На практике для оценки параметров xi, yj, как правило используется метод Брауна.
Построение смешанных стратегий. Прогнозирование выполняется на основе кон-
цепции Брауна, согласно которой строится имитация игры по сценарию:
1. Первый игрок выбирает свою стратегию по критерию гарантированного выиг-
рыша;
2. второй игрок выбирает свою стратегию по критерию 〖min〗_j 〖max〗_i a_ij,
чтобы обеспечить себе минимальный проигрыш. Игроки поочередно выполняют свои
«ходы». Справа от матрицы выигрыша строится дополнительный столбец и снизу до-
полнительная строка. От шага к шагу число дополнительных строк и столбцов возрас-
тает. Каждый раз выбранные строки - стратегии первого игрока, выбранные столбцы –
стратегии второго игрока отмечаются звездочками (*), по которым вычисляются сме-
шанные стратегии игроков ( 1 ).
Данный подход является стохастическим, оценка М (х,у) зависит от выбора пер-
вой строки и от числа ходов игроков, т.е. от продолжительности имитации к0.
В результате стратегии игроков оцениваются по формулам:
для первого игрока:
для второго игрока:
здесь ti , sj – числа повторений строки с номером i, столбца с номером j, соот-
ветственно, при выполнении имитации.
Программирование метода Брауна. Были использованы следующие инфор-
мационные структуры:
Su (i) – число выбора строки с номером i первым игроком при проведении k0 ходов,
Su*(i) – объем выигрыша первого игрока от применения стратегии i от начала до
текущего шага;
Se (j) – число выбора столбца с номером j вторым игроком при проведении k0 ходов,
Se* (j) – объем проигрыша второго игрока от применения стратегии j от начала до
текущего шага;
x(i) – частота выбора строки i первым игроком;
y(j) – частота выбора строки j вторым игроком;
M – объем выигрыша первого игрока.
1) Ввести k0 и ;
AZƏRBAYCAN UNİVERSİTETİ
65
n
İPƏK YOLU
n
1/2017
6) идентификатору io присвоить произвольный элемент из İ ;
17) Если , то перейти на шаг 8, иначе продолжить;
19) конец.
Для выполнения эксперимента была использована следующая платежная матрица:
35 18 35 8 6 23 75
10 3 15 3 7 11 10
36 7 40 5 15 18 40
32 12 42 12 1 15 25
15 5 10 1 2 4 15
30 6 25 4 12 12 28
Результаты эксперимента приводятся в табл.1.
Сжатие платежной матрицы. Ссылясь на теоретические предпосылки можно со-
кратить число строк и (или) столбцов платежной матрицы. Одним из условий для сжа-
тия матрицы является выполнение условия: aij akj, при произвольном значении j=
1,2,...,n; в этом случае строку с номером i целесообразно уалить, поскольку она не
перспективна для первого игрока в сравнении со стратегией к. Поиск бесполезных
строк выполнялся по схеме: сначала первая строка сравнялась со всеми n-1 строками.
n
İPƏK YOLU
n
1/2017
AZƏRBAYCAN UNİVERSİTETİ
66
При удалении одной строки выполняем n:=n-1, при удалении двух строк n:=n-2, и т.д.,
затем вторая строка из оставшихся сранивается с 3-й, 4-й и т. д. n-й cтроками. На сле-
дующем этапе аналогичным образом выполнялось удаление безполезных столбцов.
Идентификация таких столбцов выполнялось по неравенству: aij aik, в этом случае
столбец с номером к целесообразно уалить, поскольку она не перспективна для вто-
рого игрока в сравнении со стратегией i.
В результате удалялись строки с номерами 2 и 5, столбцы с номерами 1, 3 и 7.
Таблица 1. Результаты применения вычислительного эксперимента
в зависимости от шага K0
После операции сжатия получена матрица:
18 8 6 23
7 5 15 18
12 12 1 15
6 4 12 12
Таблица 2. Результаты применения вычислительного эксперимента сжатой
матрицы в зависимости от шага K0
Не трудно заметить, что данные столбцов X(3) и X(4) таблицы 1 соответствуют
данным столбцам X(2) и X(3) таблицы 2. Идентичность содержимых соответствующих
столбцов показывает важность операции сжатия.
K0
М
X(1)
X(2)
X(3)
X(4)
X(5)
X(6)
10
8.36
0.30
0
0.5
0.2
0
0
20
8.31
0.15
0
0.45
0.4
0
0
30
8.304 0.1
0
0.567 0.333 0
0
40
8.295 0.075 0
0.475 0.45
0
0
50
8.31
0.06
0
0.48
0.46
0
0
60
8.307 0.05
0
0.5
0.45
0
0
70
8.313 0.043 0
0.514 0.443 0
0
80
8.314 0.038 0
0.513 0.45
0
0
90
8.318 0.033 0
0.522 0.444 0
0
100
8.319 0.03
0
0.5
0.47
0
0
AZƏRBAYCAN UNİVERSİTETİ
67
n
İPƏK YOLU
n
1/2017
K0
M
X(1)
X(2)
X(3)
X(4)
X(5)
X(6)
10
8.44
0
0
0.6
0.4
0
0
20
8.37
0
0
0.55
0.45
0
0
30
8.35
0
0
0.5
0.5
0 0
10
8.324
0
0
0.575
0.425
0
0
50
8.342
0
0
0.54
0.46
0
0
60
8.338
0
0
0.517
0.483
0
0
70
8.34
0
0
0.557
0.443
0
0
80
8.338
0
0
0.513
0.487
0
0
90
8.343
0
0
0.544
0.456
0
0
100
8.326
0
0
0.55
0.45
0
0
K0
М
X(1)
X(2)
X(3)
X(4)
10
8.44
0
0.6
0.4
0
20
8.37
0
0.55
0.45
0
30
8.35
0
0.5
05
0
40
8.324
0
0.575
0.425
0
50
8.342
0
0.54
0.46
0
60
8.338
0
0.517
0.483
0
70
8.340
0
0.557
0.443
0
80
8.338
0
0.513
0.487
0
90
8.343
0
0.544
0.456
0
100
8.326
0
0.55
0.45
0
Dostları ilə paylaş: |