view in publisher's site

Identifying behaviorally robust strategies for normal form games under varying forms of uncertainty

Highlights•The Cognitive Hierarchy model is adapted to an incomplete information framework.•A player optimizes their expected payoff when uncertain of adversary rationality.•Corresponding mathematical programs for six forms of uncertainty are developed.•Optimal strategies are compared to results for multiple games in the literature.•A MATLAB toolbox is developed to implement the solution methodologies.AbstractRecent advances in behavioral game theory address a persistent criticism of traditional solution concepts that rely upon perfect rationality: equilibrium results are often inconsistent with empirical evidence. For normal form games, the Cognitive Hierarchy model is a solution concept based upon a sequential reasoning process, yielding accurate characterizations of experimental human game play. These characterizations are enabled by a statistically estimated parameter describing the average number of reasoning steps players utilize. If an arbitrary player were to know this parameter ex ante, they could maximize their expected payoff accordingly. However, given the nature of statistical estimation, such parameter point estimates are unknown prior to experimentation and are susceptible to error afterward. Therefore, we consider the normal form game as a decision problem from the perspective of an arbitrary player who is uncertain of opponents’ reasoning ability. Assuming such a player is confronting a set of boundedly rational opponents whose play is characterized by the Cognitive Hierarchy model, we develop a suite of six mathematical programming formulations to maximize the player’s minimum payoff, and we identify the appropriate formulation for the level of information regarding an opponent population’s reasoning ability. By leveraging robust optimization, stochastic programming, and distributionally robust optimization techniques, our set of models yields prescriptive strategies of play in a normal form game with incomplete knowledge regarding adversary rationality. A software package implementing these constructs is developed and applied to illustrative instances, demonstrating how behaviorally robust strategies vary in accordance with the underlying uncertainty.

شناسایی استراتژی‌های مقاوم به رفتار برای بازی‌های با فرم طبیعی تحت اشکال مختلف عدم قطعیت

نکات برجسته * مدل سلسله‌مراتب شناختی با چارچوب اطلاعات ناقص تطبیق داده می‌شود. * یک بازیکن بازده مورد انتظار خود را وقتی که از عقلانیت دشمن مطمئن نیست بهینه می‌کند. * برنامه‌های ریاضی متناظر برای شش شکل عدم قطعیت توسعه داده شده‌اند. * استراتژی‌های بهینه با نتایج بازی‌های چندگانه در مقالات مقایسه می‌شوند. یک جعبه‌ابزار MATLAB برای اجرای روش راه‌حل توسعه داده شده‌است. پیشرفت‌های اخیر در نظریه بازی رفتاری به انتقاد مداوم از مفاهیم راه‌حل سنتی که بر عقلانیت کامل تکیه دارند می‌پردازد: نتایج تعادل اغلب با شواهد تجربی ناسازگار هستند. برای بازی‌های فرم نرمال، مدل سلسله مراتبی شناختی یک مفهوم راه‌حل براساس یک فرآیند استدلال متوالی است که ویژگی‌های دقیق بازی تجربی انسان را نتیجه می‌دهد. این ویژگی‌ها توسط یک پارامتر برآورد شده آماری که تعداد میانگین مراحل استدلال مورد استفاده بازیکنان را توصیف می‌کند، فعال می‌شوند. اگر یک بازیکن دل‌خواه این پارامتر را از پیش تعیین‌شده بداند، می‌تواند نتیجه مورد انتظار خود را براساس آن به حداکثر برساند. با این حال، با توجه به ماهیت تخمین آماری، چنین تخمین‌های نقطه‌ای پارامتری قبل از آزمایش ناشناخته هستند و پس از آن مستعد خطا هستند. بنابراین، ما بازی فرم نرمال را به عنوان یک مساله تصمیم‌گیری از دیدگاه یک بازیکن دل‌خواه در نظر می‌گیریم که از توانایی استدلال رقبا مطمئن نیست. با فرض اینکه چنین بازیکنی با مجموعه‌ای از مخالفان منطقی محدود مواجه می‌شود که بازی آن‌ها با مدل سلسله مراتبی شناختی مشخص می‌شود، ما مجموعه‌ای از شش فرمول برنامه‌نویسی ریاضی را برای به حداکثر رساندن حداقل نتیجه بازیکن توسعه می‌دهیم، و فرمول مناسب برای سطح اطلاعات با توجه به توانایی استدلال یک جمعیت مخالف را شناسایی می‌کنیم. با استفاده از بهینه‌سازی قوی، برنامه‌نویسی تصادفی، و تکنیک‌های بهینه‌سازی قوی توزیعی، مجموعه مدل‌های ما استراتژی‌های تجویزی بازی را در یک بازی به شکل نرمال با دانش ناقص با توجه به عقلانیت دشمن ارائه می‌دهند. یک بسته نرم‌افزاری که این سازه‌ها را اجرا می‌کند، توسعه داده‌شده و برای نمونه‌های گویا به کار می‌رود، که نشان می‌دهد چگونه استراتژی‌های قوی رفتاری مطابق با عدم قطعیت اساسی تغییر می‌کنند.
ترجمه شده با


پر ارجاع‌ترین مقالات مرتبط:

  • مقاله Information Systems and Management
  • ترجمه مقاله Information Systems and Management
  • مقاله سیستم‌های اطلاعاتی و مدیریت
  • ترجمه مقاله سیستم‌های اطلاعاتی و مدیریت
  • مقاله Modelling and Simulation
  • ترجمه مقاله Modelling and Simulation
  • مقاله مدل‌سازی و شبیه‌سازی
  • ترجمه مقاله مدل‌سازی و شبیه‌سازی
  • مقاله Management Science and Operations Research
  • ترجمه مقاله Management Science and Operations Research
  • مقاله علوم مدیریت و پژوهش عملیاتی
  • ترجمه مقاله علوم مدیریت و پژوهش عملیاتی
سفارش ترجمه مقاله و کتاب - شروع کنید

با استفاده از افزونه دانلود فایرفاکس چکیده مقالات به صورت خودکار تشخیص داده شده و دکمه دانلود فری‌پیپر در صفحه چکیده نمایش داده می شود.