Genetické algoritmy v ekonomii - Genetic algorithms in economics
Genetické algoritmy se od doby průkopnické práce Johna H. Millera v roce 1986 stále častěji používají v ekonomii. Používá se k charakterizaci různých modelů včetně pavučinový model, model překrývajících se generací, herní teorie, optimalizace plánu a oceňování aktiv. Konkrétně se používá jako model, který představuje učení, spíše než jako prostředek pro přizpůsobení modelu.
Genetický algoritmus v modelu pavučiny
The pavučinový model je jednoduchý model nabídky a poptávky pro dobro t období. Firmy (agenti) rozhodují o množství produkce v daném období, jejich produkce se však produkuje až v následujícím období. Firmy tedy budou muset použít nějakou metodu k předpovědi, jaká bude budoucí cena. GA se používá jako druh učebního chování pro firmy. Zpočátku jsou jejich rozhodnutí o produkci množství náhodná, ale každé období se učí o něco víc. Výsledkem je, že se agenti sbíhají v oblasti racionální očekávání (RATEX) rovnováha pro stabilní a nestabilní případ. Pokud je použit volební operátor, GA konverguje přesně na rovnováhu RATEX.
Existují dva typy učebních metod, se kterými mohou být agenti nasazeni: sociální učení a individuální učení. V sociálním učení je každá firma vybavena jediným řetězcem, který se používá jako rozhodnutí o kvantitativní produkci. Poté porovná tento řetězec s řetězci jiných firem. V případě individuálního učení jsou agenti obdařeni hromadou řetězců. Tyto řetězce jsou poté porovnány s jinými řetězci v populačním fondu agenta. Lze to považovat za vzájemně si konkurující myšlenky v rámci firmy, zatímco v sociálním případě to lze považovat za firmu, která se učí od úspěšnějších firem. Všimněte si, že v sociálním případě a v individuálním případu učení se stejnými nákladovými funkcemi se jedná o homogenní řešení, to znamená, že všechna výrobní rozhodnutí agentů jsou identická. Pokud však nákladové funkce nejsou totožné, bude to mít za následek heterogenní řešení, kdy firmy budou vyrábět různá množství (všimněte si, že jsou stále lokálně homogenní, to znamená, že v rámci vlastního fondu jsou všechny řetězce identické).
Poté, co všichni agenti učinili rozhodnutí o produkci množství, množství se agregují a zapojí do funkce poptávky, aby se získala cena. Poté se vypočítá zisk každé firmy. Hodnoty fitness se poté vypočítají jako funkce zisků. Po generování potomstva se vypočítají hypotetické hodnoty zdatnosti. Tyto hypotetické hodnoty jsou založeny na jakémsi odhadu cenové hladiny, často pouze na základě předchozí cenové hladiny.
Viz také
Reference
- J. H. Miller, „Genetický model adaptivního ekonomického chování“, pracovní dokument University of Michigan, 1986.
- J Arifovic, 'Learning by Genetic Algorithm in Economic Environments', PhD Thesis, University of Chicago, 1991.
- J Arifovic, 'Genetic Algorithm Learning and the Cobweb Model', Journal of Economic Dynamics and Control, vol. 18, číslo 1, (leden 1994), 3–28.
- R Hoffmann, „Nezávislé lokalizace interakce a učení v dilematu opakovaného vězně“, Theory and Decision, sv. 47, s. 57–72, 1999.
- R Hoffmann, „Ekologie spolupráce“, Theory and Decision, sv. 50, vydání 2. str. 101–118, 2001.