Rozhodování v Ultimatum game s více navrhovateli

Abstract

Práce se zaobírá rozhodováním v Ultimatum game (UG) s více navrhovateli prostřednictvím modelování odpovídatele a zahrnutím rozvažovacích aspektů do jeho odměňovací funkce. V porovnání s klasickou verzí UG, ve hře s více navrhovateli zahrnující rozvážování si odpovídatel vybírá navrhovatele se kterým bude hrát. Změna navrhovatele (v porovnání s předchozím kolem hry) je penalizována. Model odpovídatele zahrnuje učení vlastností navrhovatelů a adaptaci na nově nabyté znalosti. Výsledky simulace ukazují, že navzdory tomu, že změna navrhovatele je penalizovaná, výsledný ekonomický zisk odpovídajícího je nezanedbatelně vyšší v porovnání s klasickou verzí UG.

The work studies decision-making in multi-proposers Ultimatum game (UG) by modelling responder and including deliberation aspects into her reward function. Compared to the classical UG, deliberative multi-proposers UG suggests that at each round the responder selects the proposer to play with. Any change of the proposer (compared to the previous round) is penalised. The model of responder includes learning proposers? attributes and adaptivity to the newly gained knowledge. The simulation results show that though switching of proposers incurred non-negligible deliberation costs, the economic profit of the deliberation-aware responder was significantly higher in multi-proposer UG compared to the classical UG.