Scribd Logo
Importer

Bienvenue sur Scribd !

  • Jhsadjflajlfkafjaof PDF

    Transféré par

    jescobar010
    13 vues14 pages

    Titre original

    jhsadjflajlfkafjaof.pdf

    Copyright

    © © All Rights Reserved

    Formats disponibles

    PDF, TXT ou lisez en ligne sur Scribd

    Avez-vous trouvé ce document utile ?

    Ce contenu est-il inapproprié ?

    Signaler ce document

    Droits d'auteur :

    © All Rights Reserved
    Téléchargez comme PDF, TXT ou lisez en ligne sur Scribd
    Signaler comme contenu inapproprié
    13 vues14 pages

    Jhsadjflajlfkafjaof PDF

    Transféré par

    jescobar010

    Droits d'auteur :

    © All Rights Reserved
    Téléchargez comme PDF, TXT ou lisez en ligne sur Scribd
    Signaler comme contenu inapproprié
    sur 14
    Aprendizaje de estrategias de decisién en juegos repetitivos no cooperativos Learning decision strategies in non-cooperative repetitive games Fapthy Axorés Grratpo Grrat.po Ingeniero de Sistemas e Informatica, candidato a magister en Ingenieria de Sis- temas y Computacién. Docente investigador de la Fundacién Universitaria San Martin. Bogoté, Colombia. Contacto: fabian.giraldo@ingenieria.sanmartin.edu.co Jonatan Gomez Pervomo Ingeniero de Sistemas, doctor en Matematicas. Docente de la Universidad Nacio- nal de Colombia. Bogoté, Colombia. Contacto: jgomezpe@unal.edu.co Fecha ‘lasicacién del artiewo: Ivstigalén Financiamlnto:Uiverséad Nacional de Colombia Palabras clave: algoritmos genéticos, lenguajes de programacién, PSO, teoria de jue- gos. Key words: genetic algorithms, programming languages, PSO, game theory. RESUMEN Este articulo tiene como objetivo presentar el di- sefio ¢ implementacién de diferentes mecanismos para realizar procesos de evolucién de estrategias en juegos no cooperativos, especificamente en el dilema del prisionero iterado, ampliamente usado como modelo a estudiar en el Ambito de la econo- mia evolutiva. Las estrategias desarrolladas para Jos mecanismos de evolucién de estrategias de juego fueron Algoritmos Genéticos (GA) y Parti- cle Swarm Optimization (PSO), El resultado final €s un ambiente de simulacién en el cual se puede verificar la emergencia de estrategias que pueden Vencer a otras estrategias a través de un proceso de entrenamiento en el cual se pueden especificar los juegos utilizando un enfoque de programacién por bloques 6 a través de un. lenguaje especifico de dominio textual, facilitando notablemente las 1s de programacién involucradas. ABSTRACT This article presents the design and implementa- tion of different mechanisms applied to evolutio- nary processes within non-cooperative strategies especially applied to the iterated prisoner’s dilem- ma (a widely-used reference model in the field of ‘Teena | V.17 | No. 35 | p9.63-76 | eneroaraode2013 63 investigacion evolutionary economies). The strategi ped for the evolution mechanisms were Algorithms (GA), whereas Particle Swarm Op- timization (PSO) was used for the evolution of game strategies. The result is a simulation envi- ronment that can be used to verify the emergence 1. INTRODUCCION La teorfa de juegos es una herramienta matemé- tica con aplicaciones en economia, que permite analizar comportamientos estratégicos de jugado- res cuando existe conflicto de intereses, La teoria de juegos chisica trata de analizar la di- indmica de la toma de decisiones haciendo uso de supuestos poco realistas, como: homogencidad, racionalidad perfecta y convergencia. Dichos mo- deloshan sido desplazados por modelos evolutivos cen los cuales se trata de estudiar las con de cémo y porqué ciertos comportamientos, en un entorno complejo, puede ser aprendido por agen- tes con racionalidad limitada, a través de un pro-

    Vous aimerez peut-être aussi