Dynamické programování pro výpočet Stackelbergových strategií v částečně pozorovatelných sekvenčních hrách

David Kraus

Dynamic Programming for Computing a Stackelberg Equilibrium in Finite Sequential Games with Partial Imperfect Information

Type of document

bakalářská práce
bachelor thesis

Author

David Kraus

Supervisor

Bošanský Branislav

Opponent

Kuželka Ondřej

Field of study

Základy umělé inteligence a počítačových věd

Study program

Otevřená informatika

Institutions assigning rank

katedra kybernetiky

Rights

A university thesis is a work protected by the Copyright Act. Extracts, copies and transcripts of the thesis are allowed for personal use only and at one?s own expense. The use of thesis should be in compliance with the Copyright Act http://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf and the citation ethics http://knihovny.cvut.cz/vychova/vskp.html
Vysokoškolská závěrečná práce je dílo chráněné autorským zákonem. Je možné pořizovat z něj na své náklady a pro svoji osobní potřebu výpisy, opisy a rozmnoženiny. Jeho využití musí být v souladu s autorským zákonem http://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf a citační etikou http://knihovny.cvut.cz/vychova/vskp.html

Metadata

Show full item record

Abstract

Stackelbergovy hry jsou asymetrické, protože v nich existují dva typy agentů - leader a follower. Leader se musí před začátkem hry zavázat k určité strategii. Follower pak může jeho strategii pozorovat předtím, než určí svou vlastní. Tato práce má za cíl reimplementovat existující algoritmus pro hledání equilibrií ve Stackelbergových hrách v programovacím jazyce Julia, a následně ho rozšířit pro hry s neúplnou informací.

There are two types of agents in Stackelberg games called leader and follower, which makes them asymmetrical. The leader has to commit to a strategy before the game begins. The follower observes the leader's strategy before he commits to his own. This work aims to re-implement the existing algorithm for finding Stackelberg equilibria in a programming language Julia, and extend it for computing Stackelberg equilibria in games with partially imperfect information.