Adaptive Proposer for Ultimatum Game

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F67985556%3A_____%2F16%3A00462888" target="_blank" >RIV/67985556:_____/16:00462888 - isvavai.cz</a>

Výsledek na webu

<a href="http://dx.doi.org/10.1007/978-3-319-44778-0_39" target="_blank" >http://dx.doi.org/10.1007/978-3-319-44778-0_39</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1007/978-3-319-44778-0_39" target="_blank" >10.1007/978-3-319-44778-0_39</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Adaptive Proposer for Ultimatum Game

Popis výsledku v původním jazyce

Ultimate Game serves for extensive studies of various aspects of human decision making. The current paper contribute to them by designing proposer optimising its policy using Markov-decision-process (MDP) framework combined with recursive Bayesian learning of responder’s model. Its foreseen use: i) standardises experimental conditions for studying rationality and emotion-influenced decision making of human responders; ii) replaces the classical game-theoretical design of the players’ policies by an adaptive MDP, which is more realistic with respect to the knowledge available to individual players and decreases player’s deliberation effort; iii) reveals the need for approximate learning and dynamic programming inevitable for coping with the curse of dimensionality; iv) demonstrates the influence of the fairness attitude of the proposer on the game course; v) prepares the test case for inspecting exploration-exploitation dichotomy.

Název v anglickém jazyce

Adaptive Proposer for Ultimatum Game

Popis výsledku anglicky

Ultimate Game serves for extensive studies of various aspects of human decision making. The current paper contribute to them by designing proposer optimising its policy using Markov-decision-process (MDP) framework combined with recursive Bayesian learning of responder’s model. Its foreseen use: i) standardises experimental conditions for studying rationality and emotion-influenced decision making of human responders; ii) replaces the classical game-theoretical design of the players’ policies by an adaptive MDP, which is more realistic with respect to the knowledge available to individual players and decreases player’s deliberation effort; iii) reveals the need for approximate learning and dynamic programming inevitable for coping with the curse of dimensionality; iv) demonstrates the influence of the fairness attitude of the proposer on the game course; v) prepares the test case for inspecting exploration-exploitation dichotomy.

Druh

D - Stať ve sborníku

CEP obor

BB - Aplikovaná statistika, operační výzkum

OECD FORD obor

—

Projekt

<a href="/cs/project/GA13-13502S" target="_blank" >GA13-13502S: Plně pravděpodobností návrh dynamických rozhodovacích strategií s nedokonalými účastníky v tržních scénářích</a><br>

Návaznosti

I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace

Rok uplatnění

2016

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

Artificial Neural Networks and Machine Learning – ICANN 2016

ISBN

978-3-319-44777-3

ISSN

0302-9743

e-ISSN

—

Počet stran výsledku

8

Strana od-do

330-338

Název nakladatele

Springer

Místo vydání

Cham

Místo konání akce

Barcelona

Datum konání akce

6. 9. 2016

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

000389086300039