Reinforcement Learning im Cournot Duopol
Autor: | Sandro Bahn |
---|---|
EAN: | 9783638786201 |
eBook Format: | |
Sprache: | Deutsch |
Produktart: | eBook |
Veröffentlichungsdatum: | 13.06.2007 |
Untertitel: | Anwendung agentenbasierter Lern-Algorithmen im Cournot-Spiel |
Kategorie: | |
Schlagworte: | Cournot Duopol Learning Reinforcement Wirtschaftstheorie |
29,99 €*
Versandkostenfrei
Die Verfügbarkeit wird nach ihrer Bestellung bei uns geprüft.
Bücher sind in der Regel innerhalb von 1-2 Werktagen abholbereit.
Diplomarbeit aus dem Jahr 2007 im Fachbereich VWL - Mikroökonomie, allgemein, Note: 1,7, Ruprecht-Karls-Universität Heidelberg (Alfred-Weber-Institut), Veranstaltung: Wirtschaftstheorie, 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 geklärt werden, warum nur Q-Learning kooperierendes Verhalten erzeugt.