WWW.DISSERS.RU

БЕСПЛАТНАЯ ЭЛЕКТРОННАЯ БИБЛИОТЕКА

   Добро пожаловать!

Pages:     | 1 ||

«В.И. Бодров, Т.Я. Лазарева, Ю.Ф. Мартемьянов МАТЕМАТИЧЕСКИЕ МЕТОДЫ ПРИНЯТИЯ РЕШЕНИЙ ИЗДАТЕЛЬСТВО ТГТУ Министерство образования Российской Федерации Тамбовский государственный технический ...»

-- [ Страница 2 ] --

рекуррентная формула (уравнение) Беллмана удобна для программирования. Ограничением метода является размерность задачи, так как приходится хранить результаты оптимизации всех этапов. Но гораздо более серьезные затруднения воз никают при применении метода динамического программирования для оптимизации многостадийных процессов, для которых размерности векторов состояния y и управления u0 велики, из-за сложности отыскания оптимальных управлений на каждой стадии. Поэтому следует стремиться, чтобы размер ность стадии оптимизируемого объекта была по возможности невысокой.

5.4 ЗАДАЧИ, РЕШАЕМЫЕ МЕТОДОМ ДИНАМИЧЕСКОГО ПРОГРАММИРОВАНИЯ 5.4.1 Задача распределения ресурсов Пусть имеется некоторое количество экономических ресурсов. Под термином ресурсы подразуме ваются люди, деньги, машины, материалы для технологических процессов, вода для сельскохозяйст венных и промышленных целей, топливо и т.д. Эти ресурсы потребляются различными способами, в результате чего получают некоторой доход, размер которого зависит от употребленного количества ре сурсов и от выбранного процесса распределения.

Задача заключается в распределении ресурсов таким образом, чтобы максимизировать общий доход при следующих условиях: доходы, полученные от различных процессов измеряются общей единицей;

доход, полученный от рассматриваемого процесса, не зависит от количества ресурсов, выделенных для других процессов;

общий доход получается как сумма доходов полученных от отдельных процессов.

Математическая формулировка задачи следующая.

Пусть имеется N различных процессов ( = 1, 2,..., N), каждому из которых соответствует функция полезности – целевая функция (доход) Q, зависящая от количества выделенных ресурсов u. Общий N доход определяется аддитивной функцией Q(u1,..., uN ) = (u ), на количество ресурсов наложены ог Q = раничения, что общее их количество не должно превышать заданного u1 + u2 +...+ uN = u, где u 0.

Требуется максимизировать целевую функцию Q (u1,..., uN) при u, удовлетворяющих соответст вующим ограничениям.

Конкретным примером рассматриваемой задачи является процесс загрузки судна. Необходимо за грузить корабль грузом, составленным из отдельных предметов различного типа, имеющих различные массу и стоимость. Задача состоит в загрузке судна ограниченной грузоподъемности грузом наиболь шей стоимости.

Если u – число отдельных предметов -го типа, V – вес отдельного предмета -го типа), С – стои мость отдельного предмета -го типа, z – максимальная грузоподъемность судна, N – количество различ- ных типов, тогда ценность груза определяется линейной N формой Q(u) = C и ограничение по грузоподъемности имеет u = N вид uU z.

= Требуется максимизировать целевую функцию Q (u) при ограничении на грузоподъемность и усло виях C 0, V 0, u = 0, 1, 2,...

Другим примером, в котором функция цели не является аддитивной, является задача надежности, возникающая при конструировании любого узла сложной аппаратуры. Требуется построить надежное устройство из менее надежных компонент.

5.4.2 Транспортная задача В математической экономике большое значение имеет задача наиболее эффективного перемещения ресурсов из одного пункта в другой. Это, так называемая, транспортная задача.

Пусть ресурсы сосредоточены на складах = 1, 2,..., m (D), спрос на них имеется в пунктах потреб ления j = 1, 2,..., N (Pj). Для просто- ты рассматривается один вид ресурса, его запасы на -м складе – u, m N спрос на него в j-м пункте потребления – rj. Общий запас равен общему спросу =.

u rj =1 j= Количество ресурсов, отправляемые из -го склада в j-й пункт потребления uj, стоимость соответст вующей перевозки Qj(uj). Величины uj должны быть неотрицательны, uj 0. Кроме того, вводятся ог раничения на запасы;

общее количество ресурсов, отправляемое из любого склада, должно равняться N запасам на этом складе = u, = 1, m ;

и ограничение на спрос;

общее количество ресурсов, отправ uj j= m ляемое в любой пункт потребления, должно равняться спросу в этом пункте = rj, j = 1, N.

uj = Таким образом, требуется определить количество перевозимых ресурсов из -го склада в j-й пункт потребления uj, чтобы общая стоимость перевозок QmN = (uj) была минимальна.

Qj, j Эта задача обычно решается методом линейного программирования. Но, если функции стоимости Qj( u) нелинейные, то эти методы не применимы, и задача может быть решена методом динамического программирования.

Пусть для простоты имеется два склада = 1, 2, и N пунктов потребления. Величина затрат при ис пользовании оптимальной политики составляет BN (u1, u2) при N = 1, 2,..., u1 0, u2 0.

Удовлетворяя первым спрос в N-м пункте потребления, затраты в нем составят Q1N ( u1N )+ Q2N ( u2N ) и запасы ресурсов на складах уменьшатся до u1 - u1N и u2 - u2N. Согласно принципа оптимальности для N 2 рекуррентное соотношение Беллмана записывается в виде BN (u1, u2) = min{Q1N (u1N )+ Q2N (u2N )+ BN -1(u1-u1N, u2-u2N )}, uU где U – область, определенная условиями u1N + u2N = rN, 0 u1N u1, 0 u2N u2.

Для N = 1 будет B1(u1, u2) = Q11( u1)+ Q21( u2).

5.4.3 Процессы сглаживания Имеется ряд процессов, для которых целесообразно придерживаться некоторого среднего способа поведения, сочетая затраты разных типов таким образом, чтобы максимизировать полезность операции (целевую функцию), Такие процессы называются процессами сглаживания, их примером, часто встре чающимся при анализе экономических, промышленных и военных операций, является следующая зада ча.

На станцию согласно графику поступают требования на определенные поставки или виды обслужи вания. Если станция не справляется с этими требованиями, то она терпит убытки, а если этих требова ний меньше, чем она может обслужить, то она также терпит убытки, но другого рода из-за переуком плектования обслуживающим персоналом, или требований, которых достаточно, но станция не может их обслужить из-за перегрузки складов.

Естественно, что на изменение уровня запасов или обслуживание понадобятся затраты. Если из вестны размеры требований, которые сильно меняются во времени, и заданы затраты на пополнение за пасов и размеры убытков, то задача определения способа регулирования уровня запасов, минимизи рующего полные издержки всего процесса становится уже нетривиальной.

Данная задача решается методом динамического программирования, для этого формулируется ее математическая постановка.

Если u – производительность системы на -м шаге, = 1, 2,..., N;

r – заданная последовательность спросов, причем u r (спрос всегда удовлетворяется), u0 = q – фикси рованный начальный уровень запасов;

Q(u-r ) – убытки, вызванные тем, что u > r, (u – u–1) – убыт ки, вызванные тем, что u u–1, то суммарные издержки выражаются формулой N Q(u1,..., uN ) = (u- r)+ (u- u-1)].

[Q = Требуется определить уровни u, = 1,2,..., N, при u r таким образом, чтобы минимизировалась це левая функция (издержки) Q (u1,..., uN). Рекуррентное соотношение имеет вид B(u) = min [Q(u-r )+ (u- q)+ B+1(u )].

u r 5.4.4 Замена оборудования Одной из основных проблем промышленности является замена старого парка машин новым. Необ ходимо определить оптимальную политику модернизации и замены оборудования при различных пред положениях относительно текущих издержек, производственных характеристик и будущего развития техники. Решения здесь принимаются почти ежегодно в зависимости от характерного для данного про цесса периода времени, т.е. имеется многошаговый процесс решения.

Пусть для простоты рассуждений имеется только одна машина, которая ежегодно приносит некото рый доход, но она требует ухода и может быть в любой момент продана или заменена новой. Доход, за траты на содержание, стоимость замены зависят от срока ее службы.

Решения принимаются в моменты времени t = 0, 1, 2,... Возможны два решения: сохранить машину (K) или купить новую (P). Введем следующие обозначения: r (t) – годовой доход от машины возраста t, u (t) – годовые расходы на содержа ние машины возраста t, C (t) – стоимость замены машины возраста t. Если единица дохода на некотором шаге равносильна единицам дохода следующего шага, то суммарный доход B (t) при оптимальной поли тике за рассматриваемый период составит P : r(0)- u(0)- C(t)- B(1) B(t) = max.

K : r(t)- u(t)+ B(t + 1) Этот пример является примером бесконечного процесса.

Оптимальная политика состоит в том, что машина должна проработать T лет, а затем быть заменена новой. Система функциольных уравнений имеет вид:

B(0) = n(0)+ B(1), B(1) = n(1)+ B(2),...

B(T -1) = n(T -1)+ B(T ), B(T ) = -C(T )+ n(0)+ B(1).

Неизвестное значение T выбирается из условия максимума B(1).

5.4.5 Задача складирования Имеется склад фиксированной вместимости с некоторым начальным запасом товара, стоимость ко торого подвержена изменению. Какова должна быть оптимальная политика покупки, хранения и пере дачи этого товара?

Метод динамического программирования дает вычислительный алгоритм, но он также позволяет найти точное аналитическое решение задачи складирования.

Пусть p – затраты на единицу товара, C – продажная цена единицы товара, x – количество куплен ного товара, y – количество проданного товара, v – величина наличного запаса на каждом шаге, V – вме стимость хранилищ склада.

На любую возможную политику накладываются ограничения:

- на покупку v + -y ) B, = 1, N;

(x j j j = - - на продажу y v + - y ), = 2, N ;

(x j j j = - неотрицательность x 0, y 0.

Целевая функция представляет собой суммарную прибыль, полученную при N-шаговом процессе N QN = y - p x ).

(C j j j j j = Рекуррентное соотношение Беллмана BN (U ) = max [CN yN - pN xN + BN -1(v + xN - yN )] xN, yN при условиях: 0 yN v, xN 0, v + xN - yN V.

5.4.6 Пример решения задачи методом динамического программирования В определенный момент времени на предприятии установлено новое оборудование. Зависимость производительности этого оборудования от времени его использования предприятием, а также зависи мость затрат на содержание и ремонт оборудования при различном времени его использования приве дены в табл. 5.1.

Таблица 5. Время r, в течении которого используется оборудование Исходные данные (лет) 0 1 2 3 4 Годовой выпуск продук ции R (r) 80 75 65 60 60 в стоимостном выраже нии, тыс. р.

Ежегодные затраты z (r), связанные с содержанием и ремонтом оборудования, тыс. р. 20 25 30 35 45 Зная, что затраты связаны с приобретением и установкой нового оборудования идентичного с уста новленным, составляют 40 тыс. р., а заменяемое оборудование списывается, составить такой план заме ны оборудования в течение 5 лет, при котором общая прибыль за данный период времени максимальна.

Эту задачу можно рассматривать как задачу динамического программирования, в которой в качест ве системы выступает оборудование. Состояние этой системы определяется фактическим временем ис пользования оборудования (его возраста) r, т.е. описывается единственным параметром r.

В качестве управлений выступают решения о замене и сохранении оборудования, принимаемые в начале каждого года. Пусть u1 – решение о сохранении оборудования, u2 – решение о замене оборудо вания. Тогда задача состоит в нахождении такой стратегии управления, определяемой решениями, при нимаемыми к началу каждого года, при которой общая прибыль предприятия за пятилетку является максимальной.

Сформулированная задача обладает свойством аддитивности и отсутствия последствия, ее решение может быть найдено с помощью алгоритма решения задач динамического программирования, реали зуемого в два этапа. На первом этапе при движении от начала 5-го года к началу 1-го года для каждого допустимого состояния оборудования находится условное оптимальное управление, а на втором этапе при движении от начала 1-го года к началу 5-го года из условных оптимальных решений составляется для каждого года оптимальный план замены оборудования.

Для определения условных оптимальных решений необходимо составить функциональное уравнение Беллмана.

В предположении того, что к началу k-го года (k = 1, 5) может быть принято только одно из двух ре шений – заменять или не заменять оборудование, то прибыль предприятия за k-й год составит R z(rk) при u1;

(rk) Qk(rk, uk)= (rk R = 0)- z(rk = 0)- Cn при u2, где rk – возраст оборудования к началу k-го года (k = 1,5);

un – управление, реализуемое к началу k-го го да, Cn – стоимость нового оборудования.

Таким образом, в данном случае уравнение Беллмана имеет вид R z(rk)+ Qk +1 + (rk)- (rk ), Qk(rk)= max r (rk (rk = 1).

R = 0)- z(rk = 0)- Cn - Qk + Используя последнее уравнение можно приступить к нахождению решения исходной задачи. Это решение необходимо начать с определения условно оптимального решения (управления) для последне го 5-го года, в связи с чем находится множество допустимых состояний оборудования к началу данного года.

Так как в начальный момент имеется новое оборудование (r1 = 0), то возраст оборудования к началу 5-го года может составлять 1, 2, 3, 4 года. Поэтому допустимые состояния системы на данный период време 5 ни таковы: r15 = 1, r2 = 2, r35 = 3, r4 = 4. Для каждого из этих состояний находится условно оптимальное ре шение и соответствующее значение функции Q5 ( r5). В результате рассмотрения последнего года рас четного периода соотношение Q6(rk +1)= 0 и следовательно R z(r5);

(r5) Q5(r5)= max (r5=0) R z(r5=0)- Cn.

Учитывая данные табл. 5.1 и r15 = 1, находят R z(r15 = 1) (r15) 75- Q5(r15)= max = max = 50;

(r5 80-20- R = 0)- z(r5 = 0)- Cn откуда следует, что условно оптимальное решение u0 = u1, т.е. должно быть принято решение о сохра нении оборудования.

Аналогичные вычисления проводятся и для других допустимых состояний оборудования к началу 5 го года:

65 - Q5(r2 )= max = 35, u0 = u1;

- 20 - 60 - Q5(r35)= max = 25, u0 = u1;

- 20 - 60 - Q5(r4 )= max = 20, u0 = u2.

- 20 - Полученные результаты вычислений сведены в табл. 5.2.

Теперь рассматриваются возможные состояния оборудования к началу 4-го года. Здесь допустимы ми состояниями являются r14 = 1, r24 = 2, r34 = 3. Для каждого из них определяются условно оптимальное решение и соответствующее значение функции Q4 (r4). Для этого используется функциональное уравне ние Беллмана и данные табл. 5.1 и 5.2:

4 R = 1)- z(z1 = 1)+ Q5(r2 = 2) (r Q4(r14)= max = (r R = 0)- z(z4 = 0)- Cn + Q5(r15 =1) 75-25+ = max = 85;

u0 = u1;

80-20-40+ 65-30+ Q4(r24)= max = 70, u0 = u2;

80-20-40+ 60-35+ Q4(r34)= max = 70, u0 = u2.

80-20-40+ 5.2 Условно оптимальные решения для 5-го года Условно опти Возраст оборудо- Значение функ мальное решение вания r5 лет ции Q5(r5), тыс. р.

u 1 50 u 2 35 u 3 25 u 4 20 u 5.3 Условно оптимальные решения для 4-го года Возраст оборудо- Значения функ- Условно опти вания, r4 лет ции Q4(r4), тыс. р. мальное решение 1 85 u 2 70 u 3 70 u Полученные результаты сведены в табл. 5.3.

К началу 3-го года условно оптимальное решение для каждого из допустимых состояний оборудо вания с учетом, что r13 = 1, r2 = 2 и данных табл. 5.1 и 5.3 будет R = 1)- z(r13 = 1)+ Q4(r = 2) (r Q3(r13)= max = (r R = 0)- z(r3 = 0)- Cn + Q4(r = 1) 75-25+ = max = 120;

80-20-40+ 65 - 30 + u0 = u1;

Q3(r2 )= max = 105;

u0 = u2.

- 20 - 40 + Из последнего выражения видно, что если к началу 3-го года возраст оборудования составляет 2 го да, то независимо от того, будет ли принято решение u1 или u2 величина прибыли окажется одной и той же, т.е. в качестве условно оптимального управления может быть принято любое, например u2. Полу ченные значения для Q3 (r3) и соответствующее условно оптимальные решения сводятся в табл. 5.4.

5.4 Условно оптимальные решения для 3-го года Возраст оборудо- Значения функ- Условно опти вания, r3 лет ции Q3(r3), тыс. р. мальное решение 1 120 u 2 105 u И наконец, рассматриваются допустимые состояния оборудования к началу 2-го года. Вполне оче видно, что на данный момент времени возраст оборудования может быть равен только лишь одному году. Поэтому здесь предстоит сравнить лишь два возможных решения – сохранить оборудование или произвести замену:

R =1)- z(r12 =1)+ Q3(r3 = 1) (r Q2(r12)= max = (r R = 0)- z(r2 = 0)- Cn + Q3(r3 = 1) 75-25+ = max = 155, u0 = u1.

80-20-40+ Полученный результат сведен в табл. 5.5.

Согласно условию, в начальный момент установлено новое оборудование (r11 = 0). Поэтому пробле мы выбора между сохранением и заменой оборудования не существует. Следовательно, условно опти мальным решением является u1, а значение функции Q1(r11)= R(r11 = 0)- z(r11 = 0)+ Q2(r1 =1)= 80 – 20 + 155 = 215.

Таким образом, максимальная прибыль предприятия может быть равна 215 тыс. р. Она соответствует оптимальному плану замены оборудования, который получается на основе данных табл. 5.5, 5.4, 5.3 и 5.2, т.е. в результате реализации второго этапа вычислительного процесса, состоящего в прохожде нии всех рассмотренных шагов с начала 1-го до начала 5-го года.

5.5 Условно оптимальные решения для 2-го года Условно опти Возраст оборудо- Значения функ мальное решение вания, r2 лет ции Q2(r2), тыс. р.

u 1 155 u 5.6 Оптимальный план замены оборудования Годы пятилетки 1 2 3 4 Сохра- Сохра- Заме- Сохра- Сохра Опти- нить нить нить нить нить мальное обору- обору- обору- обору- обору решение дова- дова- дова- дова- дова ние ние ние ние ние Для 1-го года решение единственно – сохранить оборудование. Значит, возраст оборудования к началу 2-го года равен одному году. Тогда в соответствии с данными табл. 5.5 оптимальным решением для 2-го года является решение о сохранении оборудования. Реализация такого реше ния приводит к тому, что возраст оборудования к началу 3-го года становится равным двум годам. При таком возрасте (табл. 5.4) оборудование в 3-ем году следует заменить. После замены оборудования его возраст к началу 4-го года составит 1 год. По данным табл. 5.3 при таком возрасте оборудование менять не следует. Поэтому возраст оборудо вания к началу 5-го года составит 2 года, т.е. менять оборудование нецелесообразно (табл. 5.2).

В результате получен следующий оптимальный план замены оборудования (табл. 5.6).

6 ИГРОВЫЕ МЕТОДЫ В ТЕОРИИ ПРИНЯТИЯ РЕШЕНИЙ Одним из возможных типов задач при принятии решения являются, так называемые, состязательные задачи, в которых решение принимает не одно лицо, а два или большее число лиц. Например, одно лицо покупает сахар и хочет получить максимальную прибыль, но оно понимает, что его прибыль зависит не только от того, сколько сахара будет куплено, но и от того, сколько сахара купит его конкурент.

При этом либо оба лица стремятся "выиграть" (максимизировать свои целевые функции), либо одно ли цо не стремится этого сделать (игры с природой).

Решению подобных состязательных задач посвящена теория игр [5]. Стороны или лица, прини мающие решения в состязательных задачах, называются игроками.

Задача относится к теории игр, если:

а) результат решения задачи зависит от решения двух или более лиц, которые принимают эти ре шения независимо;

б) решения игроками принимаются в условиях неопределенности.

6.1 ПОСТАНОВКА ЗАДАЧИ Пусть имеется два лица (первое и второе) и оба эти лица стремятся получить максимальную выго ду. Следовательно, имеется две целевые функции: Q1 (x, y) – функция выигрыша первого лица, Q2 (x, y) – функция выигрыша второго лица, где x, y – решения, принимаемые соответственно первым и вторым лицом.

Таким образом, значение целевой функции первого игрока зависит не только от его решения x, ко торое он примет, но и от решения y, которое примет второй игрок. То же можно сказать и о целевой функции Q2 (x, y) второго лица.

Если бы решение у второго игрока было бы точно известно, то для первого игрока выбор оптималь ного решения х* был бы традиционным ^), x* = arg maxQ1(x, y xX ^ где y – известное решение второго лица, Х – множество возможных решений первого лица.

Совсем иначе обстоит дело, если решение у второго лица неизвестно. В этом случае необходимо усло виться, каким образом оценивать "удачность" выбора решения х, так как значение целевой функции Q1 (x, y) зависит не только от х, но и от у, что иллюстрируется графиком (рис. 6.1).

Q Q1(^) x ~ Q1(^) x y y y Рис. 6.1 Зависимость целевой функции первого игрока от решения второго игрока ^ Здесь следует ввести новую оценочную функцию Q1(x), которая позволила бы сравнивать какое из решений х1 или х2 первого лица "лучше".

Также можно оценивать "хорошесть" решения х по среднему значению целевой функции Q y Q1(x) = (x, y) P(y)dy.

Q y Эта оценка является хорошей, она учитывает вклад каждого решения второго лица и вероятность принятия таких решений. Однако, в этом случае необходимо знать вероятность принятия решения вто рым лицом или плотность распределения вероятности, если множество Х является континиум. То же самое относится, очевидно, и к функции Q2( y). Если Р(у) не известно, то вычислить Q1( y) или Q2 ( y) не возможно, следует выбрать новую оценку "хорошего " решения.

Естественной оценкой в этом случае является "наихудшее" (минимальное) значение целевой функ ~ ции Q1(x) ~ Q1(x) = minQ1(x, y).

yY ~ Чем больше минимальный выигрыш Q1(x), тем лучше х. Эта оценка слишком осторожна: на самом деле выигрыш получится наверняка больше, получиться меньше он уже не может. Такую оценку назы вают гарантированным выигрышем.

Теорией решения задач оптимизации, в которых: а) решение принимает не одно, а два или более лиц, а результат решения зависит от совокупности решений всех этих лиц и б) каждому лицу не известны ни решения других лиц, ни вероятностные оценки их возможных решений, занимается математическая наука "Теория игр".

Сами задачи оптимизации такого вида носят название игровых задач или задач теории игр.

В теории игр принята следующая терминология.

Лица, принимающие решения, называются игроками.

Целевые функции называются платежными функциями, и считается, что они показывают выигрыш игрока. Так, платежная функция Q1 (x1, …, xn) показывает выигрыш первого игрока.

Множество возможных решений Хi каждого игрока называется множеством чистых стратегий i-го игрока, а решение хi из множества чистых стратегий Xi, xi Xi называется чистой стратегией i-го игрока.

Таким образом, чистой стратегией является то, что раньше называлось решением (управлением).

Отрицательное значение платежной функции означает "проигрыш" игрока, например, если Q1 (x, y) = 5, то это означает, что первый игрок выиграл 5 единиц, а если Q1 (x, y) = –5, то первый игрок проиграл 5 единиц. Целью первого игрока является максимизация выигрыша, т.е. функцию Q1 (x, y) не обходимо максимизировать. Очевидно, что целью первого игрока могла бы быть минимизация функции проигрыша Q1 (x, y), которая равна функции выигрыша, взятой с обратным знаком Q1 (x, y) = – Q1 (x, y).

Следовательно, Q1 (x, y) = 5 означает, что первый игрок проиграл 5 единиц, а Q1 (x, y) = –5 означает, что первый игрок выиграл 5 единиц.

Эти две задачи имеют, очевидно, право на существование, однако, в теории игр первый игрок все гда полагается выигрывающим, и платежная функция Q1 (x, y) определяет его выигрыш. Проигрышу со ответствует отрицательное значение Q1 (x, y).

Аналогичные замечания могут быть отнесены к платежной матрице Qi любого i-го игрока.

В теории игр используется такое понятие как смешанная стратегия, являющаяся более сложной конструкцией, использующая понятие чистой стратегии.

Пусть Х – множество чистых стратегий, а х1, х2, …, хn – n чистых стратегий из этого множества.

Пусть игрок принимает решение использовать все эти чистые стратегии с разными вероятностями 1, 2, …, n. При этом игрок выбирает (варьирует) не чистые стратегии х1, х2, …, хn – они всегда заданы (одинаковые), а частоту (вероятность) использования каждой из них.

В этом случае стратегией будет вектор вероятностей = (1, 2, …, n), игрок должен пытаться найти такую стратегию (такое значение), при которой он получит максимальный успех.

Стратегия выбора вероятности называется смешанной стратегией.

Рассмотрим следующий пример. Так, чистыми стратегиями является установка орудия на север, юг, запад, восток. Смешанная стратегия = (0,1;

0,5;

0,2;

0,2) означает, что 10 % времени орудие смотрит на север, 50 % на юг и по 20 % времени оно повернуто на запад и восток. Если чистыми стратегиями яв ляются покупка сахара, муки, картофеля, то = (0,5;

0,2;

0,3) означает, что деньги истрачены следую щим образом: 50 % на сахар, 20 % на муку, 30 % на картофель. Принятие чистой стратегии означает, что покупатель принял решение истратить все деньги на один из этих продуктов.

Более сложные стратегии бывают в пошаговых (динамических играх), когда на каждом шаге оцени вается ситуация предыдущих решений. В общем случае стратегией называется набор правил, опреде ляющих ход игры. Которые приведут к конечному состоянию.

Если каждый из игроков выбрал стратегию, то совокупность этих стратегий называется ситуацией.

Пусть в игре двух игроков первый игрок выбрал чистую стратегию х, а второй – чистую стратегию у, тогда ситуацией будет вектор (х, у).

Ситуацией в смешанных стратегиях будет вектор (, ), где = (1, …, n) – смешанная стратегия первого игрока, = (1, …, m) – смешанная стратегия второго игрока, i – вероятность использования чистой стратегии xi первым игроком, i – вероятность использования чистой стратегии yi вторым игро ком.

Если ситуация сформулирована, то говорят, что игра состоялась.

Оценка стратегии игрока проводится по гарантированному выигрышу, т.е. по значению минималь ного выигрыша для данной стратегии. Так, для первого игрока оценка стратегии х проводится по функ ции ~ Q1(x) = min Q1(x, y), (6.1) yY в случае применения чистой стратегии или по функции ~ Q1() = minQ1(,) в случае применения смешанной стратегии, где – множество значений вектора вероятности = (1, …, m) второго игрока.

Очевидно, первому игроку хотелось бы выбрать такое х* или такой вектор *, при котором гаранти ~ рованный выигрыш Q1(x) принял бы максимальное значение ~ ~ Q1(x*) = max Q1(x) x X или ~* ~ Q1 = Q1(x*) = max minQ1(x, y). (6.2) x X yY ~ Стратегия х*, доставляющая максимум гарантированному выигрышу Q первого игрока, называется максиминной x* = arg max min Q1(x, y). (6.3) x X yY Второму игроку также хотелось бы получить максимальное значение своего гарантированного вы ~* игрыша Q2, который определяется аналогичным образом ~* ~ Q2 = Q2( y*) = max min Q2(x, y).

yY x X Однако ситуация (х*, у*) не всегда может считаться наилучшей. Действительно, х* – наилучшая стра тегия, если у любая, а если у принимает конкретное значение у*, то, очевидно, что в общем случае можно найти другое х**, при котором Q1 (x**, y**) будет больше, чем Q1 (x*, y*).

Наилучшей ситуацией будет такая ситуация, при которой ни первому, ни второму игроку не выгод но от нее отклоняться. В теории игр такая ситуация носит название равновесной (х0, у0) Q1(x0, y0) Q1(x, y0), (6.4) Q2(x0, y0) Q2(x0, y).

Решением игровой задачи является нахождение наилучшей равновесной ситуации. Эта ситуация называется оптимальной.

Задачей теории игр является разработка алгоритмов нахождения равновесной (оптимальной) ситуа ции.

6.2 КЛАССИФИКАЦИЯ ИГРОВЫХ ЗАДАЧ Классификация игр, используемых в игровых задачах, представлена на рис. 6.2. Различают сле дующие игры.

Антагонистические игры моделируют конфликтные ситуации двух или многих лиц, интересы кото рых противоположны. Например, в случае двух игроков выигрыш одного равен проигрышу другого.

Неантагонистические игры (бесконфликтные) – это игры, в которых интересы сторон частично мо гут совпадать, они не являются диаметрально противоположными. Неантагонистические игры делятся на коалиционные и некоалиционные.

В коалиционных играх игроки могут договориться о целях, составить договор, объединиться.

Все игры делятся на конечные и бесконечные.

Конечными играми называются игры, имеющие конечное или счетное множество стратегий. В та ких играх стратегии можно пометить цифрами i = 1, 2, …, n. Таким образом, вместо множества Х имеем множество (конечное или счетное) стратегий I = { i / 1, 2, …, n} – первого игрока и J = { j / 1, 2, …, m} – второго игрока.

ИГРЫ (состязательные задачи) Конфликтные Бесконфликтные (антагонистические) (неантагонистические) коалиционные некоалиционные Конечные Бесконечные Игры для двух лиц Игры для многих лиц Статические Динамические Дифференциальные Позиционные Рекурсивные Детерминированные Стохастические Рис. 6.2 Классификация задач теории игр Бесконечными называются игры, в которых множество стратегий хотя бы одного игрока – контини ум, т.е. непрерывно. Например, инвестиции, вкладываемые в дело.

Статическая игра – это игра, в которой игроки выбирают свои стратегии только один раз, и эти стратегии сохраняются во всех играх.

В динамической игре стратегия меняется во времени, при этом используется информация о разви тии игры в прошлом. Динамические игры – многодневные.

6.3 ПАРНЫЕ АНТАГОНИСТИЧЕСКИЕ ИГРЫ 6.3.1 Игры с седловой точкой Рассматривается конечная статическая антагонистическая игра двух лиц.

Пусть первое лицо имеет n чистых стратегий I = (1, 2, …, n), второе лицо имеет m чистых стратегий J = (1, 2, …, m).

Так как игра антагонистическая, то выигрыш первого игрока равен проигрышу второго игрока. Эта игра называется еще игрой с нулевой суммой. Очевидно, что для такой игры достаточно ввести матрицу выигрышей только для одного игрока.

Первого игрока (или игрока А) условно называют выигрывающим, а второго игрока (или игрока В) – проигрывающим. Естественно, что эти обозначения условные, так как отрицательный выигрыш – это проигрыш, а положительный проигрыш – это выигрыш.

Пусть матрица выигрышей первого лица имеет вид q11Kq1m Q = LLL. (6.5) qn1Kqnm Эта матрица называется платежной. Первый игрок имеет n стратегий – n строк, второй m стратегий – m столбцов.

Если первый игрок выбирает стратегию i, а второй j, то согласно матрице выигрыш первого игрока будет qij, соответственно второй игрок столько же потеряет.

j 1 2 … … m i 1 q11 q12 q1m … … 2 q21 q22 q2m … … … … … … … … n qn1 qn2 qnm … … В качестве примера рассмотрим игру двух лиц. Каждое лицо имеет две стратегии I = (1, 2), J = (1, 2), платежная матрица имеет вид 1 Q =.

2 Очевидно, игроки будут рассуждать следующим образом. Задача первого игрока получить макси мально возможный гарантированный выигрыш. Допустим, что он выбирает первую стратегию. В этом случае гарантировано, что он выигрывает 1. Если же выберет вторую стратегию, то выиграет 4.

1 2 Si 1 1 5 2 2 4 Для общего случая аналогичным образом для каждой стратегии первого игрока может быть найден гарантированный выигрыш Si = min qij.

j 1 2 m Si … 1 q11 q12 q1m S … 2 q21 q22 q2m S … … … … … … … n qn1 qn2 qnm Sn … Для i-й стратегии первого игрока выигрыш не может быть меньше, чем Si, он будет больше, если второй игрок ошибется, но меньше Si он быть не может. Поэтому первому игроку естественно взять ту стратегию, где Si больше. Эта стратегия называется максиминной max max i0 = arg min qij = arg Si, (6.6) i j i величина max min qij = называется нижней ценой игры.

i j Если первый игрок будет стремиться к максиминной стратегии, то ни при каких условиях его выиг рыш не будет меньше, чем : Q0(i0, j) для любого j.

Таким образом получим, что i0 = 2, = 4.

Для второго игрока поступают аналогичным образом. Его желание уменьшить выигрыш первого иг рока, так как это и есть его проигрыш.

1 2 m … 1 q11 q12 q1m … 2 q21 q22 q2m … … … … … … n qn1 qn2 qnm … lj l1 l2 lm … Для каждого столбца находится величина l = max qij, которая определяет гарантированный проиг j i рыш второго игрока. Больше он проиграть не может.

В рассматриваемом примере имеем следующее.

1 1 1 2 2 lj 2 Таким образом, при первой стратегии второго игрока, максимально, что может выиграть первый игрок, а второй проиграть – это 2. Больше проиграть последний не может. Если первый игрок ошибает ся, то он проигрывает меньше, больше проиграть он не может.

При второй стратегии второго игрока гарантированный проигрыш составит 5, больше он проиграть не может.

Какую же стратегию – первую или вторую выбрать второму игроку? Очевидно первую, так как про игрыш будет всего лишь 2 при любой стратегии первого игрока min min j0 = arg l = arg max qij. (6.7) j j j i Эта стратегия носит название минимаксной, а величина = min max qij j i носит название верхней цены игры.

Нижняя и верхняя цены игры дают гарантированный уровень выигрыша и проигрыша для первого и второго игроков:

Q(i0, j), для ллюбог j;

Q(i, j0), для ллюбог i.

Если =, то говорят, что игра имеет седловую точку. Смысл ее понятен, если рассмотреть непре рывный случай. Значение = = называется ценой игры.

Ситуация (i0, j0) является оптимальной (i*, j*), так как она устойчива. Это ясно видно на рассмотрен ном примере = = 2, i0 = 2, j0 = 1 и ни одному игроку не выгодно ее менять Q(i, j*) Q(i*, j*) Q(i*, j).

Таким образом ситуация с минимаксной и максиминной стратегиями двух игроков является опти мальной и является решением игры при наличии седловой точки, т.е. =.

Для полного понимания термина "седловая точка" рассмотрим непрерывную задачу. Итак, х Х, у Y, х и у непрерывны, вместо платежной матрицы имеется платежная функция для первого игрока Q (x, y). При этом как и раньше выигрыш одного игрока равен проигрышу другого. Максиминная стратегия первого игрока и минимаксная стратегия второго игрока находятся аналогичным образом дискретному слу чаю, т.е.

max x0 = arg minQ(x, y), max minQ(x, y) = ;

x y x y (6.8) min y0 = arg maxQ(x, y), min maxQ(x, y) =.

y x y x Если =, то имеется седловая точка. Графическая иллюстрация рассматриваемого непрерывного случая представлена на рис. 6.3.

6.3.2 Антагонистические игры без седловой точки Предположим, что верхняя и нижняя цены игры, как и в предыдущем случае, равны = min max qij, = max min qij, ( 6.9) i j j i но. В этом случае седловая точка отсутствует.

Q у у х (х*, у*) = (х0, у0) х Рис. 6.3 Графическая иллюстрация оптимального решения в антагонистической игре с седловой точкой Например, матрица платежей имеет вид 1 2 Si 1 1 3 2 4 2 lj 4 Очевидно, что = 2, i0 = 2;

= 3, j0 = 2. Как и раньше Q(i0, j) 2, Q(i, j0 ) 3. Однако условие устойчивости Q(i, j0) Q(i0, j0 ) Q(i0, j) не соблюдается. Это означает, что (i0, j0 ) не является оптимальной ситуацией, так как она неустойчива. Первому игроку выгодно сменить стратегию, тогда выигрыш будет равен 3, а не 2. Соответственно второй игрок проиграет 3. Если он сам сменит стратегию на первую, то уменьшит свой проигрыш до единицы, а значит и уменьшит выигрыш первого игрока до единицы.

Это и означает неустойчивость ситуации (i0, j0 ).

Таким образом, если седловая точка отсутствует и в чистых стратегиях нет устойчивой ситуа ции, т.е. нет решения игровой задачи. В этом случае следует использовать смешанные стратегии.

Смешанная стратегия – это стратегия, которая использует все чистые стратегии с разными вероят ностями.

Пусть смешанная стратегия первого игрока = (1, 2, …, n), где i – вероятность использования i-й чистой стратегии, смешанная стратегия второго игрока = (1, 2, …, m), где i – вероятность исполь зования j чистой стратегии.

Множества Е и смешанных стратегий представляют собой многоугольник в пространстве вероят ностей чистых стратегий.

Если имеется две чистых стратегии I = (1, 2), то в этом случае смешанная стратегия будет = (1, 2), а множество всех возможных смешанных стратегий определяется прямой 1 + 2 = 1 (рис.

6.4). Очевидно, (0, 1) – чистая стратегия при i = 2, (1, 0) – чистая стратегия при i = 1.

Если имеется три чистых стратегии i = 1, 2, 3, то в пространстве 1 2 3 вероятностей имеется плоскость, определяемая уравнением 1 + 2 + 3 = 1 (рис. 6.5).

При этом чистые стратегии это при: i = 1 – (1,0,0);

i = 2 – (0,1,0);

i = 3 – (0,0,1).

Остальные стратегии – точки на поверхности, они определяются соответствующими значениями (1, 2, 3).

Целевая функция определяется формулой n m Q (,) = q1111 + q1212 + K + qnmnn = i, (6.10) qij j i=1 j= Рис. 6.4 Множество сме- Рис. 6.5 Множество сме шанных стратегий при i = шанных стратегий при i = 1, 2 1, 2, так как вероятность одновременного совершения i-й стратегии первого игрока и j-й стратегии второго игрока будет ii. Эта функция Q (,) непрерывно зависит от и, и поэтому в смешанной стратегии исчезает платежная матрица и появляется платежная функция, которая для двух игроков равна Q (,) = q1111 + q1212 + q2121 + q2222. (6.11) Нижнее и верхнее значения игры для смешанной стратегии определяются как для непрерывной иг ры = max min Q (, ), E (6.12) = min max Q (, ).

E При этом максиминная стратегия 0 определяется как max 0 = arg min Q (, ), (6.13) E а минимаксная стратегия 0 как:

min 0 = arg max Q (, ). (6.14) E В теории игр доказывается, что в смешанных стратегиях всегда существует =, т.е. седловая точ ка.

Значение = = называется ценой игры со смешанными стратегиями. Значения 0, 0, соответст вующие седловой точке, образуют устойчивую, а значит оптимальную ситуацию (0, 0) = ( *, *).

6.3.3 Алгоритмы решения задач без седловых точек Пусть *, * – оптимальные стратегии. Номера чистых стратегий * и *, вероятности которых не равны нулю, называются спектрами S, S соответственно S = {i = 1, 2, K, n / i 0}, S = {j = 1, 2, K, n / 0}.

j Иногда их называют реальными чистыми стратегиями.

Можно доказать, что 1) если S содержит K чистых стратегий, то S также содержит K чистых стратегий;

2) если один из игроков придерживается минимаксной (максиминной) стратегии, а другой выбирает реальную чистую стратегию (т.е. стратегию принадлежащую спектру), то выигрыш первого игрока ос тается равным значению.

6.3.3.1 Игра 2 1 q11 q q21 q Чистые стратегии I = (1, 2), J = (1, 2).

В спектр входят обе стратегии. Если бы в спектр одного игрока входила бы одна стратегия S = (1), то и в спектр другого игрока также бы вошла одна стратегия S = (2), а это значит, что была бы седловая точка.

Допустим, что первый игрок придерживается максиминной стратегии * = (1*, 2*), а второй выбрал чистую стратегию j = 1. Тогда эти стратегии входят в спектр чисел * q111 + q21* =.

Для чистой стратегии j = 2 аналогичным образом можно записать * q121 + q22* =.

* Кроме того, 1 + * = 1.

Таким образом, имеем три уравнения и три неизвестных. Следовательно, решение однозначно.

Пусть теперь второй игрок придерживается минимаксной стратегии (1*, 2*), а первый чистой. То гда аналогичным образом, как и предыдущем случае, имеем:

* q111 + q12* =, * q211 + q22* =, * 1 + * = 1.

Решение этих уравнений дает следующие расчетные формулы:

q11q22 - q12q =, q11 + q22 - (q12 + q21) q22 - q * 1 =, q11 + q22 - (q12 + q21) * * = 1 - 1, q22 - q * 1 =, q11 + q22 - (q12 + q21) * * = 1 - 1.

Решение рассматриваемой антагонистической игры 2 2 можно найти геометрическим способом.

Пусть игрок В выбрал первую стратегию (j = 1). Значение целевой функции в этом случае будет Q = 1q11 + 2q21, или с учетом 1 = 1- Q = (1- 2) q11 + 2q21.

Как только первый игрок выберет стратегию 2, целевая функция Q приобретет определенное зна чение. В зависимости от значения 2 функция Q будет изменяться по прямой (рис. 6.6).

q Q q q q 0 *2 Рис. 6.6 Геометрическое решение антагонистической игры 2 Если 2 = 0, то имеем чистую стратегию первого игрока i = 1 и значение целевой функции Q = qn.

Если 2 = 1, то имеем вторую стратегию первого игрока i = 2 и значение целевой функции Q = q21. При 0<2<1 имеем смешанную стратегию = (1,2) и определенные значения целевой функции Q. Так при выборе вторым игроком второй стратегии целевая функция будет Q = 1q12 + 2q22 = (1- 2) q12 + 2q22.

Таким образом, имеется две стратегии 1 и 2 второго игрока. Для каждого значения 2 второй иг рок будет выбирать стратегию, которая уменьшает выигрыш первого игрока. На рис. 6.6 жирной линией обозначена линия минимумов целевой функции. Первый игрок, желая максимизировать выигрыш, вы a a берет стратегию *2, соответствующую максимину. Следовательно, оптимальной стратегией является стратегия * = (1*, *2), где 1* = 1 – 2*. Соответствующее значение целевой функции Q есть цена игры. Страте гия второго игрока определяется численно из выражения * * q111 + q12(1- 1 ) = или графически a2 a * 1 =, * = a1 + a2 2 a1 + a где a1 = q21 - q11, a2 = q12 - q22.

П р и м е р 6.1. Найти решение антагонистической игры 2 2, если платежная матрица имеет вид 1 Q =.

4 Как было показано выше i0 = 2, j0 = 2, = 2, = 3,.

Графическое решение задачи представлено на рис. 6.7.

Из рис. 6.7 имеем * * * = 0,5;

= 2,5;

1 = 0,5;

a1 = 3;

a2 = 1;

1 = 1 4;

* = 3 4.

2 Таким образом, первый игрок должен 50 % времени использовать свою первую стратегию и 50 % времени вторую чистую стратегию. Второй игрок 25 % времени использует свою первую стратегию и 75 % времени – вторую. При этом первый игрок выиграет 2,5 единицы (не меньше 2,5), второй проигра ет не больше 2,5.

Q 1 стратегия игрока B 2 стратегия игрока А 0 Рис. 6.7 Геометрическое решение антагонистической игры 2 2 с платежной матрицей Q = 1 4 6.3.3.2 Игра 2 m m Рассматривается игра с платежной матрицей Q = qij 1 2 m 1 q11 q12 q1m … 2 q21 q22 q2m … Геометрическое решение задачи проводится аналогично игре 2 2. Для этого необходимо нанести линии, соответствующие 1, 2, …, m стратегиям второго игрока. Всего получается n линий (рис. 6.8) Q = q1 j1 + q2 j2 = q1 j (1- 2) + q2 j2.

Какую бы стратегию 2 не выбрал первый игрок, т.е. (1, 2), где 1 = 1 – 2, второй игрок минимизирует ее (выбирает стратегию, при которой выигрыш будет мини мальным). Линия минимума на рис. 6.8 показана жирной линией, среди всех точек которой значение целевой функции Q будет максимально – это будет точка О.

По этой точке находится 2* и соответственно 1* = 1 – 2*, а также цена игры = Q (* ).

В оптимальном спектре первого игрока имеется две стратегии, следовательно, оптимальный спектр второго игрока также содержит две стратегии. Это стратегии а и б, проходящие через точку О. Исполь зование этих двух стратегий вторым игроком не дает первому игроку выиграть больше, чем. Таким образом, игра свелась к игре 2 2, где у второго игрока имеются две существенные стратегии а и б.

Q q q1n q O q12 a б q2n q 2* Рис. 6.8 Геометрическое решение антагонистической игры 2 m П р и м е р 6.2. Требуется найти решение игры с платежной матрицей вида 1 2 3 4 1 –4 –1 2 5 6 – 2 11 5 6 3 –2 – 10 4 5 5 a 6 Графическое решение задачи представлено на рис. 6.9.

Q = 2* Рис. 6.9 Геометрическое решение антагонистической игры 2 Из рисунка видно, что 2* = 0,5, =2, оптимальный спектр стратегий игроков составляют 2 и стратегии. При этом а2 = 6, а5 = 8 и a 2* = 3/7, 5* = 4/7 ( * =, * = 1 - * ).

a2 + a5 5 Таким образом, игра свелась к матрице 2 1 –1 2 5 – Оптимальные стратегии * = (0,5;

0,5), * = (0, 3/7, 0, 0,4/7).

Аналогично ищется решение игры n 2. В этом случае строится график изменения значений целе вой функции Q при чистых стратегиях первого игрока в зависимости от смешанной стратегии 2 и оп ределяется минимаксная оптимальная стратегия второго игрока 2*.

6.3.3.3 Игра n m При решении матричной игры размерностью n m могут быть применены два приема:

1) сведение задачи к задаче 2 m или n 2;

2) сведение задачи к задаче линейного программирования.

Для упрощения задачи с матрицей n m используются определенные правила.

Говорят, что стратегия i1 первого игрока доминирует стратегию i2, если для всех j = 1, 2, …, m имеет место qi1 j qi2 j.

В этом случае стратегия i2 заведомо хуже стратегии i1. Стратегия i2 называется доминируемой и может быть исключена из рассмотрения.

Q Говорят, что стратегия j* доминирует стратегию j вто рого игрока, если для любого i справедливо qij* qij.

Здесь стратегия j заведомо хуже стратегии j*, она называется доминируемой и может быть удалена из рассмотрения.

На рис. 6.10 показано две стратегии первого игрока, вторая стратегия доминирует первую и поэтому может быть исключена из рассмотрения.

При решении игровых задач используются следующие Рис. 6.10 Иллюстрация важные теоремы.

доминируемой стратегии Т е о р е м а Ни одна из строго доминирующих чистых стратегий не содержится в спектре оптимальных реше ний.

Т е о р е м а Если некоторая чистая стратегия а, доминируется смешанной стратегией в, в спектре которой нет а, то удаление а приводит к тождественной игре.

В качестве примера рассмотрим игру, представленную на рис. 6.11. Здесь ни одна из стратегий или 2 не доминирует стратегию 3.

Рассмотрим смешанную стратегию = (0,5;

0,5;

0). Для этой стратегии имеем Q = Q10,5 + Q20,5, где Q1 – значение целевой функции для первой стратегии, а Q2 – для второй стратегии.

Значения целевой функции Q на рис. 6.11 показаны пунктирной линией и эта стратегия доминиру ет стратегию 3. Согласно теореме 2 стратегия 3 может быть удалена.

Т е о р е м а Решения игр будут тождественными, если каждый элемент платежной матрицы преобразуется сле дующим образом qij = kqij + b, где k > 0, b > 0 – любые числа.

Q Рис. 6.11 Иллюстрация теоремы Таким образом, без изменения оптимального решения каждый элемент платежной матрицы можно умножить на любое положительное число и сложить с любым положительным числом. При этом новая цена игры будет связана с реальной ценой соотношением = k + b.

П р и м е р 6.3. Рассматривается игра 4 5.

Необходимо провести последовательные преобразования платежной матрицы.

1 2 3 4 1 4p 4p 2p 3p 2p 2 1p 3p 1,5p 2p 4p 3 2p 2p 8p 4p 6p 4 2p 1p 1p 0,5p 0,5p Преобразование платежной матрицы складывается из следующих этапов.

1 Все элементы платежной матрицы делятся на р, в результате получается следующая матрица.

1 2 3 4 1 4 4 2 3 2 1 3 1,5 2 3 2 2 8 4 4 2 1 1 0,5 0, 2 Третья стратегия первого игрока доминирует четвертую стратегию, следовательно четвертая стратегия может быть отброшена, и исходная матрица преобразуется к виду.

1 2 3 4 1 4 4 2 3 2 1 3 1,5 2 3 2 2 8 4 3 Вторая стратегия второго игрока доминирует первую стратегию, следовательно эта (первая) стра тегия исключается и матрица преобразуется к матрице размерности 3 4.

2 3 4 1 4 2 3 2 3 1,5 2 3 2 8 4 4 В полученной матрице чистых доминирующих стратегий больше нет. Однако, первая и третья стратегии первого игрока образуют смешанную стратегию 1 = 0,5, 3 = 0,5, которая доминирует страте гию 2. Вторая стратегия удаляется и игра принимает размерность 2 5.

2 3 4 1 4 2 3 3 2 8 4 Игру 2 4 можно решать графически, но можно продолжить подобные преобразования дальше, они дадут последующее упрощение задачи.

5 В игре 2 4 пятая стратегия второго игрока доминирует третью, отбрасывание которой приводит к игре 2 3.

2 4 1 4 3 3 2 4 Смешанная стратегия второго игрока 2 = 0,5 и 5 = 0,5 доминирует четвертую стратегию, исключе ние которой приводит к игре 2 2.

2 1 4 3 2 6.4 РЕШЕНИЕ МАТРИЧНОЙ ИГРЫ МЕТОДОМ ЛИНЕЙНОГО ПРОГРАММИРОВАНИЯ Если нельзя методами упрощения свести игровую задачу к размерности 2 m или n 2, то ее заме няют задачей линейного программирования.

Сведение матричной игры к задаче линейного программирования является общим методом решения подобных задач.

Пусть цена игры. Эта величина является максимальным гарантированным выигрышем первого игрока. Так, если первый игрок поддерживает оптимальную смешанную стратегию *, его выигрыш не может быть меньше. Однако, если первый игрок поддерживает не оптимальную стратегию *, а неко торую другую стратегию, то существует некоторый гарантированный выигрыш 1, т.е. при любой стратегии второго игрока, выигрыш первого не может быть меньше 1. При этом 1, и задача первого игрока найти такую стратегию *, при которой 1 примет максимальное значение, равное.

Геометрическую интерпретацию этого положения можно просмотреть на примере задачи 2 n (рис.

6.12).

Если взять 2 2*, гарантированный выигрыш 1 будет меньше цены игры.

Таким образом, задача матричной игры может быть сформулирована для первого игрока как задача нахождения такой стратегии * = (1*, …, n*), при которой максимизируется величина 1 : 1 max, при условии, что выигрыш пер вого игрока при любых чистых стратегиях j = 1, …, m второго игрока будет больше 1:

q111 + q212 + L + qn1n 1;

q121 + q222 + L + qn1n 1;

L (6.15) q1m1 + q2m2 + L + qnmn 1;

1 0,2 0, K, n 0.

Кроме того считают, что 1 > 0. Это всегда можно сделать, прибавив к составляющим матрицы qij одно и то же положительное число.

Q q1n O 2 2* Рис. 6.12 Геометрическая иллюстрация игры 2 n Разделив на 1 > 0 левые и правые части неравенств и введя новые переменные ui = i / 1, система неравенств преобразуется к виду q11u1 + q21u2 + L + qn1un 1;

q12u1 + q22u2 + L + qn1un 1;

(6.16) L q1mu1 + q2mu2 + L + qnmun 1;

u1 0, u2 0, K, un 0.

Очевидно, что n n n 1 = =, так как = 1, (6.17) ui i i 1 i=1 i=1 i= n тогда является критерием, обратным 1.

ui i= С учетом сказанного задача теории игр превращается в следующую задачу линейного программи рования.

n Требуется найти такие ui*, i = 1, 2, …, n, при которых целевая функция принимает минималь ui i= ное значение n min (6.18) ui i= и удовлетворяются ограничения q11u1 + q21u2 + L + qn1un 1;

q12u1 + q22u2 + L + qn1un 1;

(6.19) L q1mu1 + q2mu2 + L + qnmun 1;

u1 0, u2 0, K, un 0.

После решения этой задачи – задачи линейного программирования определяются цена игры и значения i* по следующим формулам n * = 1 ;

ui i = * (6.20) * = ui ;

i * * = (1, *, K, * ).

2 n Аналогично для определения оптимальной стратегии * = = (1*, …, m*) второго игрока решается следующая задача m x max (6.21) j j = при ограничениях n * qij > 1;

то x* = 0. (6.22) ui j i= В результате решения задачи получают оптимальные значения х1*, х2*, …, хm*, которые позволяют определить оптимальную стратегию второго игрока по формулам = ;

m * x j j = * = u*;

(6.23) j j * * = (1, *, K, * ).

2 m Задача линейного программирования для второго игрока двойственна задаче линейного програм мирования для первого игрока, а это означает, что m n * * =, (6.24) x j ui j=1 i= т.е. 1* = 2* и представляет цену игры.

Из двойственности задачи следует, что 1) если стратегия первого игрока является смешанной и ее спектр состоит из k чистых стратегий, то стратегия второго игрока также будет смешанной со спектром, состоящим из k чистых стратегий;

2) если для некоторого j выполняется строгое неравенство n * qij > 1;

то x* = 0.

ui j i= 3) если для некоторого i выполняется строгое неравенство m * qij > 1;

то u* = 0.

x j j j= СПИСОК ЛИТЕРАТУРЫ 1 Акулич И.Л. Математическое программирование в примерах и задачах. М.: Высшая школа, 1993. 336 с.

2 Беллман Р. Динамическое программирование. М.: Издатинлит, 1960. 400 с.

3 Беллман Р., Дрейфус С. Прикладные задачи динамического программирования. М.: Наука, 1965.

458 с.

4 Бояринов А.И., Кафаров В.В. Методы оптимизации в химии и химической технологии. М.: Хи мия, 1975. 576 с.

5 Вентцель Е.С. Исследование операций. М.: Наука, 1980. 230 с.

6 Гасс С. Линейное программирование. М.: Физматиз, 1961. 304 с.

7 Дегтярев Ю.И. Исследование операций. М.: Высшая школа, 1986. 320 с.

8 Исследование операций / Под ред. Дж. Маддер, С. Элмагараби. М.: Мир, 1981. Т. 1. 712 с.

9 Карманов В.Г. Математическое программирование. М.: Физматмет, 2000. 264 с.

10 Кузин Л.Т. Основы кибернетики. М.: Энергия, 1973. Т. 1: Математические основы кибернетики.

504 с.

11 Нейман Дж. фон, Моргенштерн О. Теория игр и экономическое поведение. М.: Наука, 1970. с.

12 Петросян Л.А., Зенкевич Н.А., Семина Е.А. Теория игр. М.: Высшая школа, 1998. 304 с.

13 Полак Э. Численные методы оптимизации. М.: Мир, 1997. 376 с.

14 Солодовников А.С., Бабайцев В.А., Браилов А.В. Математика в экономике: В 2 ч. М.: Финансы и статистика, 1999. 224 с.

15 Химмельблау Д. Прикладное нелинейное программирование. М.: Мир, 1975. 534 с.

16 Эддонс М., Стенсфильд Р. Методы принятия решений. М.: Аудит, ЮНИТИ, 1997. 590 с.

17 Юдин Д.Б. Вычислительные методы теории принятия решений. М.: Наука, 1989. 316 с.

18 Юдин Д.Б., Гальштейн Е.Г. Линейное программирование. Теория, методы и приложения. М.:

Наука, 1969. 424 с.

Pages:     | 1 ||



© 2011 www.dissers.ru - «Бесплатная электронная библиотека»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.