Reinforcement Learning im Cournot Duopol (PDF)

Name: Reinforcement Learning im Cournot Duopol
Brand: GRIN Verlag
SKU: 38386249
Price: 29.99 EUR
Availability: OnlineOnly

Anwendung agentenbasierter Lern-Algorithmen im Cournot-Spiel

Autor: Sandro Bahn

Schreiben Sie einen Kommentar zu "Reinforcement Learning im Cournot Duopol".

Reinforcement Learning im Cournot Duopol, Sandro Bahn

Merken

Mehr zum Inhalt Video

sofort als Download lieferbar

Bestellnummer: 38386249

eBook (pdf) 29.99 €

Download bestellen

Verschenken

Lastschrift, Kreditkarte, Paypal, Rechnung
Kostenloser tolino webreader

Produktdetails

Produktbeschreibung
eBook Hilfe
Biblio. Angaben / Produktdetails

Produktinformationen zu „Reinforcement Learning im Cournot Duopol (PDF)“

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.