Evolutiivinen stabiilisuus populaation
|
|
- Kaisa Ahola
- 7 vuotta sitten
- Katselukertoja:
Transkriptio
1 Antti Toppila sivu 1/20 Optimointiopin seminaari Syksy 2008 Evolutiivinen stabiilisuus populaation määrittämisessä Antti Toppila
2 Antti Toppila sivu 2/20 Optimointiopin seminaari Syksy 2008 Sisältö Pareittainen peli Evoluutio mutaation kautta Evolutiiviset tasapainot Yksilö vastaan Matti Meikäläinen Kotitehtävä
3 Antti Toppila sivu 3/20 Optimointiopin seminaari Syksy 2008 Pareittainen peli Ajatusmalli Äärettömän populaation P jäsenet kohtaavat symmetrisessä pelissä Kohtaaminen muuttaa elinkelpoisuutta W riippuen kohtaajien fenotyypeistä (strategioista) Jälkeläiset samaa fenotyyppiä kun vanhempansa Seuraavan sukupolven osuus omaa fenotyyppiä p noudattaa kvalitatiivisesti differentiaaliyhtälöä dp dt = p W W W (1) missä W on keskimääräinen elinkelpoisuus
4 Antti Toppila sivu 4/20 Optimointiopin seminaari Syksy 2008 Pareittainen peli Kuvaaminen matriisipelinä Järjestetään lopputulemat palkkiomatriisiksi A = matriisipeli puhtailla strategioilla Haukka-Kyyhky palkkiotaulukko Fenotyypit haukka H ja kyyhky D H D H 1 2 D 0 1
5 Antti Toppila sivu 5/20 Optimointiopin seminaari Syksy 2008 Pareittainen peli Dynamiikan analysointi Tutkitaan fenotyypin pärjäämistä alkupopulaatiossa P 0 Elinkelpoisuus keskimääräistä huonompi = Suhteellinen osuus pienenee Elinkelpoisuus keskimääräistä parempi = Suhteellinen osuus kasvaa Peli määrää dynamiikan fenotyyppien suhteellisille osuuksille Pelissä muuttumattomat alkupopulaatiot dp dt = 0 kaikilla p
6 Antti Toppila sivu 6/20 Optimointiopin seminaari Syksy 2008 Evoluutio mutaation kautta Lähtökohta Puhdas strategia Ennaltamäärätystä toimenpidejoukosta valittavan toimenpiteen suorittaminen joka ei ole määritelty muiden pelin strategioiden suhteen Puhdas startegia vastaa jonkin pelissä oleellisen ja perinnöllisen toimenpiteen valitsemista
7 Antti Toppila sivu 7/20 Optimointiopin seminaari Syksy 2008 Evoluutio mutaation kautta Mutaatio sekastrategioilla Sekastrategia Puhtaiden strategioiden i pelaaminen vakiotodennäköisyyksillä 0 p i 1, i p i = 1 Uskottava mutaatio, sillä kaksi olemassa olevaa ominaisuutta yhdistyy Voitaisiin mallintaa uutena sarakkeena pelimatriissa Matriisiin odotusarvoiset palkkiot Yleensä oletetaan että kaikki sekastrategiat voivat esiintyä mutaatioissa
8 Antti Toppila sivu 8/20 Optimointiopin seminaari Syksy 2008 Evoluutio mutaation kautta Muutokset populaatiossa Yksilö taistelee aina satunnaista populaation jäsentä vastaan Startegia muita parempi Strategia yleistyy Strategia kamppailee useammin itseään vastaan Strategiaa I käyttävän yksilön näkökulmasta odotusarvoinen pärjääminen W (I ) = P J E(I, J) J missä P J on strategian J osuus populaatiosta ja E(I, J) pelin lopputulema pelaajalle joka pelaa I :tä kun vastustaja pelaa J:tä.
9 Antti Toppila sivu 9/20 Optimointiopin seminaari Syksy 2008 Evoluutio mutaation kautta Mutantti puhtaassa populaatiosssa Mutantti J käyttää sekastrategiaa tai puhdasta strategiaa Populaatio vastaa sekastrategialla tai puhtaalla strategialla I Mutantti joutuu taistelemaan myös itseään vastaan Populaatio voittaa jos E(I, I ) > E(J, I ) tai E(I, I ) = E(J, I ) ja E(I, J) > E(J, J) Evolutiivisesti stabiilit strategia (ESS) on strategia joka estää mutanttien lisääntymisen kun (lähes) kaikki populaation jäsenet käyttävät kyseistä strategiaa. Olisi järkevää aina mainita millaisia mutantteja vastaan Voiko konstruoida puhtaiden strategioiden positiivisena lineaarikombinationa sarakkeen joka parempi kun ESS ehdokas?
10 Antti Toppila sivu 10/20 Optimointiopin seminaari Syksy 2008 Evoluutio mutaation kautta Mutantti polymorfisessa populaatiosssa Mutantti J käyttää sekastrategiaa tai puhdasta strategiaa Populaatio vastaa useilla strategioilla joiden frekvenssi riippuu poulaation jakaumasta Mutantti joutuu taistelemaan muuttuvaa sekastrategiaa vastaan Evolutiivisesti stabiili tila on populaatiojakauma joka palautuu valinnan kautta pienen poikkeaman jälkeen Poikkeama on pieni määrä puhdasta strategiaa/puhtaiden strategioiden sekoitusta.
11 Antti Toppila sivu 11/20 Optimointiopin seminaari Syksy 2008 Evolutiivisesti stabiilien strategioiden olemassaolo Kahden strategian pareittainen peli Kahdella strategialla aina ESS a > c H ESS d > b D ESS a > c, d > b D ja H ESS Muulloin sekastrategia PH+(1 P)D b d missä P = on ESS (b d) + (c a) Myös jakaumaa noudattava puhdas populaatio on evolutiivisesti stabiili tila H D H a b D c d
12 Antti Toppila sivu 12/20 Optimointiopin seminaari Syksy 2008 Evolutiivisesti stabiilien strategioiden olemassaolo Usean strategian pareittainen peli ESS ei välttämättä ole olemassa eikä ESS:ää vastaava polymorfinen populaatio välttämättä stabiili ESS ei olemassa (ε < 0 ja pieni) ε > 0: I = 1 3 K P S on ESS ESS vastaava populaatiojakauma 1 3 K, 1 3 P, 1 3 S epästabiili (syklinen käytös) Kivi-Paperi-Sakset peli K P S K ε 1 1 P 1 ε 1 S 1 1 ε
13 Antti Toppila sivu 13/20 Optimointiopin seminaari Syksy 2008 Monimutkaisempia strategioita Haukka-Kyyhky-Kostaja peli 1/3 Kostaja R haukka haukkaa (H) ja kyyhky kyyhkyä (D) vastaan Kostajan strategia riippuu muiden valitsemasta strategiasta Voidaan mallintaa matriisipelinä (a) Pelissä (b) oletettu että Kostaja joskus haukka myös kyyhkyä vastaan H D R H D R (a) H D R H D R (b)
14 Antti Toppila sivu 14/20 Optimointiopin seminaari Syksy 2008 Monimutkaisempia stretegiota Haukka-Kyyhky-Kostaja peli 2/3 Bishop & Cannings (1978) Jos I on seka-ess jossa positiivisilla todennäköisyyksillä strategiat J 1, J 2,..., J n niin E(J 1, I ) = E(J 2, I ) =... E(J n, I ) Ehdot tarkistettava kaikille puhtaiden strategioiden permutaatioille jos halutaan löytää kaikki potentiaaliset ESS:t Sovelletaan ehtoja peliin (b) Kaksi ESS:ää: I = 1 2 H+ 1 2 D ja R Satulapiste S = H+ 319D+ 319 R
15 Antti Toppila sivu 15/20 Optimointiopin seminaari Syksy 2008 Monimutkaisempia stretegiota Haukka-Kyyhky-Kostaja peli 3/3 E(I, R) < E(R, R) kun I {H, D} eli R on ESS E(H, I ) = = 1 2 ja E(D, I ) = = 1 2 eli E(I, I ) = 1 2 I on ESS jos E(I, I ) > E(R, I ) = Miten nähdään että S satula? E(H, H) < E(H, S) ja E(D, D) < E(D, S) mutta E(R, R) > E(R, S) ja E(I, I ) > E(I, S) 2 = 1 20 H I R S D
16 Antti Toppila sivu 16/20 Optimointiopin seminaari Syksy 2008 Yksilö vastaan Matti Meikäläinen Periaatteet Pelataan yhteisön ominaisuutta vastaan Kukat kaikkien ymäröivien kukkien kanssa W (I, J) straegiaa I käyttävän pärjääminen J populaatiossa P q,j,i on populaatio P = qj + (1 q)i I on ESS jos kaikille J I joko W (J, I ) < W (I, I ) { W (J, I ) =W (I, I ) tai W (J, P q,j,i <W (I, P q,j,i ) pienille q Polymorfismi ei välttämättä jakautunut strategioden suhteessa
17 Antti Toppila sivu 17/20 Optimointiopin seminaari Syksy 2008 Yksilö vastaan Matti Meikäläinen Sukupuolijakaumapeli 1/2 Naiset synnyttävät N kpl miehiä ja naisia suhteessa s : (1 s) Mitataan kelpoisuutta lapsenlapsien määränä populaatiossa jonka strategia s : [ W (s, s ) = W (s, s ) = N 2 1 s + s 1 ] s s Jos kaikissa suhteissa 0 s 1 voidaan synnyttää on s paras jos [ W (s, s ] ) = 0. s s=s Saadaan s = 0.5.
18 Antti Toppila sivu 18/20 Optimointiopin seminaari Syksy 2008 Yksilö vastaan Matti Meikäläinen Sukupuolijakaumapeli 2/2 Strategia s = 0.5 stabiili jos W (s, s ) < W (s, s ) kaikilla s s, s = qs + (1 q)s eli 1 s + s 1 s s < 1 s + s 1 s s kaikilla s s. Epäyhtälö on tosi strategia s stabiili Voisiko tämän tarkistaa toisen derivaatan perusteella? [ 2 W (s, s ] ) s 2 s=s.
19 Antti Toppila sivu 19/20 Optimointiopin seminaari Syksy 2008 Kotitehtävä Tehtävänanto Haukka-Kyyhky- Kostaja peli Haukka-Kyyhky peliin lisätään mutaatio M joka luulee 100τ % kyyhkyistä ja mutanteista haukoiksi. Mutantti on haukka oikeita tai uskottuja haukkoja vastaan, muulloin kyyhky. Haukkamutantti jota luullaan kyyhkyksi aiheuttaa paniikin jolloin paetaan kuten kyyhky. Kaksi mutanttikyyhkyä osaavat jakaa resurssin vain 100α % tehokkuudella. (a) Muotoile uusi peli! ( 1 2 p) (b) Etsi pelin seka-ess p = p 1 H + p 2 D + p 3 M kun p:ssä esiintyy kaikkia strategioita ja τ, α ]0, 1[. (1 p) (c) Milloin p:tä vastaava polymorfismi on stabiili? ( 1 2 p)
20 Antti Toppila sivu 20/20 Optimointiopin seminaari Syksy 2008 Kotitehtävä Vinkit Mathematica rulez Tehtävän ratkaisussa kannattaa ehdottomasti käyttää Mathematicaa tai muuta symbolista ratkaisinta. Mathematican Reduce ja Exists komennot voivat osoittautua kullanarvoisiksi kurssin aikana. Käyttöohjeet helpistä
Evolutiivisesti stabiilin strategian oppiminen
Evolutiivisesti stabiilin strategian oppiminen Janne Laitonen 8.10.2008 Maynard Smith: s. 54-60 Johdanto Käytös voi usein olla opittua perityn sijasta Tyypillistä käytöksen muuttuminen ja riippuvuus aikaisemmista
LisätiedotSEKASTRATEGIAT PELITEORIASSA
SEKASTRATEGIAT PELITEORIASSA Matti Estola 8. joulukuuta 2013 Sisältö 1 Johdanto 2 2 Ratkaistaan sukupuolten välinen taistelu sekastrategioiden avulla 5 Teksti on suomennettu kirjasta: Gibbons: A Primer
LisätiedotLuento 7. June 3, 2014
June 3, 2014 Peli, jossa on kaksi Nash-tasapainoa. Yksi tasapaino on (1; 2) ja toinen (2; 1); P1:n valinta on ilmoitettu ensin. Ensimmäinen tasapaino ei vaikuta hyvältä; se perustuu epäuskottavaan uhkaukseen.
LisätiedotSekastrategiat ja intensiiviyhteensopivuus
Sekastrategiat ja intensiiviyhteensopivuus Petteri Räty 2010-03-14 God does not play dice with the universe Albert Einstein Agenda Intensiiviyhteensopivuuden käsite Yrittää vastata kysymykseen, mitä sekastrategiat
LisätiedotBayesin pelit. Kalle Siukola. MS-E2142 Optimointiopin seminaari: Peliteoria ja tekoäly
Bayesin pelit Kalle Siukola MS-E2142 Optimointiopin seminaari: Peliteoria ja tekoäly 12.10.2016 Toistetun pelin esittäminen automaatin avulla Ekstensiivisen muodon puu on tehoton esitystapa, jos peliä
LisätiedotEpätäydellisen tiedon jatkuvat pelit. Mika Viljanen Peliteorian seminaari
Epätäydellisen tiedon jatkuvat pelit Mika Viljanen Peliteorian seminaari Erityispiirteitä Erityispiirteitä Epätäydellinen tieto aiemmista toiminnoista Erityispiirteitä Epätäydellinen tieto aiemmista toiminnoista
LisätiedotYhteistyötä sisältämätön peliteoria
Yhteistyötä sisältämätön peliteoria jarkko.murtoaro@hut.fi Optimointiopin seminaari Kevät 2003 / 1 Sisältö Johdanto Käsitteistö Työkalut Nashin tasapaino Täydellinen tasapaino Optimointiopin seminaari
LisätiedotVangin dilemma häiriöisessä ympäristössä Markov-prosessina (valmiin työn esittely) Lasse Lindqvist
Vangin dilemma häiriöisessä ympäristössä Markov-prosessina (valmiin työn esittely) Lasse Lindqvist 21.01.2013 Ohjaaja: Kimmo Berg Valvoja: Harri Ehtamo Työn saa tallentaa ja julkistaa Aalto-yliopiston
LisätiedotMikrotaloustiede Prof. Marko Terviö Aalto-yliopisto BIZ 31C00100 Assist. Jan Jääskeläinen Syksy 2017
Mikrotaloustiede Prof. Marko Terviö Aalto-yliopisto BIZ 31C1 Assist. Jan Jääskeläinen Syksy 17 Mallivastaukset 7. 1. Kaupungissa on kaksi suurta taidemuseoa (pelaajat) ja 5 asukasta. Taidemuseoilla on
LisätiedotJohdanto peliteoriaan Kirja kpl. 2
Aalto-yliopiston TKK Mat-2.4142 K2010 Esitelmä 1 Ilkka Leppänen 1 Johdanto peliteoriaan Kirja kpl. 2 Ilkka Leppänen 20.1.2010 Aalto-yliopiston TKK Mat-2.4142 K2010 Esitelmä 1 Ilkka Leppänen 2 Aiheet Laajennettu
LisätiedotSekastrategia ja Nash-tasapainon määrääminen
May 24, 2016 Sekastrategia Monissa peleissä ei ole Nash-tasapainoa puhtaissa strategioissa H T H 1, 1 1, 1 T 1, 1 1, 1 Ratkaisu ongelmaan löytyy siitä, että laajennetaan strategiat käsittämään todennäköisyysjakaumat
LisätiedotYhteistyötä sisältämätön peliteoria jatkuu
Yhteistyötä sisältämätön peliteoria jatkuu Tommi Lehtonen Optimointiopin seminaari - Syksy 2000 / 1 Bayesilainen tasapaino Täysi informaatio Vajaa informaatio Staattinen Nash Bayes Dynaaminen Täydellinen
LisätiedotRationalisoituvuus ja yleinen tieto rationaalisuudesta
Rationalisoituvuus ja yleinen tieto rationaalisuudesta Keskeiset termit: Rationalizability rationalisoituvuus ratkaisukonsepti peliteoriassa Rationalizable rationalisoituva Rationality rationaalisuus pelaajat
LisätiedotLuento 5: Peliteoriaa
Luento 5: Peliteoriaa Tässä kappaleessa tutustutaan hieman peliteoriaan. Keskeisiä asioita ovat Nash-tasapaino ja sekastrategia. Cournot n duopolimalli vuodelta 1838 toimii oivallisena havainnollistuksena
LisätiedotMS-C2105 Optimoinnin perusteet Malliratkaisut 5
MS-C2105 Optimoinnin perusteet Malliratkaisut 5 Ehtamo Demo 1: Arvaa lähimmäksi Jokainen opiskelija arvaa reaaliluvun välillä [0, 100]. Opiskelijat, joka arvaa lähimmäksi yhtä kolmasosaa (1/3) kaikkien
LisätiedotNollasummapelit ja bayesilaiset pelit
Nollasummapelit ja bayesilaiset pelit Kristian Ovaska HELSINGIN YLIOPISTO Tietojenkäsittelytieteen laitos Seminaari: Peliteoria Helsinki 18. syyskuuta 2006 Sisältö 1 Johdanto 1 2 Nollasummapelit 1 2.1
LisätiedotLuento 8. June 3, 2014
June 3, 2014 Luokka pelejä, joissa pelaajilla on epätäydellistä informaatiota toistensa preferensseistä ja joissa valinnat tehdään samanaikaisesti. Tämä tarkoittaa, että pelaajat eivät tiedä toistensa
LisätiedotESS oppiminen ja sen simulointi
ESS oppiminen ja sen simulointi 8.10.2008 Suhteellinen palkkiosumma, RPS = = = = + + = = n i t i t i t i t i i n i i i i P m r P m r t f r r f 1 1 1 1 1 1 1 1 ) ( ) ( ) ( (1) τ τ τ τ τ τ Harleyn (1981)
LisätiedotLyhyen aikavälin hintakilpailu 2/2
Lyhyen aikavälin hintakilpailu 2/2 Ilkka Männistö Esitelmä 10 - Ilkka Männistö Optimointiopin seminaari - Kevät 2003 / 1 Kilpailun aste Markkinahinta ei kerro mitään kilpailun asteesta jos kustannusrakennetta
LisätiedotHintakilpailu lyhyellä aikavälillä
Hintakilpailu lyhyellä aikavälillä Virpi Turkulainen 5.3.2003 Optimointiopin seminaari - Kevät 2003 / 1 Sisältö Johdanto Bertrandin ristiriita ja sen lähestyminen Bertrandin ristiriita Lähestymistavat:
LisätiedotMikrotaloustiede Prof. Marko Terviö Aalto-yliopisto BIZ 31C00100 Assist. Jan Jääskeläinen Syksy 2017
Mikrotaloustiede Prof. Marko Terviö Aalto-yliopisto BIZ 31C00100 Assist. Jan Jääskeläinen Syksy 017 Mallivastaukset 7. Kaupungissa on kaksi suurta taidemuseoa (pelaajat) ja 500 000 asukasta. Taidemuseoilla
LisätiedotLaskelmointia mielen evoluutiosta
VIRPI KAUKO Laskelmointia mielen evoluutiosta ihmisen ja muiden eläinten yhteistyö- ja kilpailustrategioiden, sukulaisaltruismin yms. vuorovaikutusten tarkastelua luonnonvalinnan kannalta [SKEPSIS RY:N
Lisätiedot1 + b t (i, j). Olkoon b t (i, j) todennäköisyys, että B t (i, j) = 1. Siis operaation access(j) odotusarvoinen kustannus ajanhetkellä t olisi.
Algoritmien DP ja MF vertaileminen tapahtuu suoraviivaisesti kirjoittamalla kummankin leskimääräinen kustannus eksplisiittisesti todennäköisyyksien avulla. Lause T MF ave = 1 + 2 1 i
LisätiedotY56 laskuharjoitukset 6
Y56 Kevät 00 Y56 laskuharjoitukset 6 Palautus joko luennolle/mappiin tai Katjan lokerolle (Koetilantie 5, 3. krs) to.4. klo 6 mennessä (purku luennolla ti 7.4.) Ole hyvä ja vastaa suoraan tähän paperiin.
LisätiedotSignalointi: autonromujen markkinat
Signalointi: autonromujen markkinat Mat-.414 Optimointiopin seminaari Klaus Mattila 1.0.008 1 Esityksen rakenne Johdanto Autonromujen markkinat: Akerlofin malli Kustannuksellinen signalointi: Spencen malli
LisätiedotProjektin arvon aleneminen
Projektin arvon aleneminen sivut 99-07 Optimointiopin seminaari - Syksy 000 / Arvon aleneminen Jatketaan projektin arvon tutkimista. Nyt huomioidaan arvon aleneminen. Syitä esimerkiksi: kaluston vanheneminen
LisätiedotEpäsymmetriset pelit - omistajuus
Epäsymmetriset pelit - omistajuus Eemeli Kantola 5.11.2008 Esityksen sisältö Lähtökohdat Haukka-kyyhky-porvari Esimerkkejä luonnosta, päätelmiä Yleiset epäsymmetriset pelit Viivytystaistelu Yhteenveto
LisätiedotLuento 9. June 2, Luento 9
June 2, 2016 Otetaan lähtökohdaksi, että sopimuksilla ei voida kattaa kaikkia kontingensseja/maailmantiloja. Yksi kiinnostava tapaus on sellainen, että jotkut kontingenssit ovat havaittavissa sopimusosapuolille,
LisätiedotHarha mallin arvioinnissa
Esitelmä 12 Antti Toppila sivu 1/18 Optimointiopin seminaari Syksy 2010 Harha mallin arvioinnissa Antti Toppila 13.10.2010 Esitelmä 12 Antti Toppila sivu 2/18 Optimointiopin seminaari Syksy 2010 Sisältö
LisätiedotLisää satunnaisuutta ja mahdollisuus keskeyttää projekti
isää satunnaisuutta ja mahdollisuus keskeyttää projekti Esitelmä 7 - Mika lmoniemi Optimointiopin seminaari - Syksy isää satunnaisuutta Tähän mennessä on käytetty vain yhtä satunnaismuuttujaa tuotteen
LisätiedotHaitallinen valikoituminen: yleinen malli ja sen ratkaisu
Haitallinen valikoituminen: yleinen malli ja sen ratkaisu Mat-2.4142 Optimointiopin seminaari Matias Leppisaari 29.1.2008 Esityksen rakenne Yleinen malli Käypyys ja rajoitusehdot Mallin ratkaisu Kotitehtävä
LisätiedotPohdiskeleva ajattelu ja tasapainotarkennukset
Pohdiskeleva ajattelu ja tasapainotarkennukset Sanna Hanhikoski 24.3.2010 Sisältö Pohdiskeleva ajattelu Nashin tasapainotarkennukset Täydellinen tasapaino Täydellinen bayesiläinen tasapaino Vaiheittainen
LisätiedotProjektin keskeyttäminen, uudelleen käynnistäminen ja hylkääminen
Projektin keskeyttäminen, uudelleen käynnistäminen ja hylkääminen Optimointiopin seminaari - Syksy 000 / 1 Mallin laajennus Toiminta voidaan väliaikaisesti keskeyttää ja käynnistää uudelleen Keskeyttämisestä
LisätiedotPelit matematiikan opetuksessa
Pelit matematiikan opetuksessa Vadim Kulikov Helsingin Yliopisto Matematiikan ja tilastotieteen laitos Epsilonit kirjaa tutkimassa, 28.01.2012 Millaisia pelejä? pärjääminen edellyttää ongelmanratkaisukykyä,
LisätiedotArkkitehtuurien tutkimus Outi Räihä. OHJ-3200 Ohjelmistoarkkitehtuurit. Darwin-projekti. Johdanto
OHJ-3200 Ohjelmistoarkkitehtuurit 1 Arkkitehtuurien tutkimus Outi Räihä 2 Darwin-projekti Darwin-projekti: Akatemian rahoitus 2009-2011 Arkkitehtuurisuunnittelu etsintäongelmana Geneettiset algoritmit
LisätiedotProjektin arvon määritys
Projektin arvon määritys Luku 6, s. 175-186 Optimointiopin seminaari - Syksy 2000 / 1 Tehtävä Johdetaan menetelmä projektiin oikeuttavan option määrittämiseksi kohde-etuuden hinnan P perusteella projektin
LisätiedotTasapaino epätäydellisen tiedon peleissä
hyväksymispäivä arvosana arvostelija Tasapaino epätäydellisen tiedon peleissä Marja Hassinen Helsinki 9..2006 Peliteoria-seminaarin esitelmä HESINGIN YIOPISTO Tietojenkäsittelytieteen laitos Sisältö Johdanto
LisätiedotPeliteoria luento 3. May 27, Peliteoria luento 3
May 27, 2015 Dominanssi Mitkä ovat uskottavia tulemia? Ja miksi? Yksi päätösteoreettinen periaate on dominanssi. Kuten lähes kaikkia taloustieteessä kiinnostavia käsitteitä niitä on kahta lajia. Aito ja
LisätiedotJohdatus peliteoriaan
Johdatus peliteoriaan Kahden pelaajan nollasummapelien ratkaiseminen ja Nashin tasapainojen olemassaolo usean pelaajan yleisessä summapelissä Henri Nousiainen Matematiikan pro gradu Jyväskylän yliopisto
LisätiedotPelien teoriaa: tasapainokäsitteet
Pelien teoriaa: tasapainokäsitteet Salanién (2005) ja Gibbonsin (1992) mukaan Mat-2.4142 Optimointiopin seminaari Jukka Luoma 1 Sisältö Staattinen Dynaaminen Staattinen Dynaaminen Pelityyppi Täydellinen
LisätiedotStrategiapelit ja Nashin tasapaino. Esitta ja : Sebastian Siikavirta
Strategiapelit ja Nashin tasapaino. Esitta ja : Sebastian Siikavirta Johdantoa peliteoriaan - ka ytetyt termit Peliteoria tutkii pelaajien toimintaa peleissa. Mika on peli? Mika on pelaaja? Peli tarkasti
LisätiedotYleinen tietämys ja Nashin tasapaino
Yleinen tietämys ja Nashin tasapaino 24.3.2010 Nashin tasapaino Ratkaisumalli kahden tai useamman pelaajan pelille. Yleisesti: Jos jokainen pelaaja on valinnut strategiansa eikä yksikään pelaaja voi hyötyä
LisätiedotLaskuharjoitus 5. Mitkä ovat kuvan 1 kanavien kapasiteetit? Kuva 1: Kaksi kanavaa. p/(1 p) ) bittiä lähetystä kohti. Voidaan
Informaatioteoria ELEC-C7 5 Laskuharjoitus 5 Tehtävä 5.3 Mitkä ovat kuvan kanavien kapasiteetit?.3.7 a b Kuva : Kaksi kanavaa b Binäärisessä Z-kanavassa virhe tapahtuu todennäköisyydellä p ja virhe todennäköisyydellä.
LisätiedotTIES592 Monitavoiteoptimointi ja teollisten prosessien hallinta. Yliassistentti Jussi Hakanen syksy 2010
TIES592 Monitavoiteoptimointi ja teollisten prosessien hallinta Yliassistentti Jussi Hakanen jussi.hakanen@jyu.fi syksy 2010 Evoluutiopohjainen monitavoiteoptimointi MCDM ja EMO Monitavoiteoptimointi kuuluu
LisätiedotEpätäydellisen tiedon jatkuvat pelit
Epätäydellisen tiedon jatkuvat pelit Mika Viljanen Helsinki 4..2006 Peliteorian seminaari HELSINGIN YLIOPISTO Tietojenkäsittelytieteen laitos Sisältö Johdanto 2 Epätäydellisen tiedon jatkuva peli 2. Jatkuvan
LisätiedotInvestointimahdollisuudet ja niiden ajoitus
Investointimahdollisuudet ja niiden ajoitus Ratkaisu optiohinnoitteluteorian avulla Esitelmä - Eeva Nyberg Optimointiopin seminaari - Syksy 000 / Tähän asti opittua NP:n rajoitteet vaikka NP negatiivinen
LisätiedotDynaaminen hintakilpailu ja sanattomat sopimukset
Dynaaminen hintakilpailu ja sanattomat sopimukset Pasi Virtanen 12.3.2003 Johdanto Hintakilpailu jossa pelaajat kohtaavat toisensa toistuvasti Pelaajien on otettava hintaa valittaessa huomioon hintasodan
LisätiedotLuento 5: Peliteoriaa
Luento 5: Peliteoriaa Tässä kappaleessa tutustutaan lyhyesti peliteoriaan. Peliteorian ratkaisukäsite on Nashin tasapaino, jonka jo Augustin Cournot esitti duopolimallinsa ratkaisuna v. 1838. Cournot n
LisätiedotReferenssipiste- ja referenssisuuntamenetelmät
Referenssipiste- ja referenssisuuntamenetelmät Optimointiopin seminaari - Kevät 2000 / 1 Esitelmän sisältö Menetelmien ideat Menetelmien soveltaminen Menetelmien ominaisuuksia Optimointiopin seminaari
LisätiedotMat Dynaaminen optimointi, mallivastaukset, kierros 1
Mat-214 Dynaaminen optimointi, mallivastaukset, kierros 1 1 a) Sekoitussäiliöön A virtaa puhdasta vettä virtauksella v A, säiliöstä A säiliöön B täysin sekoittunutta liuosta virtauksella v AB ja säiliöstä
Lisätiedotv AB q(t) = q(t) v AB p(t) v B V B ṗ(t) = q(t) v AB Φ(t, τ) = e A(t τ). e A = I + A + A2 2! + A3 = exp(a D (t τ)) (I + A N (t τ)), A N = =
Mat-214 Dynaaminen optimointi Mitri Kitti Mallivastaukset kierros 1 1 a) Sekoitussäiliöön A virtaa puhdasta vettä virtauksella v A säiliöstä A säiliöön B täysin sekoittunutta liuosta virtauksella v AB
LisätiedotGeneettiset algoritmit
Geneettiset algoritmit Evoluution piirteitä laskennassa Optimoinnin perusteet - Kevät 2002 / 1 Sisältö Geneettisten algoritmien sovelluskenttä Peruskäsitteitä Esimerkkejä funktion ääriarvon etsintä vangin
LisätiedotLohkoasetelmat. Kuusinen/Heliövaara 1
Lohkoasetelmat Kuusinen/Heliövaara 1 Kiusatekijä Kaikissa kokeissa kokeen tuloksiin voi vaikuttaa vaihtelu, joka johtuu kiusatekijästä. Kiusatekijä on tekijä, jolla on mahdollisesti vaikutusta vastemuuttujan
LisätiedotTutkimustiedonhallinnan peruskurssi
Tutkimustiedonhallinnan peruskurssi Hannu Toivonen, Marko Salmenkivi, Inkeri Verkamo hannu.toivonen, marko.salmenkivi, inkeri.verkamo@cs.helsinki.fi Helsingin yliopisto Hannu Toivonen, Marko Salmenkivi,
LisätiedotIII Perinnöllisyystieteen perusteita
Perinnöllisyystieteen perusteita III Perinnöllisyystieteen perusteita 15. Populaatiogenetiikka ja evoluutio 1. Avainsanat 2. Evoluutio muuttaa geenipoolia 3. Mihin valinta kohdistuu? 4. Yksilön muuntelua
LisätiedotLohkoasetelmat. Vilkkumaa / Kuusinen 1
Lohkoasetelmat Vilkkumaa / Kuusinen 1 Motivointi 1/3 Kaksisuuntaisella varianssianalyysilla voidaan tutkia kahden tekijän A ja B vaikutusta sekä niiden yhdysvaikutusta tutkimuksen kohteeseen Kaksisuuntaisessa
Lisätiedot6. Differentiaaliyhtälösysteemien laadullista teoriaa.
1 MAT-13450 LAAJA MATEMATIIKKA 5 Tampereen teknillinen yliopisto Risto Silvennoinen Kevät 2010 6. Differentiaaliyhtälösysteemien laadullista teoriaa. Olemme keskittyneet tässä kurssissa ensimmäisen kertaluvun
LisätiedotMikrotaloustiede Prof. Marko Terviö Aalto-yliopisto BIZ 31C00100 Assist. Jan Jääskeläinen Syksy 2017
Mikrotaloustiede Prof. Marko Terviö Aalto-yliopisto BIZ 31C00100 Assist. Jan Jääskeläinen Syksy 2017 Mallivastaukset 8. 1. Esimerkki 1: Peli on symmetrinen, joten riittää, että tarkastelemme, mikä on tasapaino
Lisätiedot17. Differentiaaliyhtälösysteemien laadullista teoriaa.
99 17. Differentiaaliyhtälösysteemien laadullista teoriaa. Differentiaaliyhtälön x'(t) = f(x(t),t), x(t) n määrittelemän systeemin sanotaan olevan autonominen, jos oikea puoli ei eksplisiittisesti riipu
LisätiedotData Envelopment Analysis (DEA) - menetelmät + CCR-DEA-menetelmä
Data Envelopment Analysis (DEA) - menetelmät + CCR-DEA-menetelmä Mat-2.4142 Optimointiopin seminaari kevät 2011 Esityksen rakenne I osa Tehokkuudesta yleisesti DEA-mallin perusajatus CCR-painotus II osa
LisätiedotEsimerkki: Tietoliikennekytkin
Esimerkki: Tietoliikennekytkin Tämä Mathematica - notebook sisältää luennolla 2A (2..26) käsitellyn esimerkin laskut. Esimerkin kuvailu Tarkastellaan yksinkertaista mallia tietoliikennekytkimelle. Kytkimeen
LisätiedotHarjoitus 4: Differentiaaliyhtälöt (Matlab) MS-C2107 Sovelletun matematiikan tietokonetyöt 1
Harjoitus 4: Differentiaaliyhtälöt (Matlab) MS-C2107 Sovelletun matematiikan tietokonetyöt MS-C2107 Sovelletun matematiikan tietokonetyöt 1 Harjoituksen aiheita Matlab:n solver komento differentiaaliyhtöiden
LisätiedotDynaamisten systeemien teoriaa. Systeemianalyysilaboratorio II
Dynaamisten systeemien teoriaa Systeemianalyysilaboratorio II 15.11.2017 Vakiot, sisäänmenot, ulostulot ja häiriöt Mallin vakiot Systeemiparametrit annettuja vakioita, joita ei muuteta; esim. painovoiman
LisätiedotIto-prosessit. Määritelmä Geometrinen Brownin liike Keskiarvoon palautuvat prosessit Iton lemma. S ysteemianalyysin. Laboratorio
Ito-prosessit Määritelmä Geometrinen Brownin liike Keskiarvoon palautuvat prosessit Iton lemma Optimointiopin seminaari - Syksy 2000 / 1 Ito-prosessit Brownin liikkeen yleistys (Ito prosessi) x(t) : dx
LisätiedotToistetut pelit Elmeri Lähevirta. MS-E2142 Optimointiopin seminaari: Peliteoria ja tekoäly
Toistetut pelit MS-E2142 Optimointiopin seminaari: Peliteoria ja tekoäly 12.10.2016 Elmeri Lähevirta The document can be stored and made available to the public on the open internet pages of Aalto University.
LisätiedotMatemaattinen Analyysi
Vaasan yliopisto, 009-010 / ORMS1010 Matemaattinen Analyysi 8. harjoitus 1. Ratkaise y + y + y = x. Kommentti: Yleinen työlista ratkaistaessa lineaarista, vakiokertoimista toisen kertaluvun differentiaaliyhtälöä
LisätiedotPeliteoria luento 1. May 25, 2015. Peliteoria luento 1
May 25, 2015 Tavoitteet Valmius muotoilla strategisesti ja yhteiskunnallisesti kiinnostavia tilanteita peleinä. Kyky ratkaista yksinkertaisia pelejä. Luentojen rakenne 1 Joitain pelejä ajanvietematematiikasta.
LisätiedotMS-C1340 Lineaarialgebra ja differentiaaliyhtälöt
MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt Differentiaaliyhtälöt, osa 3 Riikka Kangaslampi Matematiikan ja systeemianalyysin laitos Aalto-yliopisto 2015 1 / 28 R. Kangaslampi Matriisihajotelmista
LisätiedotDiskreettiaikainen dynaaminen optimointi
Diskreettiaikainen dynaaminen optimointi Usean kauden tapaus 2 kauden yleistys Ääretön loppuaika Optimaalinen pysäytys Optimointiopin seminaari - Syksy 2000 / Ongelma t 0 x 0 t- t T x t- + x t + x T u
LisätiedotJOHDATUSTA PELITEORIAAN
JOHDATUSTA PELITEORIAAN Satu Adel Pro gradu -tutkielma Heinäkuu 2019 MATEMATIIKAN JA TILASTOTIETEEN LAITOS TURUN YLIOPISTO Turun yliopiston laatujärjestelmän mukaisesti tämän julkaisun alkuperäisyys on
Lisätiedot12. Hessen matriisi. Ääriarvoteoriaa
179 12. Hessen matriisi. Ääriarvoteoriaa Tarkastelemme tässä luvussa useamman muuttujan (eli vektorimuuttujan) n reaaliarvoisia unktioita : R R. Edellisessä luvussa todettiin, että riittävän säännöllisellä
LisätiedotInversio-ongelmien laskennallinen peruskurssi Luento 2
Inversio-ongelmien laskennallinen peruskurssi Luento 2 Kevät 2012 1 Lineaarinen inversio-ongelma Määritelmä 1.1. Yleinen (reaaliarvoinen) lineaarinen inversio-ongelma voidaan esittää muodossa m = Ax +
LisätiedotEvoluutio. BI Elämä ja evoluutio Leena Kangas-Järviluoma
Evoluutio BI Elämä ja evoluutio Leena Kangas-Järviluoma 1 Evoluutio lajinkehitystä, jossa eliölajit muuttuvat ja niistä voi kehittyä uusia lajeja on jatkunut elämän synnystä saakka, sillä ei ole päämäärää
LisätiedotHarjoitus Tarkastellaan luentojen Esimerkin mukaista työttömyysmallinnusta. Merkitään. p(t) = hintaindeksi, π(t) = odotettu inflaatio,
Differentiaaliyhtälöt, Kesä 06 Harjoitus 3 Kaikissa tehtävissä, joissa pitää tarkastella kriittisten pisteiden stabiliteettia, jos kyseessä on satulapiste, ilmoita myös satulauraratkaisun (tai kriittisessä
LisätiedotPreference Programming viitekehys: epätäydellisen preferenssi-informaation elisitointi ja mallintaminen, dominanssi
Preference Programming viitekehys: epätäydellisen preferenssi-informaation elisitointi ja mallintaminen, dominanssi Mat-2.4142 Optimointiopin seminaari 9.2.2011 Lähteet: Salo, A. & Hämäläinen, R. P., 2010.
LisätiedotLohkoasetelmat. Heliövaara 1
Lohkoasetelmat Heliövaara 1 Kiusatekijä Kaikissa kokeissa, kokeen tuloksiin voi vaikuttaa vaihtelu joka johtuu kiusatekijästä. Kiusatekijä on tekijä, jolla mahdollisesti on vaikutusta vastemuuttujan arvoon,
LisätiedotMS-A0207 Differentiaali- ja integraalilaskenta 2 (Chem) Yhteenveto, osa I
MS-A0207 Differentiaali- ja integraalilaskenta 2 (Chem) Yhteenveto, osa I G. Gripenberg Aalto-yliopisto 21. tammikuuta 2016 G. Gripenberg (Aalto-yliopisto) MS-A0207 Differentiaali- ja integraalilaskenta
LisätiedotNumeeriset menetelmät TIEA381. Luento 12. Kirsi Valjus. Jyväskylän yliopisto. Luento 12 () Numeeriset menetelmät / 33
Numeeriset menetelmät TIEA381 Luento 12 Kirsi Valjus Jyväskylän yliopisto Luento 12 () Numeeriset menetelmät 25.4.2013 1 / 33 Luennon 2 sisältö Tavallisten differentiaaliyhtälöiden numeriikasta Rungen
LisätiedotPeliteoria luento 2. May 26, 2014. Peliteoria luento 2
May 26, 2014 Pelien luokittelua Peliteoriassa pelit voidaan luokitella yhteistoiminnallisiin ja ei-yhteistoiminnallisiin. Edellisissä kiinnostuksen kohde on eri koalitioiden eli pelaajien liittoumien kyky
LisätiedotProspektiteoria. Systeemianalyysin. Antti Toppila. Esitelmä 4 3. helmikuuta laboratorio Aalto-yliopiston TKK
Prospektiteoria Antti Toppila sivu 1/19 Optimointiopin seminaari keväällä 2010 Prospektiteoria Antti Toppila Esitelmä 4 3. helmikuuta 2009 Prospektiteoria Antti Toppila sivu 2/19 Optimointiopin seminaari
LisätiedotLUKU 7. Perusmuodot Ensimmäinen perusmuoto. Funktiot E, F ja G ovat tilkun ϕ ensimmäisen perusmuodon kertoimet ja neliömuoto
LUKU 7 Perusmuodot 7 Ensimmäinen perusmuoto Määritelmä 7 Olkoon ϕ: U R 3 tilkku Määritellään funktiot E, F, G: U R asettamalla (7) E := ϕ ϕ, F := ϕ, G := ϕ u u u u Funktiot E, F G ovat tilkun ϕ ensimmäisen
LisätiedotMS-C1340 Lineaarialgebra ja differentiaaliyhtälöt
MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt Matriisinormi, häiriöalttius Riikka Kangaslampi Matematiikan ja systeemianalyysin laitos Aalto-yliopisto 2015 1 / 14 R. Kangaslampi matriisiteoriaa Matriisinormi
LisätiedotMoraalinen uhkapeli: laajennuksia ja sovelluksia
Moraalinen uhkapeli: laajennuksia ja sovelluksia Sisältö Kysymysten asettelu Monen tehtävän malli Sovellusesimerkki: Vakuutus Sovellusesimerkki: Palkkion määrääminen Johtajan palkitseminen Moraalisen uhkapelin
LisätiedotKommunikaatio Visa Linkiö. MS-E2142 Optimointiopin seminaari: Peliteoria ja tekoäly
Kommunikaatio MS-E2142 Optimointiopin seminaari: Peliteoria ja tekoäly 2.11.2016 Visa Linkiö The document can be stored and made available to the public on the open internet pages of Aalto University.
LisätiedotHarjoitus 7: NCSS - Tilastollinen analyysi
Harjoitus 7: NCSS - Tilastollinen analyysi Mat-2.2107 Sovelletun matematiikan tietokonetyöt Syksy 2006 Mat-2.2107 Sovelletun matematiikan tietokonetyöt 1 Harjoituksen aiheita Tilastollinen testaus Testaukseen
LisätiedotOpettaminen ja oppiminen
Opettaminen ja oppiminen MS-E2142 Optimointiopin seminaari: Peliteoria ja tekoäly 19.10.2016 Nina Gunell The document can be stored and made available to the public on the open internet pages of Aalto
LisätiedotS Laskennallinen systeemibiologia
S-114.2510 Laskennallinen systeemibiologia 3. Harjoitus 1. Koska tilanne on Hardy-Weinbergin tasapainossa luonnonvalintaa lukuunottamatta, saadaan alleeleista muodostuvien eri tsygoottien genotyyppifrekvenssit
Lisätiedot7.4 Sormenjälkitekniikka
7.4 Sormenjälkitekniikka Tarkastellaan ensimmäisenä esimerkkinä pitkien merkkijonojen vertailua. Ongelma: Ajatellaan, että kaksi n-bittistä (n 1) tiedostoa x ja y sijaitsee eri tietokoneilla. Halutaan
LisätiedotPELITEORIAN PERUSTEITA
PELITEORIAN PERUSTEITA Matti Estola 29. marraskuuta 2013 Sisältö 1 Johdanto 2 2 Peliteoreettisen analyysin vaiheet 2 3 Staattiset pelit täydellisen informaation vallitessa 3 4 Pelin ratkaiseminen 4 4.1
LisätiedotMS-A0205/MS-A0206 Differentiaali- ja integraalilaskenta 2 Luento 6: Ääriarvojen luokittelu. Lagrangen kertojat.
MS-A0205/MS-A0206 Differentiaali- ja integraalilaskenta 2 Luento 6: Ääriarvojen luokittelu. Lagrangen kertojat. Jarmo Malinen Matematiikan ja systeemianalyysin laitos 1 Aalto-yliopisto Kevät 2016 1 Perustuu
Lisätiedot2. Teoriaharjoitukset
2. Teoriaharjoitukset Demotehtävät 2.1 Todista Gauss-Markovin lause. Ratkaisu. Oletetaan että luentokalvojen standardioletukset (i)-(v) ovat voimassa. Huomaa että Gauss-Markovin lause ei vaadi virhetermien
Lisätiedot11 Oligopoli ja monopolistinen kilpailu (Mankiw & Taylor, Ch 17)
11 Oligopoli ja monopolistinen kilpailu (Mankiw & Taylor, Ch 17) Oligopoli on markkinamuoto, jossa markkinoilla on muutamia yrityksiä, jotka uskovat tekemiensä valintojen seurauksien eli voittojen riippuvan
LisätiedotTAITO TARTTUU TREENAAMALLA!
TAITO TARTTUU TREENAAMALLA! TAIDON OPPIMINEN TAITO TARTTUU TAITOTASON VAIHEET Suunnittele harjoitus 1, jossa on neljä osiota omalle joukkueellesi - (Pohdi mitä harjoitteita käyttäisit samaan harjoitteluun
LisätiedotAC Kajaani valmennuslinja 2017
ACK pelitapa-oppaassa kerrotaan selkeästi millaista jalkapalloa ACK:ssa halutaan pelata! Pelitapa pyritään valitsemaan asetettujen tavoitteiden mukaan; junioreissa tavoitteet ovat pelaajakehityksessä ja
LisätiedotMarkov-kustannusmallit ja kulkuajat
2B Markov-kustannusmallit ja kulkuajat Tämän harjoituksen tavoitteena on oppia laskemaan Markov-kustannusmallien kustannuskertymiä ja -vauhteja, ketjujen odotettuja kulkuaikoja sekä todennäköisyyksiä osua
LisätiedotMS-C1340 Lineaarialgebra ja
MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt Matriisinormi, häiriöalttius Riikka Kangaslampi Kevät 2017 Matematiikan ja systeemianalyysin laitos Aalto-yliopisto Matriisinormi Matriisinormi Matriiseille
LisätiedotPeliteoria ja huutokauppamekanismit
Peliteoria ja huutokauppamekanismit Satu Ruotsalainen Matematiikan pro gradu Jyväskylän yliopisto Matematiikan ja tilastotieteen laitos Kevät 2015 Tiivistelmä: Satu Ruotsalainen, Peliteoria ja huutokauppamekanismit
LisätiedotMS-A0204 Differentiaali- ja integraalilaskenta 2 (ELEC2) Luento 6: Ääriarvojen luokittelu. Lagrangen kertojat.
MS-A0204 Differentiaali- ja integraalilaskenta 2 (ELEC2) Luento 6: Ääriarvojen luokittelu. Lagrangen kertojat. Antti Rasila Matematiikan ja systeemianalyysin laitos Aalto-yliopisto Kevät 2016 Antti Rasila
LisätiedotSäätötekniikkaa. Säätöongelma: Hae (mahdollisesti ulostulon avulla) ohjaus, joka saa systeemin toimimaan halutulla tavalla
Säätötekniikkaa Säätöongelma: Hae (mahdollisesti ulostulon avulla) ohjaus, joka saa systeemin toimimaan halutulla tavalla servo-ongelma: ulostulon seurattava referenssisignaalia mahdollisimman tarkasti,
Lisätiedot