Computation of Incentive Stackelberg Solution

dc.contributorAalto-yliopistofi
dc.contributorAalto Universityen
dc.contributor.advisorEhtamo, Harri
dc.contributor.authorKitti, Mitri
dc.contributor.departmentTuotantotalouden osastofi
dc.contributor.schoolTeknillinen korkeakoulufi
dc.contributor.schoolHelsinki University of Technologyen
dc.contributor.supervisorEhtamo, Harri
dc.date.accessioned2020-12-04T13:26:59Z
dc.date.available2020-12-04T13:26:59Z
dc.date.issued2000
dc.description.abstractTässä työssä esitetään uusi menetelmä Stackelbergin pelin kannusteratkaisun laskemiseksi. Stackelbergin pelit ovat peliteoreettisia malleja päätöksentekotilanteille, joissa osapuolet, pelaajat, toimivat tietyssä järjestyksessä. Ensimmäisenä toimiva pelaaja on johtaja ja muut ovat seuraajia. Kannustepelissä johtaja voi sitoutua ratkaisuun, joka riippuu seuraajien päätöksistä. Tällaista strategiaa kutsutaan kannusteeksi. Johtajan pyrkimyksenä on ilmoittaa kannuste, joka saa seuraajat toimimaan hänen kannaltaan parhaalla tavalla. Työssä esitetään lineaarisen kannusteratkaisun laskemiseksi uusi menetelmä, joka perustuu epälineaarisen yhtälöryhmän numeeriseen ratkaisemiseen. Yksinkertaisin menetelmä yhtälöryhmän ratkaisemiseksi on kiintopisteiteraatio. Työssä osoitetaan, että kiintopisteiteraatio suppenee, kun yhtälöryhmä toteuttaa ehdot, jotka muistuttavat kansantaloustieteessä syntyvien hintakoordinointiyhtälöiden ominaisuuksia. Työssä tarkastellaan kahta numeerista esimerkkiä. Ensimmäinen Esimerkki on kahden pelaajan kannustepeli, jossa seuraajalla on neliöllinen kustannusfunktio. Toisessa esimerkissä on duopolimalli, jossa hallitus toimii johtajana ja seuraajina on kaksi kilpailevaa yritystä, jotka pelaavat keskenään Nash-tasapainostrategioita käyttäen. Numeeriset laskut ovat yksinkertaisten oppimisprosessien simulointeja. Toinen menetelmä, jota työssä on käytetty kannusteratkaisun laskemiseksi, on biologista evoluutiota jäljittelevä geneettinen algoritmi. Esimerkkilaskut osoittavat, että geneettisellä algoritmilla kannusteratkaisu löytyy nopeasti, mutta tarkan ratkaisun löytäminen vaatii enemmän laskentatyötä kuin kiintopisteiteraatio.fi
dc.format.extent82
dc.identifier.urihttps://aaltodoc.aalto.fi/handle/123456789/88480
dc.identifier.urnURN:NBN:fi:aalto-2020120447315
dc.language.isoenen
dc.programme.majorSovellettu matematiikkafi
dc.programme.mcodeMat-2fi
dc.rights.accesslevelclosedAccess
dc.subject.keywordStackelberg gamesen
dc.subject.keywordStackelbergin pelitfi
dc.subject.keywordincentivesen
dc.subject.keywordkannusteratkaisufi
dc.subject.keyworddistributed computationen
dc.subject.keywordhajautettu laskentafi
dc.subject.keywordfixed point iterationen
dc.subject.keywordkiintopisteiteraatiofi
dc.subject.keywordgenetic algorithmsen
dc.subject.keywordgeneettiset algoritmitfi
dc.titleComputation of Incentive Stackelberg Solutionen
dc.titleStackelbergin pelin kannusteratkaisun laskeminenfi
dc.type.okmG2 Pro gradu, diplomityö
dc.type.ontasotMaster's thesisen
dc.type.ontasotPro gradu -tutkielmafi
dc.type.publicationmasterThesis
local.aalto.digiauthask
local.aalto.digifolderAalto_02760
local.aalto.idinssi16033
local.aalto.openaccessno
Files