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 63investigacion
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-