1 / 66

TEORIE ROZHODOVÁNÍ A TEORIE HER

TEORIE ROZHODOVÁNÍ A TEORIE HER. Obsah přednášky. Modely teorie her. Formulace rozhodovacího modelu. Rozhodování za jistoty, rizika a nejistoty. Kritéria řešení rozhodovacího modelu. TEORIE HER. Teorie her. Nalezení optimální strategie v hazardních hrách Model konfliktní situace

Download Presentation

TEORIE ROZHODOVÁNÍ A TEORIE HER

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript


  1. TEORIE ROZHODOVÁNÍATEORIE HER

  2. Obsah přednášky • Modely teorie her. • Formulace rozhodovacího modelu. • Rozhodování za jistoty, rizika a nejistoty. • Kritéria řešení rozhodovacího modelu.

  3. TEORIE HER

  4. Teorie her • Nalezení optimální strategie v hazardních hrách • Model konfliktní situace • John von Neumann, Oscar Morgenstern - 1928 • Ekonomické chování - volba alternativy rozhodnutí • Hry inteligentních hráčů • Hry s neinteligentním hráčem

  5. Hra dvou inteligentních hráčů • Dva hráči • Množiny strategií každého hráče • Výplaty pro každou dvojici strategií • Výplatní matice • Konstantní, resp. nulový součet

  6. Hra dvou inteligentních hráčů Základní věta teorie maticových her Každá maticová hra je řešitelná - existují optimální strategie hráčů a cena hry Strategie zaručující nejlepší možný výsledek hráčů, když hráči neudělají chybu

  7. Čistá a smíšená strategie • Čistá strategie - jednoznačně určená strategie hráče • Smíšená strategie - pro každou strategii je dána pravděpodobnost jejího použití - četnost použití při opakování hry

  8. Postup řešení maticových her • 1. Stanovení strategií hráčů a sestavení výplatní matice • 2. Pokus o řešení hry v oboru čistých strategií • 3. Pokud hra nemá sedlový bod, řešení hry v oboru smíšených strategií

  9. Výplatní matice

  10. Řešení v oboru čistých strategií

  11. Řešení v oboru smíšených strategií • Sestavení modelu lineárního programování z hlediska jednoho z hráčů • Vyřešení modelu pomocí simplexové metody • Výsledné řešení: • - vektor b: smíšení strategie hráče, z jehož pohledu byl model sestaven • - duální ceny nebázických proměnných: smíšené strategie druhého hráče

  12. Příklad: konkurenční výhoda Na trhu, na němž panuje duopol, se oba klíčoví hráči rozhodují o zavedení systému kontroly kvality. Současné tržní podíly jsou 40:60. Jak se mají firmy rozhodnout s ohledem na možná rozhodnutí svého konkurenta, aby byl jejich tržní podíl maximalizován? Údaje o dopadu změn jsou v dále uvedené tabulce

  13. Hra dvou inteligentních hráčů

  14. Hra dvou inteligentních hráčů

  15. TEORIE ROZHODOVÁNÍ

  16. Modely konfliktních situací • Teorie her • Konflikt inteligentních hráčů • Oběma stranám záleží na výsledku • Teorie rozhodování • Hra proti neinteligentnímu hráči • Protihráči nezáleží na výsledku • Hry proti přírodě

  17. Modely teorie rozhodování • Volba nejlepšího rozhodnutí • Výsledek je ovlivněn budoucím stavem světa • Většinou neopakovatelné situace

  18. Komponenty modelu • Alternativy rozhodnutí • Stavy okolností • Rozhodovací tabulka - výplaty pro kombinace alternativa/stav okolností • Rozhodovací kritérium • Jistota, riziko a nejistota

  19. Jistota, riziko a nejistota • rozhodování za jistoty pravděpodobnost realizace jistého stavu okolností je rovna 1 a pravděpodobnosti ostatních stavů okolností jsou rovny nule • rozhodování za rizika pravděpodobnosti realizace stavů okolností jsou odhadovány či známy • rozhodování za úplné nejistoty pravděpodobnosti realizace stavů okolností jsou neznámé nebo je za neznámé považujeme

  20. Rozhodovací tabulka

  21. Rozhodovací strom Výplata 1 Stav 1 Stav 2 S Výplata 2 Výplata 3 Stav 3 Varianta 1 Stav 1 Varianta 2 Stav 2 R S Výplaty Stav 3 Varianta 3 Stav 1 S Stav 2 Výplaty Stav 3 Varianty rozhodnutí Stavy okolností Výplaty

  22. Příklad – problém stánkaře Počet návštěvníků víkendové kulturní akce záleží na tom, jaké bude počasí. Stánkař ví, že si u něj koupí párek každý pátý návštěvník. Zisk z každého prodaného párku je 10 Kč. Pokud mu ale nějaké párky zbudou, ztráta z každého neprodaného párku je 5 Kč. Kolik párků si má stánkař nakoupit před víkendovou akcí, aby maximalizoval zisk?

  23. Příklad – rozhodovací tabulka Příklad – rozhodovací strom 15 000 Krásně Slušně S 7 500 N 1500 Hnusně -4 500 N 1000 R S Výplaty N 200 S Výplaty

  24. Možnosti řešení rozhodovacích modelů • Volba dominantní alternativy • Volba nejvýhodnější alternativy • Volba alternativy podle nejvyššího užitku

  25. Volba dominantní alternativy • Dominance podle výplat • nejsilnější typ dominance • min(vaj) ≥ max(vbj) → A dominuje B podle výplat • Dominance podle stavů okolností • podobné jako ve VAV • vaj≥ vbj pro všechna j → A dominuje B podle stavů okolností • Dominance podle pravděpodobností • profil rizika

  26. Volba dominantní alternativy • Problém stánkaře Doplnění: podle předpovědi počasí byly stanoveny pravděpodobnosti nastání jednotlivých stavů okolností takto:

  27. Volba nejvýhodnější alternativy • Rozhodování za jistoty • Rozhodování za nejistoty • maximaxové pravidlo • Waldovo - maximinové pravidlo • Savageovo pravidlo minimální ztráty • Laplaceovo pravidlo nedostatečné evidence • Hurwitzovo pravidlo • Rozhodování za rizika • pravidlo EMV - očekávané hodnoty výplaty • pravidlo EOL - očekávané možné ztráty • pravděpodobnost dosažení aspirační úrovně

  28. VÍCEKRITERIÁLNÍ ROZHODOVÁNÍ I.

  29. Obsah • Typy modelů vícekriteriálního rozhodování • Základní pojmy • Cíl řešení modelů • Grafické zobrazení problému • Typy informací o preferencích • Metody stanovení vah kritérií

  30. Typy modelů • Vícekriteriální optimalizační model • Množina přípustných řešení je nekonečná • Model vícekriteriální analýzy variant • Množina přípustných řešení je konečná

  31. Vícekriteriální optimalizační model • Množina přípustných řešení je nekonečná • Alespoň dvě účelové funkce • Vícekriteriální lineární optimalizační model

  32. Model vícekriteriální analýzy variant • Množina přípustných řešení je konečná • Každá varianta je hodnocena podle několika kritérií

  33. Model vícekriteriální analýzy variant • Komponenty modelu • Varianty • Kritéria • Kriteriální matice • Váhy kritérií

  34. Koupě motorové kosy Vyberte nejvhodnější motorovou kosu ze tří možností podle ceny, výkonu a hmotnosti.

  35. Základní pojmy • Ideální a bazální varianta • Dominance řešení • Kompromisní řešení

  36. Ideální a bazální varianta • Ideální řešení (varianta) je hypotetické nebo reálné řešení, reprezentované ve všech kritériích současně nejlepšími možnými hodnotami. • varianta H s ohodnocením (h1, ..., hk) • Bazální řešení (varianta) je hypotetické nebo reálné řešení, reprezentované nejhorším ohodnocením podle všech kritérií. • varianta D s ohodnocením (d1, ..., dk).

  37. Dominance řešení V této definici předpokládáme všechna kritéria maximalizační. • Varianta ai dominuje variantu aj , jestliže pro její ohodnocení platí (yi1, yi2 ,…, yik)  (yj1, yj2,…, yjk) a existuje alespoň jedno kritérium fl , že yil > yjl . • Řešení je nedominované (efektivní) řešení problému, pokud neexistuje žádné jiné řešení, které by jej dominovalo.

  38. Kompromisní řešení • Kompromisní varianta (řešení) má od ideální varianty (řešení) nejmenší vzdálenost podle vhodné metriky (měřenou vhodným způsobem). • Kompromisem může být i zanedbání některých kritérií.

  39. Cíl řešení modelů • Nalezení jediné kompromisní varianty, kompromisního řešení (Nalezení určitého počtu kompromisních variant) • Rozdělení řešení na efektivní a neefektivní • Uspořádání všech řešení od nejlepšího k nejhoršímu • Problémy umožňující kompenzaci a problémy nepovolující kompenzaci

  40. f2 a1 H a2 a3 D a4 f1 Grafické zobrazení problému I

  41. a1 a2 a1 a2 S S Grafické zobrazení problému II

  42. Typy informací • Inter a intra kriteriální preference • Preference jednotlivých kritérií • Hodnocení variant podle každého kritéria • žádná informace • nominální informace - aspiračních úrovně • ordinální informace - kvalitativní – uspořádání • kardinální informace - kvantitativní

  43. Metody kvantifikace informace • Metoda pořadí • nejlepší varianta, nejdůležitější kritérium bude první v pořadí • Bodovací metoda • nejlepší varianta, nejdůležitější kritérium dostane nejvíce bodů • Párové porovnávání • porovnává se důležitost kritérií či ohodnocení variant podle jednotlivých kritérií

  44. Metody kvantifikace informace • Saatyho metoda • Metoda kvantitativního párového porovnání • Stupnice: • 1…rovnocenné • 3…slabá preference • 5…silná preference • 7…velmi silná preference • 9…absolutní preference • Saatyho matice – čtvercová, reciproční • Váhy – normalizovaný geometrický průměr řádků Saatyho matice

  45. Příklad k procvičení Výběr firmy na realizaci www portálu Bylo vypsáno výběrové řízení na realizaci www portálu. Nabídky jednotlivých firem jsou hodnoceny pomocí čtyř kritérií takto: 1) Zvolte vhodné grafické zobrazení a problém zakreslete 2) Určete ideální a bazální variantu 3) Prověřte, zda v souboru neexistuje dominovaná varianta 4) Podle vlastního uvážení stanovte pomocí různých metod váhy kritérií

  46. Požadované metody • Metody nevyžadující informaci o preferenci kritérií • Bodovací metoda a metoda pořadí • Metody vyžadující ordinální informace • Lexikografická metoda • Metody vyžadující kardinální informaci • Metody založené na výpočtu hodnot funkce užitku • Metoda váženého součtu • Metoda AHP – Analytický hierarchický proces • Metody založené na minimalizaci vzdálenosti od ideální varianty • Metoda TOPSIS

  47. SIMULAČNÍ MODELY

  48. Obsah • Význam a podstata simulací • Základní prvky simulačního modelu • Simulační experiment Monte-Carlo • Simulace vývoje systému v čase • Vyhodnocení simulačního experimentu

  49. Definice simulace Simulace je numerická metoda, která spočívá v experimentování se speciálním matematickým modelem reálných systémů na počítači. Simulace se v tomto pojetí chápe jako postup, s jehož pomocí se zkoumaný proces, resp. jeho kroky v čase generují na základě vlastností parametrů zobrazovaného systému.

  50. Postup při simulačním modelování • Sestrojení souboru matematických a logických vztahů • Zahrnutí náhodných vlivů do modelu • Zahrnutí času do modelu • Postupné výpočtech s různými vstupními údaji

More Related