- •Введение
- •Понятие об экономико-математических методах и моделях
- •1.1.Определение модели и цели моделирования
- •1.2. Последовательность построения экономико-математической модели
- •1.3. Классификация экономико-математических методов
- •1.4. Классификация экономико-математических моделей
- •1.5. Объекты моделирования
- •1.6. Цель, критерий и ограничения в экономико-математических моделях
- •2. Математические модели рынка
- •2.1. Понятие рыночного равновесия
- •2.2. Паутинообразная модель рынка
- •2.3. Существование и единственность рыночного равновесия
- •2.4. Государственное регулирование рынка. Налоги
- •. Дотации
- •2.6. Фиксированные цены
- •2.7. Оценка прибыли и убытков при государственном регулировании рынка
- •2.8. Поддержание стабильных цен и производственные квоты
- •2.9. Принципы ценообразования в рыночной экономике. Диверсификация цен
- •2.9.1. Диверсификация цен в зависимости от дохода покупателя
- •2.9.2. Диверсификация цен в зависимости от объема потребления
- •2.9.3. Диверсификация цен по категориям товаров
- •Совокупная прибыль
- •2.9.4. Диверсификация цен по времени
- •3. Производственные функции
- •3.1. Виды производственных функций
- •3.2. Функция Кобба-Дугласа
- •3.3. Модель Солоу
- •3.4. Модель Стоуна
- •3.5. Двойственная задача потребительского выбора
- •3.6. Функция спроса Маршалла
- •3.7. Модель общего равновесия Вальраса
- •3.8. Рыночное равновесие в модели Леонтьева
- •3.9. Пример построения производственной функции
- •Значения коэффициентов парной корреляции
- •3.10. Производственные функции и прогнозирование
- •4. Модели оптимального планирования
- •4.1. Оптимизация прибыли предприятия
- •Исходные данные для предельного анализа
- •4.2. Оптимизация прибыли методами математического программирования
- •Исходные данные для решения задачи оптимизации
- •4.3. Оптимизация прибыли при ограничениях на используемые ресурсы
- •Исходные данные по изделиям
- •Результаты расчета Таблица 4.8
- •4.4. Планирование оптимальной мощности строительного предприятия
- •Для решения задачи на пк коэффициенты целевой функции, матрицы ограничений и правые части ограничений необходимо записать в виде симплекс-матрицы (табл.4.10).
- •Оптимальное значение целевой функции – 240,000.
- •4.5. Модели стохастического программирования
- •4.6. Модели оптимального планирования транспортного типа
- •4.7. Решение задач по планированию перевозок
- •4.8. Производственно-транспортные модели
- •4.9. Транспортные модели с промежуточными пунктами
- •4.10. Модели параметрического программирования
- •4.11. Модель распределения инвестиционных ресурсов между строительными организациями, прошедшими конкурсный отбор
- •4.12. Производственно-транспортная задача прикрепления источников теплоснабжения к потребителям продукции
- •5. Матричные игры
- •5.1. Классификация матричных игр
- •5.2. Игры с нулевой суммой
- •5.3. Решение игры в чистых стратегиях
- •5.4. Решение игры в смешанных стратегиях
- •Очевидным следствием из теоремы о минимаксе является соотношение
- •5.5. Игры с ненулевой суммой и кооперативные игры
- •5.6. Введение в теорию игр п лиц
- •5.7. Позиционные игры
- •5.8. Выбор оптимальной стратегии в условиях неопределенности (игры с природой)
- •5.8.1. Специфика ситуации полной неопределенности
- •5.8.2. Критерии выбора оптимальной стратегии
- •5.9. Применение теории матричных игр в управлении
- •5.10. Сведение матричной игры к задаче линейного программирования Рассмотрим игру, платежная матрица которой имеет размерность
- •5.11. Решение игры с применением процессора электронных таблиц
- •5.12. Определение победителя подрядных торгов с применением теории игр
- •6. Имитационное моделирование
- •6.1. Метод Монте-Карло
- •7. Моделирование систем массового обслуживания
- •7.1. Одноканальная модель с пуассоновским входным потоком с экспоненциальным распределением длительности обслуживания
- •7.2. Многоканальная модель с пуассоновским входным потоком и экспоненциальным распределением длительности обслуживания
- •8. Модели оценки эффективности инвестиционных проектов
- •8.1. Расчет абсолютных и относительных показателей эффективности проекта
- •8.2. Применение процессоров электронных таблиц для оценки эффективности инвестиций
- •8.3. Оптимальное планирование портфеля инвестиций
- •8.4. Учет факторов риска при оценке инвестиций
- •8.5. Определение уровня недиверсифицируемого риска методом корреляционно-регрессионного анализа
- •Исходные данные для расчета
- •9. Модели оценки финансового состояния предприятия
- •9.1. Виды моделей
- •9.2. Статическая и динамическая модели оценки финансового
- •Коэффициенты рентабельности
- •Оценка деловой активности
- •Оценка финансовой устойчивости
- •Оценка платежеспособности и ликвидности
- •Рекомендуемые значения оцениваемых показателей
- •Вопросы и задания
- •Заключение
- •Библиографический список
- •Экономико-математические методы и модели
- •394006 Г.Воронеж, ул. 20-летия Октября, 84
5.4. Решение игры в смешанных стратегиях
Далеко не все матричные антагонистические игры являются вполне определенными, и в общем случае игры, в которых не выполняется строгое неравенство для нижней и верхней цены игры, называются не полностью определенными играми (или не имеющими решения в чистых стратегиях играми). Следующая матрица представляет пример подобной игры:
Для этой игры max min aij = -2 < 4 = min max aij. В результате, если иг-
i j j i
роки будут следовать предложенным выше правилам, то Игрок 1 выберет стратегию 1 и будет ожидать, что Игрок 2 выберет стратегию 2, при которой проигрыш равен -2, в то время как Игрок 2 изберет стратегию 3 и будет ожидать, что Игрок 1 выберет стратегию 2 с выигрышем, равным 4. Однако если Игрок 2 выберет свою третью стратегию, то Игрок 1 поступит правильнее, выбирая вторую, а не первую стратегию. Аналогично, если Игрок 1 выберет первую стратегию, то Игроку 2 выгоднее выбрать вторую стратегию, а не третью. По всей видимости, в играх такого типа принцип решения в чистых стратегиях оказывается непригодным.
В описанной ситуации игрокам становится важно, чтобы противник не угадал, какую стратегию он будет использовать. Для осуществления этого плана игрокам следует пользоваться так называемой смешанной стратегией. По существу смешанная стратегия игрока представляет собой правило случайного выбора чистой стратегии. Математически его можно представить как вероятностное распределение на множестве чистых стратегий данного игрока.
Мы будем предполагать использование игроками их смешанных стратегий независимым, так что вероятность, с которой Игрок 1 выбирает i-ую стратегию, а Игрок 2 – j-ую, равна xi yj. В этом случае платеж равен aij.
Для случая игры со смешанными стратегиями платежная матрица принимает следующий вид (табл. 5.4).
Таблица 5.4
Платежная матрица
|
y1 |
y2 |
..... |
yn |
x1 |
a11 |
a12 |
..... |
a1n |
x2 |
a21 |
a22 |
..... |
a2n |
..... |
..... |
..... |
..... |
..... |
xn |
am1 |
am2 |
..... |
amn |
Подход к определению решения игры при смешанных стратегиях также основывается на критерии минимакса. Единственная разница заключается в том, что первый игрок выбирает хi так, чтобы максимизировать наименьший ожидаемый выигрыш по столбцам, тогда как второй игрок выбирает yj с целью минимизировать наибольший ожидаемый проигрыш по строкам. Математически критерий минимакса при смешанных стратегиях может быть описан следующим образом. Первый игрок выбирает стратегию, обеспечивающую
,
где переменные х и у удовлетворяют соотношениям
xi0, i=1, …, m, , (5.3)
yj0, j=1, …, n, , (5.4)
а второй игрок выбирает стратегию, обеспечивающую
.
Эти величины определяются соответственно как среднеожидаемые максиминные и среднеожидаемые минимаксные платежи.
Если х* i, и у* j — оптимальные решения для обоих игроков, каждому элементу платежной матрицы aij соответствует вероятность . Следовательно, оптимальное ожидаемое значение игры.
Как и в случае чистых стратегий, выполняется соотношение:
минимаксный ожидаемый проигрыш максиминный ожидаемый выигрыш.
Когда хi и yj соответствуют оптимальным решениям, выполняется строгое равенство и результирующее значение равно ожидаемому (оптимальному) значению игры. Это утверждение следует из теоремы о минимаксе и приведено ниже без доказательства.
Справедлива следующая основная теорема теории матричных игр с нулевой суммой (теорема фон Неймана).
Теорема. Каждая конечная игра с нулевой суммой имеет, по крайней мере, одно оптимальное решение среди смешанных стратегий.
Теорема о минимаксе утверждает, что сформулированные задачи для Игрока 1 и Игрока 2 всегда имеют решение для любой матрицы выигрышей.
Так же, как и для вполне определенных игр, стратегия х* Игрока 1 называется максиминной, стратегия y* Игрока 2 – минимаксной, значение v –ценой игры.
В случае, когда v=0, игра называется справедливой.