Multiagentový model učení strategie na oligopolních trzích

Bc. Anna Smržová

Diplomová práce

Agent-based model of strategy learning in oligopolistic markets

Anotace:

Předmětem diplomové práce „Multiagentový model učení strategie na oligopolních trzích“ je analýza výsledků individuálního učení agentů na duopolních trzích. Simulace byly provedeny pomocí genetických algoritmů založených na principech evoluční teorii her. Zkoumána byla dosažená rovnováha, evolučně stabilní strategie omezeně racionálních hráčů pro případ Cournotova, Bertrandova a Salopova modelu.

Abstract:

The goal of the submitted thesis: “Agent-based model of strategy learning in oligopolistic markets” is to analyse individual learning results of agents in duopoly markets. Simulations have been carried out using genetic algorithms based on the evolutionary game theory. The equilibrium, evolutionarily stable strategy of boundedly rational agents for the Cournot, Bertrand and Salop models was investigated.

Klíčová slova

oligopol, multiagentový model, evoluční teorie her, genetické algoritmy, Nashova rovnováha, evolučně stabilní strategie, omezená racionalita, oligopoly, agent-based model, evolutionary game theory, genetic algorithm, Nash equilibrium, evolutionary stable strategy, bounded rationality

Jazyk práce: čeština

Datum vytvoření / odevzdání či podání práce: 10. 5. 2019

Obhajoba závěrečné práce

• Obhajoba proběhla 13. 6. 2019
• Vedoucí: Ing. Michal Kvasnička, Ph.D.
• Oponent: Ing. Rostislav Staněk, Ph.D.

Masarykova univerzita

Ekonomicko-správní fakulta

Magisterský studijní program / obor:
Kvantitativní metody v ekonomice / Matematické a statistické metody v ekonomii