4; 0; 0, 6), чистая цена игры составит Значит, аграрному предприятию следует под 1-ю сельскохозяйственную культуру отвести 40% земли, под 2-ю – 60%. При этом гарантированный доход от реализации продукции составит 2,8 млн. грн.
4. Рассмотрим несколько полезных фактов из теории игр. Пусть для i -й и k -й стратегий первого игрока выполняются соотношения aij ≥ akj (j =1, n), причём хотя бы одно из них является строгим неравенством. Т.е. элементы i -й строки больше либо равны элементов k -й строки. Тогда говорят, что стратегия i превосходит или доминирует стратегию k. Т.к. первый игрок заинтересован в увеличении своего выигрыша, то его доминирующая стратегия i предпоч- тительнее стратегии k. Пусть теперь для j -й и r -й стратегий второго игрока выполняются соот- ношения aij ≥ air (i =1, m), причём хотя бы одно из них является строгим неравенством. Т.е. элементы j - го столбца больше либо равны элементов r -го столбца. Значит у второго игро- ка стратегия j доминирует стратегию r. Т.к. второй игрок заинтересован в уменьшении выигрыша первого игрока, то его r -я стратегия предпочтительнее j -й стратегии. Замечание 1. Наличие доминирующих стратегий позволяют снизить раз- мерность матрицы игры A и, тем самым, уменьшить объём вычислений при нахождении смешанных стратегий. Пример 3. Игра двух лиц с нулевой суммой задана матрицей: ⎛ 4 3 5 1 ⎞ ⎜ 4 5 3 5 ⎟ A = ⎜ ⎟. ⎜5 3 5 3 ⎟
Для определения чистых стратегий игроков применим метод максимина и минимакса: ⎛ 4 3 5 1 ⎞ 1 ⎜ 4 5 3 5 ⎟ 3 A = ⎜ ⎟ ⎜5 3 5 3 ⎟ 3. ⎜ ⎟ ⎝1 5 4 8 ⎠ 1 5 5 5 8 Нижняя чистая цена игры α = 3. Верхняя чистая цена игры β = 5. Числа α и β не совпадают. Седловой точки нет. Следовательно, чистые оптимальные стратегии для игроков не существуют. Чистую цену игры V * возможно. определить не- Предположим, что неизвестная цена игры равна V, и будем искать реше- ние игры в смешанных стратегиях. Пусть для первого игрока – это неизвестный вектор вероятностей X: X = (x 1; x 2; x 3; x 4), x 1 + x 2 + x 3 + x 4 =1. Аналогично, для второго игрока:
Y = (y 1; y 2; y 3; y 4), y 1 + y 2 + y 3 + y 4 =1. Проверим матрицу A на наличие доминирующих стратегий. Сравнивая выигрыши построчно, видим, что у первого игрока 3-я стратегия доминирует 1- ю. Следовательно, для первого игрока 3-я стратегия предпочтительнее 1-й. В теории игр доказано, что можно в матрице A вычеркнуть 1-ю строку, положив x 1 = 0. Будет получена матрица игры: ⎛ 4 5 3 5 ⎞
⎜1 5 4 8 ⎟ У новой матрицы V. A 1 цена игры будет такой же, как и у матрицы A, т.е. равна По элементам матрицы A 1 видно, что у второго игрока 4-я стратегия до- минирует 2-ю. Т.о. 2-я стратегия второго игрока предпочтительнее его 4-й стра- тегии. Следовательно, в матрице y 4 = 0: A 1 можно вычеркнуть 4-й столбец, положив ⎛ 4 5 3 ⎞
⎜1 5 4 ⎟ Цена игры останется прежней, т.е. V. В матрице A 2 доминирующих стратегий нет. Т.о. исходную игру с мат- рицей A размерности 4 × 4 3 ×3. удалось свести к игре с матрицей A 2 размерности На данный момент смешанные стратегии игроков для исходной задачи имеют вид: X = (0; x 2; x 3; x 4), Y = (y 1; y 2; y 3; 0). Далее, используя матрицу A 2, применяем теорему 3. Составляем двойственные задачи ЛП (10)-(12) и (13)-(15). Находим оптимальные значения вероятностей x 2*, x 3*, x 4 * и стоятельно). y 1*, y 2*, y 3 *, а также цену игры V * (студентам проделать само- Теорема 4. Пусть задана игра двух лиц с матрицей VA. Тогда другая игра с матрицей A = (aij) и ценой игры B = (bij) = (c ⋅ aij + d), c > 0, будет иметь оптимальные смешанные стратегии игроков такие же, как и для игры с матрицей ношением: A = (aij). Причём цена игры VB VB = c ⋅ VA + d. связана с ценой игры VA соот- Замечание 2. Пользуясь теоремой 4, можно упрощать элементы исходной матрицы A для облегчения вычислений. Пример 4. Рассмотрим игру с матрицей
⎛300 400 ⎞ A = ⎜ ⎟. ⎝700 200 ⎠ Для определения чистых стратегий игроков применим метод максимина и минимакса:
⎜700 200 ⎟ 700 400 200. Нижняя чистая цена игры α = 300. Верхняя чистая цена игры β = 400. Числа α и β не совпадают. Седловой точки нет. Следовательно, чистые опти- мальные стратегии для игроков не существуют. Чистую цену игры определить невозможно. Доминирующих стратегий нет. Воспользуемся теоремой 4. Каждый элемент матрицы A разделим на 100 и вычтем 2. Будет получена матрица B = (bij) = (0, 01⋅ aij − 2), т.е. ⎛1 2 ⎞ B = ⎜ ⎟. ⎝5 0 ⎠ Смешанные стратегии игроков для матриц A и B совпадают. Обозначим векторы неизвестных вероятностей через связаны равенством: X = (x 1; x 2) и Y = (y 1; y 2). Цены игр VB = 0, 01⋅ VA − 2. Далее, используя матрицу B, применяем теорему 3. Составляем двойст- венные задачи ЛП (10)-(12) и (13)-(15). Находим оптимальные значения веро- ятностей и цену игры VB * (студентам проделать самостоятельно). Окончательно получим: V * = VB * +2 =100 ⋅ (V * +2). A 0, 01 B Завершая данную лекцию, отметим, что игровые методы активно исполь- зуются при изучении экономических рисков. Для нахождения статистических решений применяются критерии Байеса, Бернулли, Лапласа, Вальда, Сэвиджа, Гурвица и др.
ЛИТЕРАТУРА
1. Акулич И.Л. Математическое программирование в примерах и задачах. – М.: Высш. шк., 1986. – 319 с. 2. Афанасьев М.Ю., Суворов Б.П. Исследование операций в экономике: мо- дели, задачи, решения. – М.: ИНФРА-М, 2003. – 444 с. 3. Глухов В.В., Медников М.Д., Коробко С.Б. Математические методы и модели для менеджмента. – СПб.: Издательство «Лань», 2007. – 528 с. 4. Иванов С.Н. Математические методы исследования операций. – Донецк: Донецкий национальный университет, 2003. – 688 с. 5. Костевич Л.С. Математическое программирование: информационные технологии оптимальных решений. – Мн.: Новое знание, 2003. – 424 с. 6. Кузнецов А.В., Сакович В.А., Холод Н.И. Высшая математика: математи- ческое программирование. – Мн.: Выш. шк., 1994. – 286 с. 7. Таха Х.А. Введение в исследование операций. – М.: Издательский дом «Вильямс», 2005. – 912 с. 8. Христиановский В.В., Ерин В.Г., Ткаченко О.В. Решение задач математи- ческого программирования. – Донецк: ДонГУ, 1992. – 254 с. 9. Христиановский В.В., Полшков Ю.Н., Щербина В.П. Экономический риск и методы его измерения. – Донецк: ДонГУ, 1999. – 250 с. 10.Вітлінський В.В., Верченко П.І., Сігал А.В., Наконечний Я.С. Еко- номічний ризик: ігрові моделі. – К.: КНЕУ, 2002. – 446 с. 11.Нейман Дж. Теория игр и экономическое поведение: Монография / [Дж. фон Нейман, О. Моргенштерн]. – М.: Наука, 1970. – 707 с.: ил., табл. – Библиогр.: с. 695–702. 12.Крушевский А.В. Теория игр: Учеб. пособие / [А. В. Крушевский]. – К.: Вища школа, 1977. – 216 с.: ил., табл. – Библиогр.: с. 214. 13.Вітлінський В.В., Наконечний С.І. Ризик у менеджменті. – К.: ТОВ “Бо- рисфен-М”, 1996. – 336 с. 14.Дубров А.М., Лагоша Б.А., Хрусталев Е.Ю. Моделирование рисковых си- туаций в экономике и бизнесе. – М.: Финансы и статистика, 1999. – 176 с. 15.Первозванский А.А., Первозванская Т.Н. Финансовый рынок: расчет и риск. – М.: ИНФРА-М, 1994. – 192 с. 16.Полшков Ю.Н. Экономический риск и методы его измерения. / Методи- ческие указания к выполнению контрольных работ. – Донецк: ДИП, 2001. – 35 с. 17.Полшков Ю.Н. Актуарные и финансовые расчеты. / Методические указа- ния и задания к выполнению контрольных работ. – Донецк: ДИП, 1997. – 23 с. 18.Христиановский В.В., Щербина В.П., Медведева М.И., Флетчер Э. Прак- тикум по прогнозу и риску. – Донецк: ДонНУ, 2000. – 316 с. 19.Шарп У., Александер Г., Бэйли Дж. Инвестиции: Пер. с англ. – М.: ИНФРА-М, 1999. – XII, 1028 с.
Дата добавления: 2014-01-07; Просмотров: 413; Нарушение авторских прав?; Мы поможем в написании вашей работы! Нам важно ваше мнение! Был ли полезен опубликованный материал? Да | Нет |