Modèle des jeux et des mécanismes

Slides:



Advertisements
Présentations similaires
Programmation linéaire et Recherche opérationnelle
Advertisements

La Méthode de Simplexe Standardisation
Théorie des graphes.
Probabilités et statistiques au lycée
Un modèle de rationalité orienté vers la coopération
6. Analyse postoptimale.
3. Variantes de l’algorithme
2. Méthodes du simplexe et son analyse.
Logique approchée Michel de Rougemont Université Paris II VERA: CORRECT:
1 Modèles Economiques en Informatique Michel de Rougemont Université Paris II.
Programmation linéaire, Jeux, Complexité
Modèle des jeux et des mécanismes
Le hasard et la 0-connaissance Université Paris II Michel de Rougemont Algorithme et hasard Protocoles interactifs et.
La théorie des jeux.
Modèle des jeux et des mécanismes Michel de Rougemont Université Paris II
Journée Francilienne de recherche Opérationnelle Politiques de gestion de coûts de transit dans lInter domaine basé sur BGP Loubna ECHABBI Dominique BARTH,
1 Intégration numérique garantie de systèmes décrits par des équations différentielles non-linéaires Application à l'estimation garantie d'état et de paramètres.
Optimisation dans les télécommunications
A.Faÿ 1 Recherche opérationnelle Résumé de cours.
Equations,.
Introduction à la théorie des jeux
Génération de colonnes
Chapitre VII :Commande par retour d’état
Systèmes d’équations du premier degré à deux variables
Les jeux (méthodes min-max et -)
CHALLENGE ROADEF 2001 Résolution par une métaheuristique à base de recherche à voisinage variable et propagation par contraintes Fabrice BUSCAYLET Fabrice.
6. Analyse postoptimale. Analyse postoptimale Mesurer linfluence sur la solution optimale de modifier certains coefficients du problème Indiquer à lutilisateur.
Optimisation linéaire
Systèmes d’équations linéaires
FRACTIONS PARTIELLES cours 13.
Microéconomie et Finance
Dualité Introduction à la dualité. Construction du couple primal-dual.
Programmation linéaire en nombres entiers Algorithme de la subdivision successive («Branch and Bound Algorithm»)
1 CSI 4506: Introduction à lintelligence artificielle La recherche adversairiale.
Introduction à la programmation linéaire
Programmation linéaire et Recherche opérationnelle
Optimisation-Identification et Cast3M
LE CHOIX EN CONTEXTE D’INCERTITUDE
DONG Xiaoguang HONG Liang OULDBABA Fadel WANG Min
Programmation linéaire en nombres entiers : les méthodes de troncature
MAXIMISER les RESULTATS
Eléments de correction du galop
Programmation linéaire en nombres entiers
I.A. Session 2009/2010 E.P.S.I. Bordeaux – C.S.I.I – 2 ème Année – Cours n°6.
Cours 11 - Théorie des jeux et stratégies en concurrence
Intelligence Artificielle
Exploration systématique de graphes
Opérations sur les limites Limite de u(x)LLL ++ –– ++ Limite de v(x) L’ ++ –– ++ –– –– Limite de u(x) + v(x) Forme indéterminée de 1e espèce.
2008/ Plan du cours 1.Introduction –Contenu du cours 2.Logique mathématique –Calcul propositionnel –Calcul des prédicats –Logique floue et aide à.
Équilibre de satisfaction
TIPE Les dames chinoises
SVM machine à vecteurs de support ou séparateur à vaste marge
Guillaume Boccas, Romain Farigoule Ecole des Mines de Nancy
CHAPITRE 5. La théorie de l’assurance
Le Dilemme du prisonnier
De l'Informatique outil au Langage Informatique créé par le Web et à la valeur de l'Information. Université Paris II & LRI Michel de Rougemont
Algorithmique et Complexité
Quinze règles.
Le Jeu et l’intelligence artificielle
programmation linéaire
Régularités et algèbre De la 7e à la 9e année
1 CSI 4506: Introduction à l’Intelligence Artificielle La Recherche Adversariale.
Critères d’Aide à la Décision. Nouvelle Ligne de Produit Actions possibles quelles quantités produire? Etats de l’environnement quels niveaux de demande?
AIDE à la DECISION Critères IAE de Picardie - LP1.
Programme linéaire - solution graphique
Programmation par contraintes Réalisé par: WETCHA Chaima MOKDED Mohamed Ali FIA3-GL-AL 1 1.
Matlab (Matrix Laboratory) Langage de programmation évolué. Traitement direct d’opérations matricielles, dont l’inversion et l’analyse d’opérateurs ou.
1 UE Intro. Optimisation L3 INFO UPSud II. Programmation linéaire en variables entières (ou mixtes)
Programmation linéaire et Recherche opérationnelle Licence d’Econométrie Professeur Michel de Rougemont
OPTIMISATION 1ère année ingénieurs
Transcription de la présentation:

Modèle des jeux et des mécanismes Michel de Rougemont, LRI , University Paris II

Jeux et Mécanismes Modèle de calculs, adapté à un nombre important d’agents, suivant une fonction d’utilité. WEB. Jeux: N joueurs suivant chacun un but. Quels sont les Equilibres? Mécanismes: observons un équilibre, de quel jeu sommes nous l’équilibre?

Exemples de Jeux Dilemme des Prisonniers Deux décisions C (collaborer), T (Trahir) Version répétée. Jeux de vérification. Graphes d’accessibilité. MaxSAT, MaxCUT: jeux à N joueurs 4. Jeux logiques: Nord-Est, dames, Echecs.

Mécanisme pour réduire le SPAM 1. Comment faire la différence entre un vrai mail et un SPAM? 2. Modifications au protocole de mail (pop, smtp) 3. Valeur d’un Email?

Valeur proportionnelle aux calculs demandés à A (Alice) par B (Bob) Modifications au protocole de mail (pop, smtp) A prend un ticket sur la page Web de B. (Entrée x d’un problème) A calcule f(x)=y A envoie y et l’Email B vérifie y A 1. ticket B 3. Résultat et Email

A calcule une fonction polynomiale A prend un ticket sur la page Web de B. B : génère un polynôme aléatoire de degré n B: choisit n+1 valeurs aléatoires Ticket= A doit trouver P(x) à partir du ticket. Interpolation ou Inversion matricielle

B vérifie le calcul B garde P(x) lorsqu’il génère le ticket. Vérifier consiste à comparer les coefficients de P(x) avec ceux envoyés par A. On peut paramétrer: le degré, la précision des valeurs aléatoires pour forcer A à calculer 10 minutes 30 minutes…. Interpolation est polynomiale La vérification est triviale

Jeux à somme nulle Deux joueurs I et II: Gain de II = - Gain de I Jeu Morra: chaque joueur cache 1 ou 2 Euros et cherche à deviner le choix de l’autre joueur. Il gagne s’il devine correctement. Si 1 seul joueur gagne, son gain est le montant caché total, payé par l’autre joueur, sinon le gain est de 0

Gain du Jeu Gain du jeu : Joueur I : Réponse de II peut être pure Toute solution pure doit satisfaire

Stratégie optimale Conclusion Joueur II peut jouer une stratégie pure

Stratégie optimale Conclusion Solution x*= [0,3/5,2/5,0] Résolution par simplex. Trouver une solution initiale

Théorème Minimax Situation pour le joueur II Problème dual du précédent. Par dualité: Théorème (Von Neuman) : Max Min = Min Max

Dualité: Simplex Résolution d’un système linéaire de maximisation: Introduction de variables d’écart Solution initiale Itération pour augmenter la valeur de la solution. Terminaison

Bases de la Dualité Estimation de z > a z>5 avec (0,0,1,0) …. Estimation de z <b ? Quel est le témoin?

Dualité : z < b Montrons que z <275/3 2nd contrainte . 5/3 Donc z <275/3

Dualité 2nd contrainte +3ème contrainte Donc z <58 Méthode systématique.

Dualité : méthode Conditions pour que le membre gauche >

Dualité: exemple On obtient donc le système dual:

Remarques générales Problème Primal de Maximisation donne un problème Dual de minimisation. A l’optimum:

Démonstration Minimax Considérons la dernière ligne du dernier système du primal: Posons: Vérifions que y* satisfait :

Démonstration Minimax Les variables d’écart sont définies comme: Comparant les coefficients de xj Et on conclut:

Complémentarité Contraintes saturées du dual (m=3) et variables nulles du primal (n=2) Soit xi=0 soit contrainte duale est saturée

Complémentarité Contraintes saturées du primal (n=2) et variables nulles du dual (m=3) Soit yi=0 soit contrainte primale est saturée Théorème : Ces deux conditions caractérisent une solution x*,y* optimum.

Interprétation économique Exemple de fabrication de produits en quantité x1, x2, x3. Chaque produit utilise des composants e1,e2,e3,e4 et contribue à un profit ci ($ par unité de xi) Contraintes du primal : Ax < b Contraintes du dual A’ y >c yj = $ par unité de composant ej Min y.b : coût minimum des composants

Exemple simple Exemple: Matrice Programme linéaire Solution x*= [1/2, 1/2] Interprétation graphique: Sommet de l’enveloppe inférieure 1

Jeux matriciels Deux joueurs: les gains des I et II sont définies par deux matrices A,B de même dimension. Pour n joueurs, n hypercubes. Solution possible: x*= [2/3,1/3] , y*= [1/3,2/3] Solution (x*,y*) est un équilibre de Nash.

Jeux matriciels Par dualité: Pour le joueur II:

C.N.S. pour être un équilibre de Nash Un couple (x,y) est un équilibre de Nash ssi il existe u,v tel que: Programme linéaire + contraintes quadratiques de complémentarité. Simplex + complémentarité= Lemke-Howson

Algorithmique des Jeux 1. Etant donné deux matrices A,B, trouver un équilibre. 2. Généralisation à N joueurs: représentation compacte de l’hypercube. 3. Approximation. 4. Vérification approchée.