Reinforcement Learning im Cournot Duopol: Anwendung agentenbasierter Lern-Algorithmen im Cournot-Spiel

ISBN-13: 9783638795500 / Niemiecki / Miękka / 2007 / 68 str.

Sandro Bahn

Opis

Diplomarbeit aus dem Jahr 2007 im Fachbereich VWL - Mikrookonomie, allgemein, Note: 1,7, Ruprecht-Karls-Universitat Heidelberg (Alfred-Weber-Institut), Veranstaltung: Wirtschaftstheorie, 22 Quellen im Literaturverzeichnis, Sprache: Deutsch, Abstract: Diese Arbeit untersucht den Einsatz agentenbasierter Lernalgorithmen im wiederholten Cournot-Spiel. Es werden zwei unterschiedliche Implementierungen (eine nach Roth-Erev, die andere nach Watkins Q-Learning) des sogenannten Reinforcement Learning untersucht. Diese Implementierungen werden in die Modellwelt des bekannten Cournot-Spiels gesetzt, um gegeneinander zu spielen. Es sind Arbeiten bekannt, in denen Q-Learning Agengenten, kooperierendes Verhalten lernen. Es ist Ziel dieser Arbeit, die Unterschiede theoretisch herauszuarbeiten und praktisch in Java zu implementieren. Dabei soll die Frage geklart werden, warum nur Q-Learning kooperierendes Verhalten erzeugt.