Lataa esitys
Esittely latautuu. Ole hyvä ja odota
JulkaistuHanna-Mari Korpela Muutettu yli 8 vuotta sitten
1
S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Ilmari Kuikka Systeemitieteiden kandidaattiseminaari – Kevät 2010 Poistumistien valinnan mallintaminen rationaalisille ja harhaisille agenteille (Valmiin työn esittely) Ilmari Kuikka 1.6.2010 Ohjaaja: DI Simo Heliövaara Valvoja: prof. Harri Ehtamo
2
S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Ilmari Kuikka Systeemitieteiden kandidaattiseminaari – Kevät 2010 Poistumistien valinnan mallintaminen best response dynamiikalla Alkuperäinen malli Ehtamo et al. –Kukin pelaaja pyrkii valitsemaan poistumistien, josta poistuminen mahdollisimman nopeaa Best response dynamiikka –Kukin pelaaja valitsee parhaan vasteen muiden pelaajien valintoihin –Toistetaan kunnes kukaan pelaajista ei muuta valintaansa Pelaajien valintojen suppeneminen Nash- tasapainoon
3
S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Ilmari Kuikka Systeemitieteiden kandidaattiseminaari – Kevät 2010 Malli Pelaajia mallinnetaan agenteilla, jotka pyrkivät minimoimaan poistumisaikaansa Kukin agentti i valitsee sen oven k, johon liittyvä kustannusfunktio on pienin
4
S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Ilmari Kuikka Systeemitieteiden kandidaattiseminaari – Kevät 2010 Muutokset alkuperäiseen malliin Harhaisten agenttien osuus p Kävely- ja odotusajan painokerroin α
5
S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Ilmari Kuikka Systeemitieteiden kandidaattiseminaari – Kevät 2010 Harhaiset agentit Poistumistilanteissa ei voida olettaa, että ihmiset tuntisivat kaikkien ovien kapasiteetit Tätä mallinnetaan harhaisilla agenteilla, joiden tieto ovien kapasiteeteista on väärä Toimivat muuten rationaalisesti
6
S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Ilmari Kuikka Systeemitieteiden kandidaattiseminaari – Kevät 2010 Koeasetelma α = 0.5 p = 0.5 OviKapasiteetti rationaalisille Kapasiteetti harhaisille 132 212
7
S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Ilmari Kuikka Systeemitieteiden kandidaattiseminaari – Kevät 2010 Ensimmäinen päivitys
8
S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Ilmari Kuikka Systeemitieteiden kandidaattiseminaari – Kevät 2010 Toinen pävitys
9
S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Ilmari Kuikka Systeemitieteiden kandidaattiseminaari – Kevät 2010 Tasapainotila
10
S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Ilmari Kuikka Systeemitieteiden kandidaattiseminaari – Kevät 2010 Tuloksia Harhaiset agentit nopeuttavat mallin suppenemista α = 1
11
S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Ilmari Kuikka Systeemitieteiden kandidaattiseminaari – Kevät 2010 Tuloksia Suurilla α:n arvoilla paino on kävelyajalla ja suppeneminen on nopeaa p = 0 %
12
S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Ilmari Kuikka Systeemitieteiden kandidaattiseminaari – Kevät 2010 Tuloksia Pienillä α:n arvoilla myös pelkkien harhaisten agenttien suppenemisaika kasvaa
13
S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Ilmari Kuikka Systeemitieteiden kandidaattiseminaari – Kevät 2010 Tuloksia Sopivilla parametriyhdistelmillä pieni osa simulaatioista ei suppene Malli alkaa oskilloimaan kahden tai useamman tilan välillä
14
S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Ilmari Kuikka Systeemitieteiden kandidaattiseminaari – Kevät 2010 Johtopäätökset Poistuvan ihmisjoukon jäsenet voivat hahmottaa tilanteen eri tavalla Tätä voidaan mallintaa muuttamalla alkuperäisen mallin parametreja Tulosten perusteella Nash-tasapaino löytyy yleensä myös näillä muutoksilla On olemassa parametriyhditelmiä joilla malli ei aina suppene tasapainoon
15
S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Ilmari Kuikka Systeemitieteiden kandidaattiseminaari – Kevät 2010 Kysymyksiä?
Samankaltaiset esitykset
© 2023 SlidePlayer.fi Inc.
All rights reserved.