Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
!"#$"%% % $#"&&
'($
! " " " " # $ #
#$ %&
$ ' #
(
) *
)
$
)
+
)
,
++
) !)
-.
+++
$
!)
!
/0
+% $
"
#
$
.1
%
34
% +
,5/
+ *
#. .
/
,05
*
0
* +
. 1
2
'
3
,75
4
+
%
-5-
8
) $
! ):)
--5
6
+ *
#. .
7 . #8
6
3 5 +
;
-07
*
+
9 4
;
4
-
<
&= # * 3
> <
.
</ < ?
3
43
;
$<
<
3
;
<; 4 ;
<
-
8
; <
6
6
1 6 4
9 < < 4 ;
6
; <
3 -
>
?
*
- ;
/ 6
6
<
- 3 : 5;
;
< -
3
;
;
.
$
-
6
3
5
3
*
6
; ; 9
6
6
*
;
<
.
*
3
;
6
8
<
6
/ )
/
.
4
;
?
> )
< 8
4<
;
/ $ <3
8
<
; .
*
3
;
*
4
.
28
' ?
8
* 3
?
6
<
6
8
;
?
<
*
4
.
4
.
8 <
/
)
/ 6
*
3
;
/
*
?
;
>
3
*
< 5
;
; .
) 4
;
.
*
; .
;
'
;
< -
. 4
*
-
<
<
;
/ '
@
4
;
6
;
; <
<
/
*
3
@
?
5
3
8
)
/
<
6
*
<
>
;
<
8
/ .
*
;
2
/
/
*
3
@
3
6
'$(')* <
<
/
<
3
; . @ 9
/
3
@;
<
;
3
.
<
A
.
)-
. *
6
3 <
3 . -.
)
;
3
*
;
3
6
; 3
;
3
.
;
;
;
.
/
$
; >
43
8
. <
* ;
; <
<
4
;
;
3
; B
?
<
<
<
> 8 3;
?
;
@
9
< -.
*
;
/
#.
6
4
0 /
4
#.;
/
-
6
; 8 ;
3
@;
A
. 6
3
* 8
;
0
* .
2
'
3C ;
/
6
4
< - <
D
-.
D
*
3
@;
8
<
*
;
>
<8
< 4
)
;
;
8 >
4
<
3 5 *
3
A
0
.
<
3
0
* .
2
'
3 )
/
1.
.
E
'6;
;
;
.
D<
.
6
3
D;
6
.
E )
;
3
F;
)-
. . (/-4
;
5
/
4
3 5
@
-
<
- 6
4 8
3
;
3
F;
6
#-
.
3> )=
. )
;
; ? 6
4
7 . #8
. >
4
6
3
)-
. . (/-4 3 5 2
;
$ * 3 '
; *3
&
. #6
'
; .
4
)
; #. % # (
. , ! ,6/
Comenzamos estudiando aquellas situaciones que pueden modelizarse a trav
s de juegos con dos jugadores o agentes, juegos bipersonales y que e f
cilmente pueden generalizarse a juegos con cualquier n
mero de jugadores a u siguiendo la l
nea cl
sica ofrecida por von Neumann y Morgenstern 1944.
a Proceder de este modo evita, en un primer acercamiento al problema real, tener presente la formaci
n de coaliciones para obtener mejores resultados individuao les a trav
s de ellas, aunque los resultados obtenidos en juegos bipersonales e pueden emplearse en la teor
a general de formaci
n de coaliciones en juegos de
o n personas. Supondremos que en estas situaciones se permite a los jugadores s
lo un o n
mero nito de movimientos, cuando se plantea el juego en su forma desarrou llada o extendida, con lo que podremos llevar el modelo a un juego, en su forma reducida o normal, en el que cada jugador escoge una estrategia pura de un conjunto nito de ellas, y que cada una de ellas representa a uno de los posibles planes de movimientos que este jugador realizar
a a lo largo del desarrollo del
juego.
Representaremos por Ii ; 1 i n, las estrategias puras del jugador I, y por IIj ; 1 j m, las estrategias puras del jugador II. El juego permite determinar la valoraci n que ocasiona el que cada jugador utilice una de sus o estrategias, por lo que representamos por vi; j , la valoraci n de las conseo cuencias del empleo de la estrategia Ii por el primer jugador y la estrategia IIj por parte del segundo. Al variar i y j en sus respectivos campos, se tiene una estructura de matriz, aunque los valores no sean n meros reales, por lo que a u estos juegos se les denomina juegos matriciales. Estas valoraciones pueden ser interpretadas de muy diversas formas por los jugadores que intervienen en el juego.
de 1944, se ha abierto una brecha por mar en Avranches Francia. La cabeza de playa ha expuesto el anco oeste del noveno ejercito alem
n, mandado por a el general von Kluge. Este tiene dos posibles formas de actuar: 1 Atacar hacia el oeste para llegar al mar, asegur
ndose su anco occidental y dividir a a las fuerzas americanas. 2 Retirarse hacia el este para llegar a una mejor posici
n defensiva cerca del r
o Sena. El general americano Bradley tiene al o
primer ejercito americano conteniendo al ejercito alem
n desde la cabeza de a playa, y m
s al interior tiene al tercer ej
rcito, bajo las
rdenes del general a e o Patton, en reserva, haciendo misiones de limpieza del terreno hacia el este, sur y oeste. Bradley consider
tres posibilidades: 1 Ordenar a la reserva volver o a defender la brecha abierta. 2 Enviar la reserva hacia el este para intentar cortar la retirada del noveno ejercito alem
n. 3 Mantener las reservas en a sus posici
n durante un d
a y decidir despu
s si ordenar ayudar a la cabeza de o
e playa si era atacada o enviarlas hacia el este. El an
lisis completo de la situaci
n le llev
a valorar los diferentes rea o o sultados de acuerdo con la tabla siguiente, en la que las las representan las estrategias del general Bradley, y las columnas las estrategias del general von Kluge.
1.
3
2. Retirarse D
bil presi
n sobre e o la retirada alemana Fuerte presi
n en o la retirada alemana Moderada presi
n o en la retirada alemana
1. Atacar Se mantiene 1. Reforzar la brecha Se produce 2. Mover el corte alem n a Se mantiene la brecha y 3. Esperar los alemanes son rodeados
L gicamente, la resoluci n del con icto depender de la valoraci n de o o a o los resultados vi; j , i = 1; 2; 3 y j = 1; 2. El orden de preferencias de mejor a peor seg n la doctrina del ejercito americano era u
Cada jugador puede ordenar las valoraciones y dar valores n mericos a u las consecuencias vi; j vI i; j ; vII i; j En el caso de que las valoraciones se consideren de forma totalmente opuesta por los jugadores, para uno supone ganancias y para el otro implique p rdidas, stas pueden expresarse vI i; j = ,vII i; j , se dice que la situaci n e e o corresponde a un juego de suma nula. Cuando esto no ocurre, la valoraci n o del juego vendr dada para cada resultado por dos n meros, no necesariaa u mente relacionados pues suponen el re ejo de dos valoraciones independientes,
llam
ndose a estos juegos, por oposici
n a los anteriores, juegos de suma no a o nula. En otras ocasiones las valoraciones no pueden ordenarse, e incluso al valorar las estrategias pueden tenerse en cuenta diferentes aspectos. En el ejemplo 1.1, los generales pod
an valorar los resultados no s
lo dependiendo
o del curso de la guerra, sino tambi
n del impacto que se podr
a producir en la e
poblaci
n civil y su entorno. o De hecho, muchos modelos se consideran con objetivos escalares debido a la di cultad de resolver el modelo con objetivos m
ltiples. Hay situaciones u en las que una misma estrategia debe ser empleada en diferentes escenarios, por ejemplo, las pol
ticas de producci
n de dos empresas que compiten en un
o mercado pueden valorarse escalarmente, pero si compiten simult
neamente en a varios mercados debe emplearse la valoraci
n vectorial. o
En un a~o electoral los dos principales partidos pol
ticos se encuentran n
en el proceso de redacci
n de sus programas. Hay una disputa entre las comuo nidades X e Y relativa a ciertos derechos de aguas, y cada partido decide si favorecer a X, a Y o soslayar la cuesti
n. o Los ciudadanos de las restantes comunidades no son indiferentes a la cuesti
n, lo que nos lleva a un juego matricial vectorial, no pudi
ndose sumar o e los resultados de las diversas comunidades, ya que los votos repercuten localmente por comunidad, aunque la elecci
n del programa sea para todas las coo munidades. En la siguiente tabla se representan por las las estrategias del programa A, y por columnas las estrategias del programa B.
1. Favorecer X 2. Favorecer Y 1. Favorecer X v1; 1 v1; 2 2. Favorecer Y v2; 1 v2; 2 3. Soslayar v3; 1 v3; 2
En este caso vi; j es un vector que nos indica en cada componente el porcentaje de votos que se va a obtener en la comunidad correspondiente a esa
1.
componente. N
tese que como las diferentes comunidades tendr
n diferentes o a sensibilidades frente al problema, dicho vector n
merico no podr
reducirse u a a un solo n
mero, por lo que se trata de un juego con pagos vectoriales o u juego multicriterio. En el caso en que las valoraciones en cada comunidad sean complementarias para ambos partidos, el juego ser
de suma nula, si s
lo a o representan aportaciones subjetivas no relacionadas ser
de suma no nula. a Estos ejemplos ponen de mani esto que al analizar los juegos matriciales debemos de comenzar por los juegos bipersonales de suma nula escalares, ya que en ellos la valoraci
n de las estrategias es m
s simple. o a Comenzaremos haciendo una breve descripci
n de los mismos, ya que o
stos han sido los juegos m
s estudiados de toda la teor
a de juegos, v
ase e a
e por ejemplo Owen 1982 71 y Thomas 1984 91 , para un tratamiento m
s a general. Describimos los elementos b
sicos y necesarios para su extensi
n en a o situaciones m
s generales, en especial el concepto de nivel de seguridad, y la a interpretaci
n del valor de un juego cuando
ste va a desarrollarse una sola o e vez, ya que en este caso puede ser m
s interesante considerar la probabilidad a de obtener un cierto pago, lo que llamamos juegos por objetivos. Posteriormente analizamos los juegos de suma nula con pagos vectoriales, donde la di cultad de su an
lisis nace del hecho de que la limitaci
n entre los a o pagos de los jugadores que el teorema minimax establece para juegos escalares no ocurre necesariamente, por lo que es aconsejable recurrir a diferentes conceptos de soluci
n. Introducimos la valoraci
n de las estrategias bas
ndonos en o o a el concepto de nivel de seguridad, de forma similar al caso de juegos escalares. El resultado principal de la secci
n se relaciona con la determinaci
n de o o las estrategias de seguridad no dominadas a trav
s de la programaci
n lineal e o m
ltiple, con lo que conseguimos un paralelismo con el empleo de la prograu maci
n lineal en el caso escalar. Dado que la soluci
n a este modelo viene dada o o en forma de un conjunto de puntos no dominados, la aproximaci
n que haceo mos al problema a trav
s de los juegos multicriterio por objetivos nos permite e un an
lisis m
s rico en estos juegos matriciales, en especial al desear destacar a a alguna soluci
n no dominada por ponderaciones entre las diversas valoraciones o del juego. Vemos tambi
n como los teoremas cl
sicos sobre juegos continuos e a
2.
Los elementos que aparecen en la formulaci n del juego en forma normal o son los siguientes: 1. Un conjunto nito de estrategias puras E1 = fI1 ; I2 ; : : : ; In g; para el jugador I, y un conjunto nito de estrategias puras para el jugador II, E2 = fII1 ; II2 ; : : : ; IIm g. 2. Una matriz real de orden n m, A = aij . Cada elemento de esta matriz aij es el pago para el jugador I cuando elige la estrategia Ii y el jugador II escoge la estrategia IIj . El pago para el jugador II en estas circunstancias es ,aij . Una soluci n de estos juegos especi ca las estrategias ptimas que juo o gadores racionales usar n y el pago que se obtiene con ellas. a La soluci n o soluciones de un juego bipersonal de suma nula pueden o caracterizarse de dos formas: mediante las estrategias de seguridad y con el concepto de punto de equilibrio.
De nici
n 1.1 Para cada estrategia pura Ii 2 E1 , el nivel de seguridad del o jugador I es el pago que puede asegurarse con esa estrategia, prescindiendo de las acciones del jugador II.
vI Ii = min aij j
1.
Para cada estrategia pura IIj 2 E2 , el nivel de seguridad del jugador II es el pago que puede asegurarse con esa estrategia, prescindiendo de las acciones del jugador I. vII IIj = max aij i
De nici
n 1.2 El valor maximin o valor inferior del juego del jugador I es o
vI = max vI Ii = max min aij i i j
Una estrategia de seguridad o estrategia maximin es la que proporciona al jugador su valor maximin. El valor minimax o valor superior del juego del jugador II es vII = min vII IIj = min max aij j j i Una estrategia de seguridad o estrategia minimax es la que proporciona al jugador su valor minimax.
Teorema 1.1 Para cada juego matricial de matriz A = aij se veri ca:
1. Los valores vI y vII son unicos.
2. Existe al menos una estrategia de seguridad para cada jugador. 3. vI vII . en estrategias puras cuando se veri ca que:
Este valor com n se llama valor del juego y es el menor elemento de su la y u el m ximo de su columna. Se denota por v. a pareja de estrategias de seguridad. Dichas estrategias, junto con el valor del juego, constituyen una soluci n del juego. o
cada una de ellas, de 1 mill
n de unidades monetarias u.m. para realizar o publicidad de sus productos en una determinada
rea de mercado. Para su a campa~a pueden utilizar radio, televisi
n y prensa. El efecto esperado que n o producir
n las distintas posibilidades de publicidad viene recogido en la siguiente a tabla. Radio T.V. Prensa No publ. Radio 0 -0.5 0 2.5 T.V. 2 0 1.5 5 Prensa 1 -0.5 0 3.5 No publ. -2 -4 -3 0 Si las empresas pueden invertir en un solo medio publicitario, se observa que el juego tiene un punto de silla, correspondiente a las estrategias consistentes en hacer publicidad en televisi
n. En este caso, el resultado neto que o consiguen ambas empresas es el mismo que conseguir
an si no hiciesen publici
dad ninguna de las dos. Sin embargo, ninguna puede arriesgarse a elegir esta estrategia pues en el caso de que su oponente no la escoja, saldr
a perjudicada.
Las estrategias que proporcionan los puntos de silla no tienen porqu
ser e unicas. Si existen m
s de una pareja son equivalentes, es decir, proporcionan
a el mismo valor del juego. No todos los juegos de suma nula poseen un punto de silla en estrategias puras como puede verse en el siguiente ejemplo.
plo anterior pueden gastar su dinero en diferentes programas en los que se utiliza m
s de un medio publicitario. Si pueden elegir entre tres programas a diferentes, los efectos de las decisiones de ambas empresas vienen recogidos en la siguiente tabla Programa 1 Programa 2 Programa 3 Programa 1 2 4 -2 Programa 2 4 2 -2 Programa 3 -2 -2 3
Ejemplo 1.4 M. Shubik 1955 85 . Supongamos que las empresas del ejem-
1.
En este caso no hay punto de silla, ya que el valor maximin del juego, vI , es -2 y el valor minimax vII es 3.
En los juegos sin punto de silla, si un jugador descubre la estrategia elegida por el otro, este ultimo puede salir perjudicado. Por ello, lo ideal es mantener la elecci n de las estrategias a seguir, fuera del alcance del oponente. o Una forma de conseguir esto consiste en seleccionar las estrategias al azar. Es decir, mezclar las estrategias de acuerdo con alguna distribuci n de probabilio dad en el conjunto de las estrategias puras del jugador.
De nici
n 1.5 Una estrategia mixta para un jugador es una distribuci
n de o o probabilidad en el conjunto de sus estrategias puras.
En general, si un jugador tiene n estrategias puras, una estrategia mixta P para
l, es una n-tupla x = x1 ; : : : ; xn tal que n=1 xi = 1; 0 xi 1, donde e i xi indica la probabilidad con que el jugador seleccionar
su i-
sima estrategia a e pura. El conjunto de estrategias mixtas siempre incluye a todas las estrategias puras porque estas ultimas, pueden considerarse como un caso especial de
estrategia mixta en que la correspondiente estrategia pura se juega con probabilidad 1 y todas las dem
s con probabilidad cero. a Sea A = aij ; 1 i n; 1 j m, la matriz de pagos del juego, X e Y los conjuntos de estrategias mixtas de los jugadores I y II respectivamente.
X = f x 2 Rn : Y = fy 2 Rm :
n X
i=1 m X j =1
xi = 1; xi 0; i = 1; : : : ; ng yj = 1; yj 0; j = 1; : : : ; mg
Para analizar el resultado del juego cuando uno o ambos jugadores utilizan estrategias mixtas, podemos utilizar el concepto de valor esperado. En este caso la funci n de pagos del juego es o
vx; y =
n m XX i=1 j =1
xi aij yj ; x 2 X; y 2 Y
10
que es el valor esperado de conseguir los pagos del juego con la combinaci n de o estrategias mixtas x 2 X , y 2 Y . Los distintos conceptos estudiados en estrategias puras pueden extenderse al caso de las estrategias mixtas.
De nici
n 1.6 Para cada estrategia mixta x 2 X , el nivel de seguridad del o jugador I es el valor esperado que puede asegurarse con esa estrategia, prescindiendo de las acciones del jugador II.
vI x = min vx; y y2Y
Para cada estrategia mixta y 2 Y , el nivel de seguridad del jugador II es el valor esperado que puede asegurarse con esa estrategia, prescindiendo de las acciones del jugador I. vII y = max vx; y x2X
Una estrategia de seguridad o estrategia maximin es la que proporciona al jugador su valor maximin. El valor minimax en estrategias mixtas del jugador II es
M vII = min max vx; y y2Y x2X
Una estrategia de seguridad o estrategia minmax es la que proporciona al jugador su valor minimax.
1.
11
El nivel de seguridad para una estrategia mixta x 2 X viene dado por ^ t Ay; cuya valoraci
n puede obtenerse por medio del problema vI ^ = miny2Y x x ^ o dual del anterior max ^ x s.a. e^ xt A x ^ x 2 X; ^ 2 R ^ x siendo e = 1; : : : ; 1t : Las estrategias que proporcionan los mejores niveles de seguridad son las que veri can
M vI = max vI x x2X
x2X
Podemos realizar el mismo razonamiento para el segundo jugador. Al tratar de minimizar su nivel de seguridad de forma que limite al otro jugador, llegamos a otro problema de programaci n lineal de la forma o min vII s.a. Ay vII e
y2Y
Si comparamos estos dos problemas vemos que son duales, por lo que si ambos tienen soluciones ptimas x , y entonces vI = vII , es decir, las o estrategias optimas se autolimitan en lo que se conoce como teorema minimax.
Teorema 1.3 Teorema Minimax En todo juego bipersonal nito de suma cero, existen estrategias mixtas optimas x 2 X , y 2 Y , para cada jugador y
M M se veri ca vI = vII = v , siendo v el valor del juego.
12
Este resultado pone de mani esto que las estrategias de seguridad optimas
no s
lo optimizan los niveles de seguridad de cada jugador, sino que limitan los o pagos del oponente. El teorema minimax fue demostrado por von Neumann en 1928, y posteriormente se han establecido diversas demostraciones entre las que destaca la de Kakutani de 1941, empleando el teorema del punto jo de Brouwer. Por medio de la teor
a de la dualidad de la programaci
n lineal, como se ha indicado
o anteriormente, y a trav
s del m
todo del simplex se obtienen las estrategias e e o
ptimas de cada jugador y el valor del juego de forma r
pida. a
Ejemplo 1.5 M. Shubik 1955 85 . Consideremos el juego descrito en el ejemplo 1.4. Para encontrar las estrategias optimas, el jugador I debe resolver
el siguiente problema lineal:
max v s.a. 2x1 + 4x2 , 2x3 v 4x1 + 2x2 , 2x3 v ,2x1 , 2x2 + 3x3 v x1 + x2 + x3 = 1 xi 0; i = 1; 2; 3:
Mediante el m
todo del simplex obtenemos la estrategia
ptima del jugador I e o x = 1=4; 1=4; 1=2 y el valor del juego v = 1=2. La estrategia consiste en utilizar la primera estrategia pura con probabilidad 1 4, la segunda estrategia pura con probabilidad 1 4, y la tercera con probabilidad 1 2. Con esta estrategia se obtiene un pago esperado de 1 2.
A veces, las estrategias de uno o m
s jugadores est
n sometidas a resa a tricciones adicionales, dando lugar a los denominados juegos restringidos. Este tipo de juegos permiten una formulaci
n m
s realista y pr
ctica de ciertos o a a problemas de decisi
n bajo incertidumbre. As
, un jugador puede incorporar o
al conjunto de sus estrategias restricciones que representen limitaciones de recursos, relaciones t
cnicas, o considerar la posible informaci
n que un jugador e o posea acerca de la frecuencia relativa con que su oponente utiliza sus estrategias.
1.
13
Charnes 1963 24 estableci
la equivalencia entre ciertos problemas lio neales y los juegos matriciales en los que las estrategias mixtas est
n sometidas a a restricciones lineales. En algunos casos particulares interesantes, el conjunto de restricciones adicionales puede representarse en funci
n de sus puntos exo tremos, lo que permite el tratamiento del problema en t
rminos de un juego e transformado Monroy, 1996 61 , como se ilustra en el siguiente ejemplo.
pagos es:
0 B4 B6 @
max v s.a. 4x1 + 6x2 v 6x1 + 4x2 v 5x3 v x1 + x2 + x3 = 1 xi 0; i = 1; 2; 3: La estrategia ptima para el jugador I es x = 1=4; 1=4; 1=2 y el valor o del juego v = 2:5. Supongamos que la distribuci n de probabilidad sobre el conjunto de las o estrategias puras del jugador I, est sometida a la siguiente ordenaci n a o
lineal
x1 x2 x3 0
y la distribuci
n de probabilidad sobre el conjunto de estrategias puras del juo gador II, est
ordenada de la forma a
y1 y2 y3 0
Los jugadores I y II deben determinar respectivamente
14
siendo
S = fx 2 X : x1 x2 x3 0g T = fy 2 Y : y1 y2 y3 0g
Los conjuntos de estrategias S y T pueden representarse en funci n de o sus puntos extremos como
S = fx 2 X : x = P ;
2 R3 ;
3 X
i=1
3 X
i = 1; i 0; i = 1; : : : ; 3g j = 1; j
T = fy 2 Y : y = P ; 2 R3 ;
j =1
0; j = 1; : : : ; 3g
El problema se transforma en un juego sin restringir cuya matriz de pagos es P t AP , dada por
0 B B @
1 C C A
por lo que las estrategias optimas del juego restringido se obtienen como
x = P = 1; 0; 0
y el valor del juego es v = 10=3.
1.
15
La primera desigualdad establece que x es la mejor respuesta del jugador I a la estrategia y del jugador II, y la segunda establece que y es la mejor respuesta del jugador II a la estrategia x del jugador I. Puede ocurrir que un juego matricial tenga m
s de un punto de equia librio, pero en este caso son intercambiables y equivalentes, es decir, pueden combinarse entre s
para formar un nuevo punto de equilibrio y adem
s todos
a proporcionan el mismo pago. En los juegos de suma nula los conceptos de soluci
n considerados, eso trategias optimas y puntos de equilibrio, son equivalentes
cial, x ; y es un punto de equilibrio del juego si y s
lo si x ; y ; v es una o soluci
n del juego. o
Este resultado establece que las estrategias ptimas forman pares de o estrategias en equilibrio y son los unicos puntos de equilibrio. El teorema 1.4, puede reinterpretarse en t rminos de soluci n de un juego como: e o
16
cionan el mismo valor del juego.
a Hacienda anualmente 4.000.000 u.m. y 12.000.000 u.m. respectivamente. Para cada una de las compa~
as, la empresa puede declarar sus ingresos reales n
y pagar los impuestos correspondientes, o bien falsi car su contabilidad y evitar el pago de impuestos. El servicio de inspecci
n de Hacienda s
lo tiene medios o o para investigar una compa~
a cada a~o. Si investiga una compa~
a con ingren
n n
sos falsos, descubrir
n el fraude, y la compa~
a tendr
que pagar los impuestos a n
a correspondientes m
s una multa que ser
el doble de lo defraudado. Se dea a sea obtener la estrategia
ptima para la inspecci
n de Hacienda, si
sta desea o o e maximizar los ingresos. Las estrategias de Hacienda son: I1 : Investigar la compa~
a A. n
I2 : Investigar la compa~
a B. n
Las estrategias de la empresa son: II1 : Declarar los ingresos reales de A y B. II2 : Declarar ingresos reales de A y falsos de B. II3 : Declarar ingresos reales de B y falsos de A. II4 : Declarar ingresos falsos para A y B. La matriz de pagos en millones de u.m. es
Ejemplo 1.7 Una empresa tiene dos compa~ as, A y B, que, en media, pagan n
I1 16 I2 16
Cuando se generalizan estos resultados, bien a juegos de n personas, con n 2, o bien a juegos de suma no nula, las propiedades de las estrategias en equilibrio, de ser equivalentes e intercambiables se pierden. Es decir, un par de estrategias maximin no tiene que ser necesariamente un par de estrategias
1.
17
en equilibrio, o viceversa. Todos los puntos de equilibrio no proporcionan necesariamente el mismo pago, por lo que no hay un concepto unico de soluci n o del juego.
3.
En este apartado abordaremos el estudio de los juegos bipersonales continuos. En estos juegos cada jugador dispone de un continuo de estrategias puras. Usualmente se las suele asociar con el intervalo 0; 1 . Obviamente, es cierto que existe una biyecci n entre todo conjunto con la cardinalidad del o continuo y el intervalo 0; 1 . Sin embargo, tambi n es cierto que con esta transe formaci n muchas de las propiedades de las funciones de pago del juego original o pueden perderse. Por ello a veces es m s razonable mantener la estructura del a conjunto original de estrategias y estudiar los juegos continuos en sus espacios originales. De cualquier forma, el an lisis detallado de la problem tica de esa a tas transformaciones est fuera del alcance de este libro y en lo que sigue nos a reduciremos a considerar los juegos continuos sobre sus espacios originales. Consideremos dos espacios de estrategias puras X e Y respectivamente para los jugadores I y II. Supongamos que para todo par de estrategias puras x; y 2 X Y tenemos de nida una funci n de pago K x; y, usualmente llao mada n cleo. Una estrategia mixta en este juego ser una medida normalizada u a probabilidad sobre el conjunto de estrategias puras. Supongamos que F respectivamente G es una probabilidad sobre X respectivamente Y , conjunto de estrategias puras del jugador I respectivamente II. Si el jugador I juega su estrategia pura x y el jugador II su estrategia mixta G el valor esperado del juego ser a
E x; G =
donde estamos integrando en el sentido de Lebesgue-Stieltjes con respecto a la medida inducida por G. Si el jugador II juega su estrategia pura y y el jugador I su estrategia mixta F el valor esperado del juego ser a
K x; ydGy
E F; y =
18
Por lo tanto, si el jugador I juega seg n F y el jugador II seg n G, el valor u u esperado del juego vendr dado por: a
E F; G =
donde F G es la medida producto de las medidas F y G de nidas sobre los conjuntos de estrategias puras de cada jugador. Ahora siguiendo el mismo tratamiento que en el caso con un n mero u nito de estrategias puras podremos de nir el valor del juego como el unico valor caso de existir que veri ca:
X Y
K x; ydF G
vI = vII
siendo:
La pregunta l
gica es cu
ndo estos juegos tienen valor y m
s a
n cu
ndo o a a u a existe una estrategia optima. Esto es, establecer cuando existen valores para
los cuales los
n mos y supremos anteriores se alcancen. A ambas cuestiones
es f
cil darle respuesta. En este sentido puede probarse el siguiente teorema a v
ase Owen 1982 71 . e
conjuntos compactos y el n
cleo K es una funci
n continua, entonces: u o 1. vI = vII 2. Los operadores inf sup y sup inf pueden sustituirse por min max y max min.
Adicionalmente, es posible cuestionarse bajo que condiciones puede alcanzarse el valor del juego en estrategias puras. Esta pregunta se responde introduciendo el concepto de juego c
ncavo-convexo. o
es una funci
n convexa en x para cada y jo y c
ncava en y para cada x. o o
1.
19
Para este tipo de juegos, admitiendo adem
s alguna hip
tesis adicional a o de continuidad es posible asegurar la existencia de estrategias
ptimas en eso trategias puras.
juntos de estrategias puras convexos y compactos alcanza el valor del juego en estrategias puras.
Teorema 1.6 Todo juego c ncavo-convexo con n cleo K continuo sobre cono u
4.
Un problema que surge inmediatamente con respecto al concepto de estrategia mixta es su relevancia cuando el juego se juega una sola vez. Esto deriva del hecho de que la noci
n de pago esperado, es decir, la cantidad que o un jugador racional desea maximizar, parece s
lo aplicable a un juego repetido o varias veces. Pero en un juego que se juega una sola vez puede no tener sentido escoger una estrategia, de acuerdo con la distribuci
n de probabilidad asociada. o Una estrategia mixta x proporciona al jugador un valor esperado vx que es una media ponderada y puede aceptarse si dicha estrategia se usa un gran n
mero de veces. Sin embargo, si se utiliza una sola vez la posibilidad de que u el jugador obtenga un valor menor que vx puede ser grande. Si con una estrategia pura Ii se obtiene un valor vIi muy pr
ximo a vx no parece o razonable que el jugador se arriesgue tanto en obtener valores inferiores a uno que tiene seguro, vIi , por aumentar su nivel de seguridad, ya que al realizar el juego una unica vez es posible que salga perdiendo.
Parece, pues, un poco arriesgado el criterio de escoger entre las estrategias mixtas. Ser
a m
s adecuado que el jugador hiciera crecer su nivel de
a seguridad, pero asegur
ndose una ganancia real cada vez que realice el juego. a Nosotros proponemos un nuevo enfoque en el estudio de los juegos, que complementa al estudio tradicional, pues podremos asegurar la consecuci
n o de objetivos en una situaci
n con ictiva con una cierta probabilidad. Esta o perspectiva mejora el desarrollo cl
sico que se apoya en la repetici
n de las a o situaciones, que nunca suelen ser las mismas, ya que los con ictos suelen cambiar cuando cambian las situaciones. Cuando se conoce la probabilidad con
20
que puede ocurrir un resultado, se consigue que los objetivos que se marquen las partes en con icto sean m s realistas. a
De nici
n 1.11 La funci
n de pagos del juego por objetivos para cada par de o o estrategias x 2 X , y 2 Y , viene dada por
vx; y = xt AP y
donde
AP = ij i = 1; : : : ; n j = 1; : : : ; m
ij =
raremos el peor de los casos, es decir, supondremos que el jugador II escoger
a una estrategia y 2 Y que proporcione el valor m
nimo de vx; y. Por ello, para
cada x 2 X , el jugador I obtendr
: a
vx; y es la probabilidad de obtener al menos P en el juego original cuando el jugador I juega su estrategia x 2 X y el jugador II juega su estrategia y 2Y. Como vx; y depende de la estrategia que juegue el jugador II, conside-
n X i=1
xi ij
1.
21
I es la m xima probabilidad de obtener el objetivo P que el jugador I puede a asegurarse prescindiendo de las acciones de el jugador II.
De nici
n 1.12 El nivel de seguridad del juego por objetivos para el jugador o
Viene dado por:
v = max vx = max min vx; y = max min xt AP y x2X x2X y2Y x2X y2Y P para el jugador I, si v = miny2Y xt AP y
El siguiente resultado caracteriza a las estrategias de seguridad de nivel P y proporciona un procedimiento para resolver los juegos de suma nula por objetivos.
dad de obtener al menos el objetivo P vienen dadas por la soluci
n del juego o bipersonal de suma nula cuya matriz de pagos es AP .
xi yj ij
Para cada i = 1; : : : ; n sea Yi la suma de las yj en las columnas que tienen un elemento igual a 1 en la la i-
sima, es decir, e Yi =
m X j =1
yj ij i = 1; : : : ; n
La probabilidad de obtener un pago mayor o igual que P cuando los jugadores utilizan las estrategias x e y es:
n X i=1
xi Yi =
n m XX i=1 j =1
xi yj ij = vx; y
22
lizando la estrategia pura i-
sima de el jugador I, la probabilidad de conseguir e al menos el objetivo P es 1. Si existe j tal que ij = 0 para i = 1; : : : ; n, entonces la probabilidad de conseguir al menos el objetivo P es 0, porque la estrategia pura j -
sima del jugador II impide al jugador I obtener m
s de este e a valor.
pagos
15 8 4 C 7 2 7 C C 4 10 7 C A 7 14 4 11 Supongamos que el jugador I desea conocer la probabilidad de obtener el objetivo P = 6, y las estrategias para lograrlo. La matriz Ap inducida por P = 6 es 1 1 1 0 0 1 1 1 0 y el problema que hemos de resolver es:
0 2 B 10 B B B 8 @
0 B0 B1 B B1 @
0 1 1 1
1 C C C C A
cuya soluci n es v = 2=3 y x = 1=3; 1=3; 1=3; 0, es decir, la probabilidad de o conseguir al menos el objetivo P = 6 es 2 3, y la estrategia de nivel de seguridad P es x = 1=3; 1=3; 1=3; 0. El valor esperado de este juego es v = 7; 67619 que se conseguir a con una probabilidad de 1 2.
max v s.a. x2 + x3 + x4 v x1 + x 2 + x 4 v x1 + x 3 v x2 + x 3 + x 4 v x1 + x2 + x3 + x4 = 1 xi 0; i = 1; 2; 3:
1.
23
24
Algoritmo
El procedimiento contin a hasta la primera vez que se obtenga una mau triz AP con todos los elementos de una la igual a 1. Si esto ocurre para el objetivo P = s , entonces la probabilidad de alcanzar cualquier objetivo P tal que P s es igual a 1. El algoritmo siguiente proporciona los valores de estas probabilidades.
Paso 1: Inicializar todos los elementos de AP a cero. Paso 2: Determinar la posici
n i j correspondiente al mayor elemento en la mao triz A a
n no considerado. Poner un 1 en la posici
n i j de la matriz u o AP . Paso 3: Tiene AP alguna columna con todos los elementos igual a 0? Si: ir al paso 2 No: ir al paso 4 Paso 4: Resolver el juego de suma nula de matriz AP . Escribir la soluci
n. o Paso 5: Tiene AP alguna la con todos sus elementos igual a 1? Si: ir al paso 6 No: ir al paso 2. Paso 6: Fin. Con este procedimiento obtenemos el conjunto de soluciones para todos los objetivos posibles P , y el jugador I escoger
entre ellos seg
n el riesgo que a u quiera asumir.
anterior, cuya matriz de pagos es
0 2 B 10 B B B 8 @
1.
25
2, 2,4 , 4,7 , 7,8 , 8,10 , 10,11 , 11,14 , 14,15 Las probabilidades de obtener los objetivos que pertenecen a cada segmento y el correspondiente conjunto de estrategias de seguridad de nivel P son: Segmento Probabilidad Conjunto 2 1 X 2,4 1 convf0,0,1,0,0,0,0,1g 4,7 23 convf1 3,1 3,1 3,0,1 3,0,1 3,1 3g 7,8 12 f0,0,1 2,1 2g 8,10 13 f0,1 3,1 3,1 3g 10,11 0 X 11,14 0 X 14,15 0 X donde convfa,bg es el cierre convexo de los vectores a,b. Gr camente a
6
1
23 12 13
7 8
10
15
Observemos que el jugador I obtendr al menos el objetivo P = 7 con a probabilidad 2=3; 8x 2 convf1=3; 1=3; 1=3; 0; 1=3; 0; 1=3; 1=3g; 8y 2 Y .
26
Sin embargo, la probabilidad de conseguir el objetivo P = 9 es 1=3 con x = 0; 1=3; 1=3; 1=3; 8y 2 Y:
N
tese que para los juegos con n
cleo continuo tratados en la secci
n 3 o u o tambi
n ser
a posible de nir objetivos y su correspondiente an
lisis como juego e
a por objetivos. Todos los argumentos expuestos anteriormente ser
an v
lidos
a P a trav
s de la sin m
s que de nir para un objetivo P un nuevo n
cleo K a u e expresi
n: o P x; y = 0 si K x; y P K 1 si K x; y P: Sin embargo, ahora no es posible asegurar el teorema minimax, ni tan siquiera la existencia de estrategias
ptimas puesto que con esta de nici
n el nuevo o o n
cleo deja de ser continuo y no podr
amos aplicar los resultados expuestos u
previamente en esta secci
n. Es por tanto una cuesti
n interesante el estudio o o de los juegos continuos por objetivos.
Los juegos en los que los pagos que reciben los jugadores vienen representados por vectores en lugar de por n
meros reales, se les denomina juegos u vectoriales, juegos multicriterio o juegos con pagos m
ltiples. u En estos juegos, si no hay cooperaci
n entre los jugadores, como ocurre o en el caso de suma nula, se a~ade la di cultad de la no existencia de un orden n total entre los elementos que de nen la matriz de pago, por lo que la valoraci
n o de las estrategias y la comparaci
n entre las mismas es un problema adicional o que presenta la teor
a de juegos, siendo el concepto de soluci
n cl
sica de un
o a juego dif
cil de desarrollar.
En un juego escalar toda estrategia pura puede recorrer un conjunto de valores, y entre ellos hay uno m
s desfavorable: a 0 2 1 0 La primera estrategia pura del jugador I tiene asociados los valores 0 y 2, siendo el 0 una valoraci
n pesimista de dicha estrategia. o
28
En un juego vectorial la estrategia pura toma un conjunto de valores vectoriales y entre ellos no tiene por qu existrir uno m s desfavorable: e a
La primera estrategia del jugador I tiene asociados los valores 0; 0 y 2; ,1, pero no podemos destacar ninguno de ellos como valoraci
n pesimista o de dicha estrategia. Por esta raz
n han aparecido nuevos conceptos de soluci
n. En este o o sentido, el concepto de estrategia de seguridad Pareto-
ptima es muy imporo tante para la resoluci
n de juegos con pagos m
ltiples, utilizando conceptos de o u soluci
n basados en los niveles de seguridad de los jugadores. o As
, Ghose y Prassad 1989 41 de nen puntos de equilibrio con niveles
de seguridad Pareto-
ptimos y puntos de silla de Pareto. Para determinar o el conjunto de estrategias de seguridad Pareto-
ptimas establecen dos juegos o escalares, uno para cada jugador, y prueban que las estrategias maximin y minimax de estos juegos son estrategias de seguridad Pareto-
ptimas para el o jugador correspondiente. Ghose 1991 42 obtiene las estrategias de seguridad Pareto-
ptimas o de un juego vectorial de suma nula por medio de la escalarizaci
n del juego o original. Demuestra, mediante un largo proceso, que una extensi
n del conjunto o formado por los vectores de nivel de seguridad es un conjunto poli
drico. A e partir de este resultado, establece que una escalarizaci
n estrictamente positiva o es una condici
n necesaria y su ciente para obtener una estrategia de seguridad o Pareto-
ptima para tales juegos. o En este cap
tulo obtenemos la misma escalarizaci
n como un caso par
o ticular de un enfoque m
s general, realizado a trav
s de un procedimiento a e alternativo que simpli ca, en gran manera, las demostraciones establecidas por estos autores. Por medio de la programaci
n lineal multiobjetivo, obtenemos o todas las estrategias de seguridad Pareto-
ptimas como soluciones e cientes de o problemas lineales multiobjetivo.
2.
29
2.
Concepto de soluci n o
Consideramos un juego nito bipersonal, de suma nula en forma normal. Sea A = aij , 1 i n; 1 j m, la matriz de pago del juego. Cada elemento aij de la matriz es un vector de dimensi n k, o
X = fx 2 Rn : Y = fy 2 Rm :
n X
i=1 m X j =1
xi = 1; xi 0; i = 1; : : : ; ng
yj = 1; yj 0; j = 1; : : : ; mg
De nici
n 2.1 El pago esperado del juego cuando los jugadores escogen sus o estrategias mixtas x 2 X e y 2 Y , respectivamente, viene dado por:
vx; y = xt Ay = v1 x; y; : : : ; vk x; y
donde
vs x; y = xt Asy s = 1; : : : ; k
Dado que una estrategia debe ser valorada por un conjunto de vectores, podemos dar una unica valoraci
n, al considerar que el oponente puede actuar
o en cada coordenada de la matriz A de modo independiente, y ofrecer el vector que se asegura el jugador, aunque realmente obtenga valores superiores. As
, la
primera estrategia del ejemplo anterior estar
a valorada por el vector 0; ,1,
que aunque no es un valor del juego, es la menor cantidad que puede obtener en cada objetivo, por lo que es un nivel de seguridad.
30
de seguridad para dicho jugador es el pago que puede garantizarse, con esa estrategia, en cada juego escalar inducido por el juego vectorial. An logamente a para el jugador II.
Los vectores de niveles de seguridad de los jugadores I y II son respectivamente: vx = v1 x; : : : ; vk x vy = v1 y; : : : ; vk y donde vs x = min vs x; y = min xt Asy y 2Y y2Y
tablecen la de nici n de estrategia de seguridad Pareto- ptima que en nuestra o o notaci n es como sigue: o
vs y = max vs x; y = max xt Asy x2X x2X Observemos que dada una estrategia x 2 X del jugador I, cada componente del vector de nivel de seguridad vs x, s = 1; : : : ; k pueden obtenerse con distintas estrategias y 2 Y del jugador II. Ghose y Prassad 1989 41 , es-
De nici
n 2.3 Una estrategia x 2 X es una estrategia de seguridad Paretoo 6 o
ptima para el jugador I si no existe x 2 X , tal que vx vx; v x = vx. 2 Y es una estrategia de seguridad Pareto-
ptima para el Una estrategia y o vy; v y = vy. jugador II si no existe y 2 Y tal que vy 6 2.1. Procedimiento de resoluci
n o Dada una estrategia x 2 X , el nivel de seguridad s-
simo del jugador I e
vs x = min vs x; y = min xt Asy y 2Y y2Y
El problema a resolver, es un problema lineal escalar, por tanto tiene una soluci
n
ptima entre los puntos extremos del poliedro Y. Por ello, podemos o o expresar n X v s x = 1jm xi aij s min
i=1
2.
31
o matricialmente:
A continuaci
n, introducimos el siguiente problema de programaci
n lio o neal multiobjetivo, denominado el problema lineal del juego multicriterio. PLJM : max v1 ; : : : ; vk s.a. xt As vs ; : : : ; vs s = 1; : : : ; k Pn x = 1 i=1 i x0
o
ptima y v = v1 ; : : : ; vk su vector de nivel de seguridad asociado si y s
lo si o v ; x es una soluci
n e ciente del problema PLJM . o
Demostraci
n: Sea x 2 X una estrategia de seguridad Pareto-
ptima, eno o vx; vx = vx, o tonces no existe otra estrategia x 2 X tal que v x 6
equivalentemente: min xt A1; : : : ; min xt Ak min xt A1; : : : ; min xt Ak min xt A1; : : : ; min xt Ak 6= min xt A1; : : : ; min xt Ak De aqu
, x 2 X es una soluci
n e ciente del problema
o max min xt A1; : : : ; min xt Ak x2X y este problema es equivalente a PLJM : max v1 ; : : : ; vk s.a. xt As vs ; : : : ; vs s = 1; : : : ; k Pn x = 1 i=1 i x0 Rec
procamente, supongamos que una soluci
n e ciente v ; x del pro
o blema PLJM no es una estrategia de seguridad Pareto-
ptima, entonces o existe x 2 X tal que min xt A1; : : : ; min xt Ak min xt A1; : : : ; min xt Ak
32
min xt A1; : : : ; min xt Ak 6= min xt A1; : : : ; min xt Ak Sea v = v 1 ; : : : ; v k , donde vs = min xt As, s = 1; : : : ; k, el vector v; x es una soluci n del problema PLJM que domina a v ; x , en contra o de ser una soluci n e ciente de dicho problema. o 2 Este resultado es muy importante por varias razones. En primer lugar pone de mani esto que, al igual que la programaci n lineal se utiliza para o obtener las estrategias optimas y el valor de los juegos escalares bipersonales de suma nula, de la misma forma puede utilizarse la programaci n lineal multiobo jetivo para resolver los juegos bipersonales de suma nula con pagos vectoriales, siempre que se considere el concepto de estrategia de seguridad Pareto- ptima o como soluci n de los mismos. o En segundo lugar, hay que hacer notar que, como es usual en los problemas lineales multiobjetivo, a partir de las soluciones e cientes extremas, se obtienen todas las estrategias de seguridad Pareto- ptimas. o
0 B 1; 3 B 3; 1 @
2.
33
v2 ; x2 = 9=5; 9=5; 2=5; 2=5; 1=5 v3 ; x3 = 1; 2; 1=2; 0; 1=2 y el conjunto de todas las estrategias de seguridad Pareto-
ptimas para el juo gador I es: convf0; 1=2; 1=2; 2=5; 2=5; 1=5g convf2=5; 2=5; 1=5; 1=2; 0; 1=2g
de Pareto para el juego vectorial si vx = vy.
De nici
n 2.5 x 2 X es una estrategia ideal para el jugador I si x maximiza o v s x, 8s = 1; : : : ; k. y 2 Y es una estrategia ideal para el jugador II si y minimiza vs y; 8s = 1; : : : ; k.
Sin embargo, la existencia de estrategia ideal para un jugador no implica la existencia de punto de silla de Pareto para el juego vectorial, puesto que los niveles de seguridad de cada juego escalar As; s = 1; : : : ; k, se pueden obtener con estrategias diferentes del otro jugador.
silla de Pareto para los jugadores I y II si y s
lo si x e y son estrategias o ideales para los jugadores I y II respectivamente. 1989 41 , cuya matriz de pagos es
2; 3 3; 2 4; 1 2; 3 La estrategia x = 2=3; 1=3 del jugador I, y la estrategia y = 1=3; 2=3 del jugador II forman un punto de silla de Pareto para este juego. Adem s a ambas estrategias son estrategias ideales para el jugador I y el jugador II respectivamente.
34
Teorema 2.2 Una estrategia x 2 X es una estrategia de seguridad Paretoo ptima y v su vector de nivel de seguridad asociado si y s lo si existe 2 0 o
2.
35
o ptima y v su vector de nivel de seguridad asociado si y s lo si v ; x es una o soluci n e ciente del problema PLJM , y esto equivale a que existe 2 0 o tal que v ; x es una soluci n optima del problema P . o 2 Cada estrategia de seguridad Pareto- ptima x est asociada con un o a 0 , tal que v ; x es una soluci n ptima del conjunto poli drico x e o o . Si v ; x es una soluci n e ciente extrema del problema P , 8 2 x o PLJM el conjunto de pesos asociado es: x = f 2 : t C , Z x 0g
donde C , Z x es la matriz de costes reducidos asociada con la estrategia x . El conjunto x puede considerarse como una regi
n de sensibilidad o ya que cambios peque~os en los par
metros no cambian la estrategia
ptima n a o cuando esta regi
n tiene interior relativo no vac
o. Las regiones asociadas con o
las soluciones e cientes extremas del PLJM inducen una partici
n en 0 , y o en el conjunto de las estrategias de seguridad Pareto-
ptimas de los jugadores. o Sea Xep el conjunto de los pares formados por las estrategias de seguridad Pareto-
ptimas del jugador I y su nivel de seguridad asociado an
logamente o a para el jugador II, Yep , es decir
un problema lineal, tiene al menos un punto extremo x de su regi n factible o 0 2 x por lo que x 2 H x . que tambi n es soluci n optima. Por tanto, e o
Demostraci n: Sea x una estrategia de seguridad Pareto- ptima, por el teoo o 0 2 0 tal que x es una soluci n de P 0 . Al ser P 0 rema 2.2, existe un o
36
2.
37
PMP ! : max min !1 v1 ; : : : ; !k vk s.a. xt As vs ; : : : ; vs s = 1; : : : ; k Pn x = 1 i=1 i x0 con ! 2 = f! 2 Rk : ! 0g: Este problema puede expresarse equivalentemente como: max z s.a. xt As vs ; : : : ; vs s = 1; : : : ; k !s vs z s = 1; : : : ; k Pn x = 1 i=1 i x0 con z 2 R. A continuaci
n establecemos un teorema que caracteriza las estrateo gias de seguridad Pareto-
ptimas en funci
n de las soluciones del problema o o PMP !.
o
ptima para el jugador I, en el juego vectorial si y s
lo si v ; x es una soluci
n o o 0 con ! 0 2 o
ptima del problema PMP !
v ; x es una soluci n optima del problema PMP !0 . Por el teorema 2.1, es o es una estrategia de seguridad Pareto- ptima del jugador equivalente a que x o I en el juego original. 2
Demostraci n: Yano y Sakawa 1989 99 , establecen que v ; x es una o soluci n e ciente del problema PLJM si y s lo si existe !0 2 tal que o o
3.
En este apartado abordaremos el estudio de los juegos bipersonales continuos multiobjetivo. Para ello utilizaremos como punto de partida los conceptos
38
de soluci n que se basan en niveles de seguridad y concretamente las estrategias o de seguridad Pareto- ptimas. o Consideremos un juego bipersonal en forma normal con vector de pagos K = K1 ; : : : ; Kp , donde cada Kj es una funci n Kj : Rn Rm ,! R convexa o en x y c ncava en y, siendo K x; y el pago recibido por el jugador I II del o jugador II I cuando el jugador I II toma la estrategia xy. En este problema los espacios de estrategias para los jugadores I y II vienen dados por: ,1 = fx 2 C1 : pi x 0; i = 1; : : : ; sg ,2 = fy 2 C2 : qj y 0; j = 1; : : : ; tg donde C1 Rn y C2 Rm son conjuntos convexos y pi ; i = 1; : : : ; s y qj ; j = 1; : : : ; t son funciones convexas. En lo que sigue, siempre supondremos que ,1 and ,2 son conjuntos compactos. Cada estrategia x 2 ,1 respectivamente y 2 ,2 de ne sus niveles de seguridad K l x respectivamente K l y como el vector de pagos K cuando II respectivamente I act a de la mejor forma posible frente a la estrategia x u respectivamente frente a y, Ghose y Prasad 1989 41 . Por lo tanto,
l = 1; : : : ; p l = 1; : : : ; p
De nici n 2.6 Una estrategia x 2 ,1 es una estrategia de seguridad Paretoo o ptima para I si 6 9x 2 ,1 tal que K x K x; K x 6= K x.
2.
39
Este concepto tiene buenas propiedades en el caso de que el n cleo K sea u bilineal. Sin embargo, en el caso no lineal algunas soluciones e cientes presentan comportamientos poco deseables con respecto a su estabilidad. Por esta raz n, introduciremos una modi caci n del concepto de estrategia de seguridad o o Pareto- ptima, basada en la consideraci n de estrategias propiamente e cientes o o Khun y Tucker 1951 55 . Sea f una funci n convexa y denotemos por @f x el conjunto subdifeo rencial de la funci n f en x. o
que
De nici
n 2.7 Una estrategia x 2 ,1 es de seguridad propiamente Paretoo o
ptima para el jugador I si x es Pareto-
ptima y adem
s no existe h 2 Rn tal o a
h i ; hi 0; 8 i 2 @K i x ; para todo i = 1; : : : ; p u h l ; hi 0; 8l 2 @K l x ; para alg
n l
y
Ambos conceptos est n muy relacionados porque toda estrategia de sea guridad propiamente Pareto- ptima es tambi n Pareto- ptima. Adem s, proo e o a baremos a continuaci n, que cuando K es un n cleo bilineal ambos conceptos o u coinciden.
mente para los jugadores I y II. Entonces, una estrategia x0 para el jugador I es de seguridad Pareto- ptima si y s lo si es una estrategia de seguridad o o propiamente Pareto- ptima. o
Proposici n 2.1 Sea un juego bipersonal con pagos m ltiples Klx; y = xt Al y; o u nm y con espacios poli dricos de estrategias ,1 , ,2 respectivadonde Al 2 R e
juego matricial multicriterio. Para estos juegos hemos probado que x0 es una estrategia de seguridad Pareto- ptima y v 2 Rp es su vector de niveles de seo 0 es una soluci n e ciente de un determinado problema guridad si y s lo si v; x o o lineal m ltiple v ase el teorema 2.1. Entonces, v; x0 es una soluci n e ciente u e o
40
de ese problema si y s
lo si es propiamente e ciente v
ase Sawaragi y otros o e 1985 77 . As
pues, de la de nici
n 2.7 se sigue que x0 es una estrategia de
o seguridad propiamente Pareto-
ptima para el juego y adem
s v es su vector de o a niveles de seguridad. 2 Para la determinaci
n de la estrategia de seguridad propiamente Paretoo o
ptima utilizaremos procedimientos de escalarizaci
n. Con este n, introducio mos el siguiente problema escalar, Pw: max
p X
donde w 2 W = fw 2 Rp : w 0;
Pp w = 1g. l=1 l
x 2 C1
P w .
Teorema 2.5 Una estrategia x 2 ,1 es de seguridad propiamente Paretoo ptima si y s lo si existe w 2 W tal que x es soluci n optima del problema o o Demostraci n. Usando la de nici n 2.7, x es una estrategia de seguridad o o
propiamente Pareto- ptima si y s lo si x es una soluci n propiamente e ciente o o o del siguiente problema multiobjetivo no lineal que denominaremos problema del juego multicriterio PJM PJM: max K 1 x; : : : ; K p x s:a : pi x 0; i = 1; : : : ; s
x 2 C1 ;
px = 0 P P 0 2 p=1 wi @K i x + s=1 @pi x + NC1 x i i i Ahora bien, puesto que K es c ncava, p son funciones convexas y C1 es un o conjunto convexo estas condiciones son equivalentes a que x sea una soluci n o . o ptima de P w 2
2.
41
Aunque en general, la caracterizaci
n de las estrategias de seguridad o propiamente Pareto-
ptimas depende de las funciones K i , se pueden obtener o caracterizaciones alternativas que no dependen expl
citamente de las mismas.
Denotemos por convA a la envolvente convexa de los elementos de A.
Teorema 2.6 Consideremos un juego con pagos vectoriales K = K1; : : : ; Kp y espacios de estrategias ,1 , ,2 respectivamente para los jugadores I y II. Supongamos adem
s que Kl x; y es una funci
n convexa en x y c
ncava en a o o 2 es un conjunto convexo y compacto. Eny para todo l = 1; : : : ; p y que , tonces x 2 ,1 es una estrategia de seguridad propiamente Pareto-
ptima para o 2 W , 2 Rs tales que px = 0 y el jugador I si y s
lo si existen w o +
02
p X i=1
s X i=1
Demostraci
n. Por el teorema 2.5 x es una estrategia de seguridad propiao mente Pareto-
ptima si y s
lo si 9w 2 W; 2 Rs tal que o o +
px = 0 P P 0 2 p=1 wi @K l x + s=1 @pi x + NC1 x i i i
El problema es calcular el conjunto subdiferencial de K l en x . Por hip
tesis o 2 es un conjunto convexo y K ; y son funciones c
ncavas para todo x 2 ,1 , , o l por tanto K l x es c
ncava y Kl ; y es una funci
n localmente lispchitziana. o o 2 es un conjunto compacto y aplicando el Teorema 5N en Rockafellar Adem
s , a 1979 75 tenemos
De la misma forma pueden darse condiciones aunque ahora s lo neceo sarias para que una estrategias sea de seguridad Pareto- ptima para uno de o los jugadores.
42
Teorema 2.7 Si una estrategia x 2 ,1 es de seguridad Pareto-
ptima para o 2 W = fw 2 Rp : w 0; Pp wl = 1g tal que el jugador I entonces existe w l=1
x es una soluci
n
ptima del problema P w . o o
La demostraci
n es similar a la del teorema previo aunque ahora no se puede o obtener la condici
n su ciente sin imponer restricciones de cuali caci
n sobre o o el problema multiobjetivo asociado con la de nici
n de estrategia de seguridad o Pareto-
ptima. o
siguientes funciones de pago,
K2 x; y =
Podemos interpretar este juego como una competici n entre dos rmas o por un unico mercado en dos escenarios diferentes. La inversi n de cada rma o en cada escenario es de una unidad monetaria. Es f cil obtener los niveles de a seguridad para el jugador II siendo estos:
K 1 x =
K 2 x =
De donde es f cil deducir que el conjunto de estrategias de seguridad propiaa mente Pareto- ptimas del jugador II es el intervalo 2=5; 3=5 Figura 2.1. o
La importancia de los conceptos de soluci
n basados en e ciencia y niveo les de seguridad se ha puesto de mani esto en diferentes publicaciones como por ejemplo en 38 , 41 y 42 . Sin embargo, es necesario dar buenos procedimientos de c
mputo para tales soluciones. El teorema 2.5 da una caracterizaci
n o o para ello. Ahora bien, otra v
a consiste en de nir juegos escalares asociados
tales que la soluci
n minimax de los mismos sea la estrategia de seguridad o propiamente Pareto-
ptima buscada. Como consecuencia del teorema 2.5 proo baremos que el hecho de ser un punto de silla de cierto juego escalar de suma nula es una condici
n necesaria y su ciente para que una estratregia sea de o seguridad propiamente Pareto-
ptima. o
2.
43
K 2 x
K 1 x
25 35 Figura 2.1. Estrategias de seguridad propiamente Pareto- ptimas del jugador o II Sean x; y dos estrategias de seguridad propiamente Pareto- ptimas para o los jugadores I y II respectivamente. Puesto que los vectores de niveles de seguridad K x; K y deben dominar cada pago se veri ca que:
K x; y; w =
p X l=1
wl Kl x; yl
donde y = y1 ; : : : ; yp siendo yl 2 ,2 ; l = 1; : : : ; p y w = w1 ; : : : ; wp 2 W . Denominemos este juego por J w. Puesto que J w es un juego escalar, la de nici n usual de estrategia o maximin ve se Owen 1982 71 es la cl sica para ambos jugadores. Entonces a a se tiene el siguiente resultado.
44
nula, x es una estrategia maximin del juego J w si y s lo si es una soluci n o o o ptima del problema
Teorema 2.8 Una estrategia x 2 ,1 es de seguridad propiamente Paretoo
ptima si y s
lo si existe w 2 W tal que x es soluci
n maximin de J w . o o Demostraci
n. Utilizando el hecho de que J w es un juego escalar de suma o
w K x; yl ; x2, y1 ;::: ;y 2,2 p l=1 l l
max 1 max x2,1
p X l=1
min p
p X
p X l=1
wl K l x:
Esta ultima formulaci n es equivalente a P w , entonces x es una estrategia o si y s lo si x es una soluci n ptima de P w . maximin para J w o o o 2 Este resultado ya fue mostrado para estrategias de seguridad Paretoo ptimas en juegos matriciales multicriterio, lo que pone una vez m s de mania esto las similitudes entre estrategias de seguridad propiamente Pareto- ptimas o para juegos multicriterio c ncavo-convexos y estrategias de seguridad Paretoo o ptimas en juegos matriciales.
4.
En esta secci
n, extendemos los resultados obtenidos para juegos eso calares al caso de juegos con pagos m
ltiples. Con ello, proponemos una nueva u metodolog
a para estudiar los juegos vectoriales, analizando el pago que puede
alcanzar un jugador y la probabilidad que tiene de lograrlo. Sea P = P1 ; : : : ; Pk un vector de objetivos o niveles de satisfacci
n, o uno por cada juego escalar, establecido por el jugador I. Consideremos que dicho jugador desea escoger una estrategia de forma que en cada juego escalar obtenga un pago de al menos Ps
de pagos del juego vectorial por objetivos viene dada por:
2.
45
donde
8 s = 1; : : : ; k:
Asociado con cada estrategia del jugador I, existe un nivel de seguridad por objetivos en cada uno de los juegos escalares que forman el juego vectorial.
De nici
n 2.9 Para cada estrategia x 2 X , el nivel de seguridad por objetivos o de cada juego escalar inducido por el juego vectorial es la probabilidad que puede garantizarse el jugador de alcanzar al menos el nivel Ps con esa estrategia en dicho juego.
Dado x 2 X el vector de nivel de seguridad para los objetivos P es
P P vP x = v1 x; : : : ; vk x
siendo
P P vs x = min vs x; y = min xt AP sy = 1jm min y2Y y2Y
n X i=1
xi s s = 1; : : : ; k ij
De forma an loga puede determinarse el vector de nivel de seguridad por a objetivos para el jugador II, a partir de los objetivos que ste considere. Vamos e a establecer el concepto de soluci n para juegos vectoriales, basado en el nivel o de seguridad por objetivos.
P vs x; s = 1; : : : ; k; es la probabilidad de alcanzar al menos el nivel Ps en el juego escalar de matriz As; s = 1; : : : ; k cuando el jugador I utiliza la estrategia x. Observemos que dada una estrategia x 2 X del jugador I, P los niveles de seguridad vs x, s = 1; : : : ; k, pueden obtenerse con distintas estrategias y 2 Y del jugador II.
vP x.
De nici n 2.10 Una estrategia x 2 X es una estrategia de seguridad de nivel o P para el jugador I, si no existe x 2 X , tal que vP x vP x; vP x = 6
46
Debido a que estamos estudiando juegos con pagos vectoriales, el concepto de soluci n anterior se basa en la optimalidad de Pareto, es decir, una o componente de vP x tomar un valor mejor s lo si otra toma un valor peor. a o El conjunto de estrategias de seguridad de nivel P se determina como soluciones e cientes de un problema lineal multiobjetivo particular.
Al resolver un juego vectorial por medio de la programaci n lineal mulo tiobjetivo, el jugador se encuentra con un conjunto de estrategias de seguridad de nivel P entre las que tiene que escoger la que va a jugar. Para caracterizar dicha estrategia existen distintos procedimientos como se ha indicado en la secci n 2.2. o Si consideramos el problema lineal ponderado P asociado al problema lineal del juego multicriterio por objetivos, el jugador I puede establecer valores para los pesos de dicho problema de diferentes formas. Puede considerar las metas que ha establecido en cada juego escalar, o bien la probabilidad de alcanzarlas, o incluso las desviaciones respecto de estas metas. En el caso en que los objetivos no est n medidos en las mismas unidades pueden modi carse e multiplicando por un factor de equiparaci n de rangos. o
2.
47
Conocidos los pesos, la funci n objetivo del problema P est perfeco a tamente determinada. Si el jugador considera como pesos los valores de los objetivos, s = Ps , s = 1; : : : ; k; dicha funci n es precisamente la esperanza o de los objetivos Ps . De esta forma, el jugador I escoger la estrategia que le a proporcione mayor esperanza en los objetivos, es decir la soluci n del problema o lineal escalar dado por: max P1 v1 + + Pk vk s.a. xt AP s vs ; : : : ; vs s = 1; : : : ; k Pn x = 1 i=1 i x0 A continuaci n, consideremos la escalarizaci n dada mediante el proo o blema maximin ponderando PMP ! asociado al problema lineal del juego multicriterio por objetivos, JMOP . En este caso, si el jugador I escoge !s = Ps , s = 1; : : : ; k, la soluci n ptima del problema escalar o o max min P1 v1 ; : : : ; Pk vk s.a. xt AP s vs ; : : : ; vs s = 1; : : : ; k Pn x = 1 i=1 i x0 determina una estrategia de seguridad de nivel P que comparte el riesgo de obtener los objetivos Ps , s = 1; : : : ; k, entre todos ellos.
0 B 1; 3 B 3; 1 @
1 C C A
Sea P = 3,2 un vector de objetivos jado por el jugador I. Las matrices AP 1 y AP 2 que induce el objetivo P son
0 B0 AP 1 = B 1 @
0 0 0 1
1 C C A
0 B1 AP 2 = B 0 @
0 1 0 1
1 C C A
48
Para obtener todas las estrategias de seguridad de nivel P para el jugador I, resolvemos el siguiente problema lineal multiobjetivo
max v1 ; v2 s.a. x2 v1
x3 v1 x1 v2 x2 + x3 v2 P3 x = 1 i=1 i x 0; v1 ; v2 2 R
Las soluciones e cientes extremas son: v1 ; x1 = 1=4; 1=2; 1=2; 1=4; 1=4 = 1=2; 0; 0; 1=2; 1=2; y el conjunto de las estrategias de seguridad de nivel P para el jugador I es
v2 ; x2
x3 v1 x1 v2 x2 + x3 v2 P3 x = 1 i=1 i x 0; v1 ; v2 2 R
y es
2.
49
max z s.a. x2 v1
y es,
mij s =
8 s = 1; : : : ; k
50
n X i=1
Teorema 2.10 Sea v ; x una soluci
n e ciente del problema JMOP . Si o
x mij s h s; j = 1; : : : ; m; 8s = 1; : : : ; k i j
donde h s, j = 1; : : : ; m, son las variables de holgura de la soluci
n e ciente o j ; x es una soluci
n e ciente del problema del problema JMOP , entonces v o JMOP .
0
x 0:
donde h s = n=1 x mij s , vs j = 1; : : : ; m. Estas expresiones pueden j i i escribirse de la forma xt M s xt AP s , vs ; : : : ; vs s = 1; : : : ; k
de donde
vs ; : : : ; vs xt AP s , xt M s = xt AP s , M s = xt AP s; 8s = 1; : : : ; k:
0
n X i=1
x = 1; x 0 i
0
Lo que implica que v ; x es una soluci n e ciente del problema JMOP . o
2.
51
2 Supongamos ahora que los objetivos Ps , s = 1; : : : ; k, disminuyen a los nuevos valores Ps0 , s = 1; : : : ; k. En este caso, la matriz AP s inducida por Ps0 , s = 1; : : : ; k, tiene m
s elementos iguales a 1 que la matriz AP s, a s = 1; : : : ; k, lo que signi ca que el conjunto factible del problema aumenta. Por ello, si v ; x es una soluci
n e ciente del problema asociado a los objetivos o Ps seguir
siendo factible para el problema asociado a los objetivos Ps0 , pero a puede dejar de ser e ciente. Para ver si v ; x es soluci
n e ciente del nuevo o problema efectuamos un test de e ciencia. Sea AP s la matriz inducida por Ps0 , s = 1; : : : ; k. El nuevo problema es JMOP : max v1 ; : : : ; vk s.a. xt AP s vs ; : : : ; vs s = 1; : : : ; k Pn x = 1 i=1 i x0
0 0 0 0
Podemos expresar AP s = AP s + M s, s = 1; : : : ; k, donde M s = mij s es una matriz cuyos elementos son
0
mij s =
8 s = 1; : : : ; k
El problema JMOP puede expresarse max v1 ; : : : ; vk s.a. xt AP s + M s vs ; : : : ; vs s = 1; : : : ; k Pn x = 1 i=1 i x0
el problema lineal escalar
Teorema 2.11 Sea v; x una soluci
n e ciente del problema JMOP . Si o
max t1 + t2 + : : : + tk s.a. xt AP s + M s vs ; : : : ; vs s = 1; : : : ; k vs , ts = vs s = 1; : : : ; k Pn x = 1 i=1 i x 0; ts 0; s = 1; : : : ; k
52
tiene un valor
ptimo igual a cero entonces v ; x es una soluci
n e ciente o o del problema JMOP
0
Demostraci
n: Si el valor
ptimo de la funci
n objetivo es cero, entonces o o o ti = 0; 8i = 1; : : : ; k. Aplicando el test de e ciencia esto signi ca que la
2
Supongamos que el jugador I no puede indicar los objetivos que quiere alcanzar en la realizaci
n del juego. En este caso, el conjunto de todos los o objetivos posibles, llamado espacio de objetivos, puede descomponerse en regiones en las que los objetivos que pertenecen a ellas, se alcanzan con la misma probabilidad. Es decir, podemos obtener el conjunto de soluciones e cientes del problema JMOP para cualesquiera objetivos P en el espacio de objetivos. Para determinar estos conjuntos aplicamos el teorema 2.10 reiteradamente. A partir de las soluciones e cientes obtenidas para unos objetivos determinados, podemos obtener las soluciones e cientes del nuevo problema.
para este juego es
An logamente al caso escalar, consideramos los elementos diferentes de las a matrices A1 y A2 ordenados en orden creciente. Las regiones que forman la partici n del espacio de objetivos son o
= = = =
2.
53
P2
6
R23 R22 R21
2
R13
2
R12 R11 1
1
P1
Estas regiones corresponden a rect ngulos, segmentos y un punto. Dea notamos por Si;j el conjunto de soluciones e cientes del problema JMOP para P 2 Rij ; i; j = 1; 2; 3. En el ejemplo, estos conjunto son:
S3;3 = convf1=3; 1=3; 1=3; 1=3; 1=3; 0; 1=2; 1=2; 0; 1=2g convf1=3; 1=3; 1=3; 1=3; 1=3; 1=2; 0; 0; 1=2; 1=2g convf0; 1=2; 1=2; 0; 1=2; 1=2; 0; 0; 1=2; 1=2g S3;2 = convf1=4; 1=2; 1=2; 1=4; 1=4; 1=2; 0; 0; 1=2; 1=2g S3;1 = f1=2; 1; 0; 1=2; 1=2g S2;3 = convf1=2; 1=4; 1=4; 1=2; 1=4; 0; 1=2; 1=2; 0; 1=2g S2;2 = f1=2; 1=2; 1=2; 1=2; 0g S2;1 = convf1=2; 1; 1=2; 1=2; 0; 1=2; 1; 0; 1=2; 1=2g S1;3 = f1; 1=2; 1=2; 0; 1=2g S1;2 = convf1; 1=2; 1=2; 0; 1=2; 1; 1=2; 1=2; 1=2; 0g S1;1 = convf1; 1; 1; 0; 0; 1; 1; 0; 1; 0; 1; 1; 0; 0; 1g:
El fundamento de un juego es la toma de decisi
n multilateral. Por ello, o un juego puede considerarse como un problema de decisi
n m
ltiple, cuando o u los distintos decisores tienen que optimizar objetivos de forma cooperativa o no cooperativa, con estructuras de informaci
n iguales o diferentes y con un o conjunto de acciones nito o in nito, entre las que tienen que elegir. Es decir, la teor
a de juegos comparte con la teor
a de decisi
n muchos aspectos, de forma
o que ambas teor
as se complementan.
En general, un problema bipersonal de decisi
n es una situaci
n en la o o que la toma de decisiones es compartida por dos decisores que, generalmente, valoran dicha decisi
n de forma distinta. As
, si X e Y son los conjuntos de o
estrategias mixtas de los jugadores, el conjunto de alternativas es D = X Y , y una decisi
n d = x; y 2 D ser
valorada mediante una funci
n de dos o a o componentes: f d = f1 x; y; f2 x; y; donde f1 y f2 son las funciones de pagos de cada jugador.
3.
55
Este problema lo vamos a analizar de dos formas distintas. En primer lugar consideraremos una situaci n cooperativa, y posteriormente estudiaremos o la situaci n no cooperativa. o
II1
II2
56
v2
6
1,4
4,1
v1
Figura 3.1.
al teatro o bien ir al combate de boxeo, se corresponde con jugar I1 ; II1 o I2 ; II2 con probabilidad 1=2 cada una, lo que proporciona un pago esperado de 1=21; 4 + 1=24; 1 = 5=2; 5=2, que en la gr
ca es el punto medio del a segmento de extremos 1; 4, 4; 1.
3.
57
v2
6
1,4
4,1
v1
Figura 3.2. Diremos que d est en equilibrio si no es dominada con respecto a dicha a funci n. Es decir, no existe d = x; y 2 D tal que o
58
II, con un pago 4=5; 4=5. Est claro que el jugador I intentar alcanzar el a a equilibrio I2 ; II2 , por ello puede jugar su estrategia I2 como una forma de obligar a su oponente a jugar II2 . Sin embargo, observemos que si el jugador I utiliza su estrategia I2 , mientras que que el jugador II se mantiene en su estrategia II1 , el pago que reciben es 0; 0. En los juegos estrictamente competitivos, en los que los intereses de los jugadores son totalmente opuestos, una decisi n nunca puede dominar a otra o pues si un jugador mejora con una, el otro debe empeorar. En el caso particular de un juego escalar de suma nula, en el que f1 x; y = ,f2 x; y al aplicar el concepto de punto de equilibrio, no podr existir un d = x; y tal que a
3.
59
II1
II2
En los juegos vectoriales bipersonales de suma no nula, donde las funciones f1 y f2 son vectoriales, obtenemos una de nici n similar. Una decisi n o o 2 D est en equilibrio si es e ciente para la funci n d a o
f d; d = f11 x; y ; : : : ; f1k x; y ; f21 x ; y; : : : ; f2k x ; y ;
es decir, no existe d = x; y 2 D tal que
60
De la misma forma pueden estudiarse los puntos de equilibrio para un juego vectorial de n personas como Zhao 1991 100 y Wang 1993 95 . El principal inconveniente del punto de equilibrio como concepto de soluci
n es o que en el caso m
ltiple, estos equilibrios suelen no ser comparables entre s
, u
adem
s de compartir con el caso escalar todas las de ciencias de inestabilidad a que pusieron de mani esto Selten 1975 78 y Myerson 1978 63 entre otros. Por esto, diversos autores como Nieuwenhuis 1983 67 , Ghose y Prassad 1989 41 , Fern
ndez y Puerto 1996 38 y Puerto y Fern
ndez 1995a a a 73 , han propuesto nuevos conceptos de soluci
n para los juegos multicriterio o de suma nula. Sin embargo, el correspondiente an
lisis de re namiento del a concepto de equilibrio en juegos multicriterio de n personas no cooperativos ha sido escasamente estudiado por su extraordinaria di cultad, v
ase van Mergen e y otros 1995 60 y Puerto y F
rnandez 1995b 74 . e Sin embargo, a
n es posible un an
lisis alternativo de estos juegos, utiu a lizando otro concepto de racionalidad. En las metodolog
as que hemos expuesto
anteriormente, se han tenido presente a ambos jugadores simult
neamente. A a continuaci
n vamos a estudiar un planteamiento alternativo que se basa en los o juicios que puede hacer un jugador de modo aislado. En este caso, el jugador siempre buscar
lo mejor para s
, pero como sus acciones repercuten en el resula
tado del otro jugador, el estudio puede realizarse bajo dos aspectos diferentes. En uno de ellos, el jugador trata de obtener lo mejor para ambos, situaci
n o que denominamos de actitud positiva, mientras que en el otro, un jugador intenta conseguir lo mejor para s
, pero perjudicando al contrario, situaci
n que
o denominamos de actitud negativa. Veamos cada uno de ellas.
3.
61
que sean e cientes, pues en v1 x y v2 x solamente se considera al jugador II a trav
s de su mejor respuesta ante la estrategia propuesta x. Tendremos que x e es una estrategia e ciente del jugador I, si no existe x 2 X tal que v1 x v1 x y v2 x v2 x con alguna desigualdad estricta. Estas estrategias e cientes las llamaremos estrategias de seguridad por la forma de ser valoradas. De igual forma puede plantearse el problema considerando al jugador II. As
, los pagos m
s desfavorables que
ste puede obtener con una estrategia
a e y 2 Y son: u1 y = xinf f1 x; y; u2 y = xinf f2 x; y: 2X 2X An
logamente, y es una estrategia e ciente del jugador II, si no existe a y 2 Y tal que u1 y u1y y u2 y u2 y; con alguna desigualdad estricta.
Entonces, y es una estrategia e ciente del jugador II, si no existe y 2 Y tal que u1 y u1 y y u2 y u2 y con alguna desigualdad estricta. De lo expuesto se deduce que el an lisis de los juegos bajo la actitud a positiva o bajo la actitud negativa, se realiza por el mismo procedimiento sin m s que invertir el signo de una de las funciones de pago de los jugadores. a
62
3.
63
64
Borm y otros 1993 17 .
0 B0 A=B 2 @
2 0 0 0 2 0 2
1 C C A
0 B0 B=B 2 @
1 0 2 0 2 2 2
1 C C A
a Actitud Positiva. El conjunto de estrategias de seguridad para el jugador I, bajo una actitud positiva, viene dado por el conjunto de soluciones e cientes del problema
max v1 ; v2 s.a. 2x2 + 2x3 v1 2x1 v1 2x3 v1 2x2 + 2x3 v2 x1 + 2x2 + 2x3 v2 2x3 v2 P3 x = 1 i=1 i x 0; v1 ; v2 2 R
utilizando el paquete de programaci
n multiobjetivo ADBASE hemos obtenido o las siguientes soluciones extremas e cientes:
3.
65
max v1 ; ,v2 s.a. 2x2 + 2x3 v1 2x1 v1 2x3 v1 2x2 + 2x3 v2 x1 + 2x2 + 2x3 v2 2x3 v2 P3 x = 1 i=1 i x 0; v1 ; v2 2 R
cuyas soluciones extremas e cientes son:
0 B0 1 A , B = B 0 ,2 @
0 0 0 ,2 0
1 C C A
Al resolver el juego escalar de suma nula con matriz de pagos A , B obtenemos la estrategia x = 1; 0; 0 y el valor del juego v = 0. Esta estrategia es una de las estrategias obtenidas al resolver el juego bimatricial desde el punto de vista vectorial y bajo una actitud negativa por parte del jugador I.
66
2.
En esta secci
n establecemos un nuevo an
lisis para los juegos bimao a triciales no cooperativos, bajo el punto de vista de uno de los jugadores, y a trav
s de los juegos por objetivos establecidos en el cap
tulo II. Con este nuevo e
enfoque, el jugador puede adem
s conocer la probabilidad de conseguir aquellos a objetivos que se ha marcado. Sean A = aij ; B = bij ; 1 i n; 1 j m, las matrices de pago de un juego bipersonal de suma no nula. Como hemos comentado anteriormente, el planteamiento puede realizarse bajo dos direcciones diferentes. Teniendo en cuenta que el jugador I intenta obtener lo mejor para ambos jugadores, o bien considerando que el jugador I trata de conseguir lo mejor para s
, pero perjudicando al contrario. A continuaci
n desarrollamos el primer caso,
o ya que es el que m
s se acerca al enfoque cl
sico en el que ambos jugadores a a intentan maximizar sus ganancias. Sean P = P1 ; P2 los objetivos establecidos por el jugador I. Dichos objetivos representan no s
lo el pago deseado sino tambi
n la actitud ante el o e riesgo del jugador.
De nici
n 3.1 El pago esperado del juego para los objetivos P = P1 ; P2, o para cada par de estrategias x 2 X , y 2 Y , es:
vx; y = v1 x; y; v2 x; y
donde
v1 x; y = xt AP y; v2 x; y = xt BP y AP = 1 ; BP = 2 ; 1 i n; 1 j m ij ij
1
ij =
ij =
3.
67
P es
donde
xi 1 ij xi 2 ij
De nici
n 3.3 Una estrategia x 2 X es una estrategia de seguridad de nivel o P si no existe x 2 X , tal que vP x vP x; vP x 6= vP x.
El problema lineal multicriterio asociado al juego vectorial por objetivos, para el jugador I es: JMOP : max v1 ; v2 s.a. xt AP v1 ; : : : ; v1 xt BP v2 ; : : : ; v2 Pn x = 1 i=1 i x0
P y v = v1 ; v2 su vector de nivel de seguridad si y s
lo si v ; x es una o soluci
n e ciente del problema JMOP . o
Demostraci n: Se deduce del teorema 2.9 para k = 2: o Ejemplo 3.4 Sea un juego bipersonal de suma no nula con matrices
0 B6 A=B 4 @
3 2 8 9 7 2 8 2 3 6
1 C C A
0 B2 B=B 9 @
7 8 1 2 4 4 4 8 3 5
1 C C A
Supongamos que el jugador I establece los objetivos P = 6; 5. Considerando la actitud positiva, las estrategias de seguridad de nivel P y sus vectores de nivel de seguridad asociados son el cierre convexo de las soluciones
68
1 1 v1 ; x1 = v1 ; v2 ; x1 ; x1 ; x1 = 1=2; 1=4; 1=4; 1=2; 1=4 1 2 3 2 2 v2 ; x2 = v1 ; v2 ; x2 ; x2 ; x2 = 1=3; 1=3; 1=3; 1=3; 1=3 1 2 3
Si el jugador I utiliza la estrategia x1 = 1=4; 1=2; 1=4 conseguir el a objetivo P1 = 6 con probabilidad al menos 1 2, y el jugador II conseguir a P2 = 5 con probabilidad al menos 1 4.
2. Sea P = P1 ; P2 un objetivo en Rij para i jo y j = 1; : : : ; m. Sea v P el 1 valor del juego de suma nula con matriz de pagos AP , y denotemos por
3.
69
X P1 el conjunto de todas las estrategias optimas para este juego. Entonces
P ; v P ; xP es una soluci
n e ciente de JMOP donde v 1 2 o vP = max1 min xP 2 2 x2X P j i=1 i ij xP = arg max1 min xP 2 : x2X P j i=1 i ij Demostraci
n: 1. Por de nici
n, para todo P; P 0 2 Rij , AP = AP y BP = o o BP , de donde JMOP = JMOP y CP = CP . 2. Para cualquier P1 2 i,1 ; i , y P2 2 j,1 ; j , j = 2; : : : ; s, consideremos
0 0 0 0
n X
n X
el problema
JMOP : max v1 ; v2 s.a. xt AP v1 ; : : : ; v1 xt BP v2 ; : : : ; v2 Pn x = 1 i=1 i x0 max v1 s.a. xt AP v1 ; : : : ; v1 Pn x = 1 i=1 i x0
entonces tomando v P = minj n=1 xP 2 obtenemos que vP ; v P ; xP es una 2 1 2 i ij i soluci n lexicogr ca de JMOP , lo que implica el resultado. o a 2
Nota: Dado P = P1; P2 2 Rij , existe una soluci n e ciente del problema o JMOP que proporciona el valor de la probabilidad m xima de conseguir P1 , a con P1 2 i,1 ; i para cualquier P2 . De la misma forma, existe una soluci n o del problema JMOP que proporciona el valor de la probabilidad m xima de a conseguir P2 , con P2 2 j,1 ; j , para cualquier P1 . Si el problema JMOP tiene una unica soluci n e ciente, dicha soluci n proporciona conjuntamente el o o valor de la probabilidad m xima de alcanzar P1 y P2 . a
70
Hemos descompuesto el espacio de objetivos en regiones rectangulares Rij en las que los objetivos pertenecientes a cada una de ellas se alcanzan con la misma probabilidad. Puede ocurrir que objetivos pertenecientes a regiones distintas originen problemas con el mismo conjunto de soluciones. En este caso, estas regiones pueden colapsarse con lo que el n
mero de regiones en la u partici
n disminuye. o
de pagos:
3 2C 2 0 2 C B=B 0 3 3 C B C 3 0A @ A 0 0 3 2 0 2 Si consideramos la actitud positiva, la partici
n del espacio de objetivos o viene dada por el siguiente mapa de soluciones:
1,0;1,0,0 1,0;0,1,0 1,0;0,0,1
0 B3 A=B 1 @
3
1,0;1,0,0 1,0;1,0,0 .5,0;.5,0,.5
.5,.5;.5,.5,0 .5,.5;.5,.5,0 .5,.5;.5,.5,0 .25,.5;.25,.5,.25 .5,.5;0,.5,.5 1,0;1,0,0 .5,0;.5,0,.5 1,0;1,0,0 1,.5;0,.5,.5 1,1;1,0,0 1,1;0,1,0 1,1;0,0,1
0
1,1;1,0,0
1
1,1;1,0,0
2
.5,1;.5,0,.5
Dentro de cada regi n hemos escrito las soluciones e cientes extremas o que proporcionan las probabilidades de conseguir los objetivos pertenecientes a
3.
71
cada una de ellas, y las estrategias correspondientes. Podemos observar que objetivos pertenecientes a distintas regiones se obtienen con las mismas probabilidades y las mismas estrategias, por tanto estas regiones pueden colapsarse.
3
1,0;1,0,0 .5,0;.5,0,.5
.5,.5;.5,.5,0 .5,.5;.5,.5,0 .5,.5;.5,.5,0 .25,.5;.25,.5,.25 .5,.5;0,.5,.5 1,0;1,0,0 .5,0;.5,0,.5 1,0;1,0,0 1,.5;0,.5,.5 1,1;1,0,0 1,1;0,1,0 1,1;0,0,1
1
1,1;1,0,0
2
.5,1;.5,0,.5
Bas ndonos en el teorema 2.10, establecemos un procedimiento para a obtener los conjuntos CP para cualquier objetivo P . Para ello, denotamos por por JMOP i; j el problema JMO i ; j , siendo los elementos i , j los introducidos al comienzo de 2.1. El procedimiento es el siguiente: 1. Considerar el objetivo P = 1 ; 1 , y resolver el problema JMOP 1; 1. Las soluciones extremas e cientes son las estrategias puras del jugador I y el valor del juego es v1 = 1, v2 = 1. 2. Considerar el objetivo P = 2 ; 1 y el problema JMOP 2; 1. Este problema tiene m s restricciones que JMOP 1; 1, por lo que s lo hay que a o comprobar si las soluciones de este problema veri can las nuevas restricciones.
72
2.1. Si todas las soluciones extremas las veri can, son las soluciones extremas e cientes del nuevo problema JMOP 2; 1 2.2. Si algunas s
veri can las restricciones adicionales y otras no, las nuevas
soluciones e cientes del problema JMOP 2; 1 est
n en la frontera que a generan las nuevas restricciones. 2.3. Si ninguna soluci
n e ciente del problema JMOP 1; 1 veri ca las nuevas o restricciones del problema JMOP 2; 1, todas las soluciones e centes de este problema est
n en la frontera que generan dichas restricciones. a 3. Considerar el objetivo P = 3 ; 1 y repetir el paso 2 con los problemas JMOP 2; 1 y JMOP 3; 1 Repitiendo el proceso de forma ordenada para todos los objetivos, se construye un procedimiento iterado mediante el cual se utiliza la informaci
n o obtenida en el paso anterior bases e cientes, para obtener las soluciones e cientes del nuevo problema.
74
los juegos vectoriales, debido a que en general no existe un orden total entre los pagos vectoriales y por ello, no es f
cil establecer comparaciones entre los a distintos pagos obtenidos. Por esta raz
n, en los ultimos a~os se han propuesto o
n nuevos conceptos de soluci
n y procedimientos para obtener estas soluciones. o La extensi
n natural del concepto de estrategias minimax es dif
cil de o
conseguir en los juegos con pagos vectoriales. Sin embargo, aunque en algunos casos es posible establecer la existencia de tales estrategias, suele ser bastante complicado obtenerlas y en la mayor
a de los casos los valores que proporcio
nan no son unicos. Por ello, el concepto de soluci
n de estrategia de seguri
o dad Pareto-
ptima, introducido en el cap
tulo II, es importante para resolver o
juegos vectoriales desde una actitud de aversi
n al riesgo. En este cap
tulo o
analizamos tres casos de mercados competitivos en los que las empresas compiten simult
neamente en varios escenarios. En este an
lisis utilizaremos los a a conceptos y resultados expuestos en los cap
tulos anteriores
2.
Campa~a publicitaria n
La publicidad es una variable de decisi
n estrat
gica muy importante en o e un modelo de oligopolio cuando la informaci
n que los consumidores tienen con o respecto a preferencias, precio o caracter
sticas de los productos es incompleta.
Con respecto a la publicidad competitiva, cada empresa tiene, generalmente, un presupuesto jo. Cuando una empresa tiene un s
lo competidor importante, o su objetivo suele ser conseguir la mayor cuota de mercado posible disminuyendo los clientes de su competidor. Sin embargo, la empresa tambi
n ha de tener en e cuenta la variedad de medios que puede utilizar para su publicidad con objeto de alcanzar un segmento diversi cado de poblaci
n. o El primer caso que estudiamos corresponde a un juego en el que el conjunto de estrategias puras de los jugadores es nito, por lo que los pagos que reciben pueden representarse por una matriz cuyos elementos son vectores. Es una extensi
n del modelo presentado por Shubik 1955 85 , y vamos a cono siderarlo bajo el punto de vista de uno de los jugadores. Dos empresas tienen un mill
n de unidades monetarias u.m. cada una o para gastar en publicidad de sus productos. Pueden utilizar radio, televisi
n, o
4.
Aplicaciones economicas
75
y prensa escrita para realizar su campa~a publicitaria que va a ir dirigida a n tres grupos de clientes potenciales, es decir, la publicidad va a tener efecto en tres escenarios distintos. El efecto esperado que producir n las distintas a posibilidades de publicidad viene recogido en la siguiente matriz: Radio Televisi n o Prensa Radio 0; ,0:2; 1 ,0:5; 1; 1:2 0; 1:5; 1:5 Televisi n 2; 0:5; 0:7 ,0:5; 0:8; 0:7 1:5; 1:1; 0:3 o Prensa 1; 1:2; ,0:5 ,0:5; 0:4; 0 0; 0:7; 0:2 Cada entrada de la matriz de pagos es un vector cuyas componentes representan la cantidad de ingreso extra obtenido en cada grupo cuando cada jugador gasta su dinero en los diferentes medios. Podemos considerar que es posible gastar distintas cantidades en cada uno de ellos, en cuyo caso las estrategias x = x1 ; x2 ; x3 representan la proporci n de la cantidad total que o la empresa I gasta en cada medio, o bien que la empresa debe gastar todo su dinero en un solo medio, en cuyo caso la estrategia x = x1 ; x2 ; x3 puede considerarse como la probabilidad con que debe considerarse cada medio. Este modelo puede analizarse como un juego matricial vectorial, donde la matriz de pagos vectoriales se descompone en tres matrices escalares A1, A2 y A3:
A1 = A3 =
0 1 0 1 0 ,0:5 0 C ,0:2 1 1:5 C B B 2 ,0:5 1:5 C A2 = B 0:5 0:8 1:1 C B @ A @ A 1 ,0:5 0 1:2 0:4 0:7 0 1 1 1:2 1:5 C B B 0:7 0:7 0:3 C @ A
,0:5 0 0:2
3 X
X = fx 2 R3 : Y = fy 2 R3 :
i=1
3 X
xi = 1; xi 0; i = 1; 2; 3g yj = 1; yj 0; j = 1; 2; 3g
j =1
76
y la funci n de pagos del juego viene dada por el vector de tres componentes o
4.
Aplicaciones economicas
0,0,1
La gura 4.1 representa le espacio de estrategias mixtas del jugador I, donde los v
rtices de este tri
ngulo corresponden a las tres estrategias puras. e a El jugador I debe utilizar alguna de las estrategias que est
en la l
nea poligonal e
que une los puntos 1 y 4. Por ejemplo, la estrategia x3 = 4=9; 5=9; 0 indica que utilizando la radio y televisi
n en proporci
n 4 5, se asegura una p
rdida de ingresos de no o o e m
s de 1 2 en el primer segmento de la poblaci
n y un aumento de ingresos a o de al menos 17 90 y 75 90 en el segundo y el tercero respectivamente, y estos niveles no son mejorables conjuntamente. Consideremos ahora los juegos vectoriales por objetivos para resolver este juego. Supongamos que el jugador I ha establecido los objetivos P = 1; 0:8; 0:7, para cada par de estrategias x 2 X , y 2 Y la funci
n de pagos es o
P P P vP x; y = xt AP y = v1 x; y; v2 x; y; v3 x; y
donde y
P vk x; y = xt AP ky; k = 1; 2; 3
AP 1 = ij ;
1
ij =
1 si aij 1 0 si aij 1
i; j = 1; 2; 3
78
AP 2 = ij ;
2
ij =
3
i; j = 1; 2; 3 i; j = 1; 2; 3
1 1 1 0 0 0 0
AP 3 = ij ;
3
ij =
0 B0 AP 1 = B 1 @
En consecuencia, tenemos 0 0 0 1 1 0 0
1 0 C A 2 = B 0 C P B0 A @
1 0 C A 3 = B 1 C P B1 A @
1 C C A
Para cada estrategia x 2 X los niveles de seguridad en cada juego vienen dados por k P vP x = min vk x; y k = 1; 2; 3 y2Y
P siendo vk x la probabilidad de conseguir al menos Pk en cada juego escalar cuando el jugador I juega la estrategia x. La forma de obtener el conjunto de estrategias de seguridad de nivel P y los correspondientes vectores de nivel de seguridad, es resolviendo el problema lineal multiobjetivo:
max v1 ; v2 ; v3 s.a. xt AP 1 v1 ; v1 ; v1 xt AP 2 v2 ; v2 ; v2 xt AP 3 v3 ; v3 ; v3 P3 x = 1 i=1 i x 0: La soluci n de este problema viene dada, en este caso, por la envolvente o convexa de las soluciones e cientes extremas del mismo, que son: x1 ; v1 = 1=2; 0; 1=2; 0; 1=2; 1=2 x2 ; v2 = 1; 0; 0; 0; 0; 1:
4.
Aplicaciones economicas
79
Si el jugador I utiliza la estrategia x1 = 1=2; 0; 1=2 consigue no menos de P1 = 1 con una probabilidad de al menos 1 2, P2 = 0:8 con probabilidad 0 y no menos de P3 = 0:7 con probabilidad no menor de 1 2.
3.
En las ciencias sociales, al estudiar modelos en los que las variables pertenecen a conjuntos nitos con un gran n mero de elementos, se suele u suponer que dichos conjuntos son in nitos. Esto permite aplicar las t cnicas e de an lisis matem tico a una gran variedad de problemas. Por ello, al estudiar a a juegos con un gran n mero de estrategias para un jugador, es metodol gicau o mente natural, a la vez que util, considerar que el conjunto de estrategias para este jugador es in nito. El siguiente modelo corresponde a un juego en el cuadrado unidad, es decir cada jugador tiene un continuo de estrategias puras, representadas como puntos del intervalo cerrado 0,1 . Por tanto, una estrategia pura para cada jugador es un numero real en este intervalo y la funci n de pagos del juego es o una funci n de nida en el cuadrado unidad. o Este modelo es una extensi n de un juego antag nico en el cuadrado o o unidad presentado por Vorobev 1977 94 . Una empresa, el jugador II, controla dos mercados de dos bienes homog neos en dos reas diferentes A y B. Otra empresa, el jugador I, intenta e a conquistar uno de estos dos mercados, simult neamente en las dos reas. Con a a este prop sito, el jugador I invierte en publicidad, en televisi n y para ser emio o tida simult neamente en las dos reas, una cantidad de una unidad monetaria. a a Si el jugador asigna la cantidad x al primero de los mercados, entonces 1 , x, es lo que asigna al segundo. Para mantener sus mercados intactos, el jugador II tambi n emplea una unidad monetaria en publicidad, asignando la cantidad e y al primer mercado y 1 , y al segundo. Consideramos que si el jugador I consigue ventaja en uno de los mercados no puede conquistar ambos a la vez elimina a su oponente de este mercado y obtiene un vector de pagos cuyas componentes son el exceso de fondos asignado a este mercado multiplicado por un coe ciente que re eja la importancia de este
80
mercado en cada una de las dos areas. La funci n de pagos es por tanto: o
HA x; y = HB x; y =
k1 x , y si x y k2 y , x si x y k3 x , y si x y k4 y , x si x y
donde k1 , k2 , k3 y k4 0. k1 y k3 re ejan la importancia del primer mercado y k2 y k4 , la importancia del segundo mercado en las areas A y B respectivamente. Este juego lo resolvemos bajo el punto de vista del jugador II. Buscamos las estrategias de seguridad Pareto- ptimas para este jugador, es decir, el juo gador II quiere determinar la cantidad y de forma que minimize el m ximo del a vector de pagos en ambas areas. En este caso, para cada y 2 0; 1 los niveles de seguridad en cada mercado son:
H A y = 0max1 HA x; y = maxfymax1 k1 x , y; 0maxy k2 y , xg x x x = maxfk1 1 , y; k2 yg; H B y = 0max1 HB x; y = maxfymax1 k3 x , y; 0maxy k4 y , xg x x x = maxfk3 1 , y; k4 yg:
4.
Aplicaciones economicas
81
Por tanto
H A y = H B y =
Bas
ndonos en el siguiente resultado podemos obtener el conjunto de a todas las estrategias de seguridad Pareto-
ptimas de este juego o
es el unico m
nimo en X para f1 y x2 es el unico m
nimo en X para
1 2 , entonces el conjunto de soluciones e cientes para el problema f2 , x x min f1x; f2 x es el intervalo cerrado x1 ; x2 . Si
Demostraci n: o 1. Sea x 2 x1 ; x2 , probaremos que no existe y 6= x tal que f1 y f1 x y f2 y f2 x con al menos una desigualdad estricta.
Consideremos y x. Como y x x2 , por ser f2 convexa se tiene f2 x f2 y + 1 , f2 x2 , 2 0; 1. Si f2 y f2 x, entonces f2 x f2 x + 1 , f2 x2 y f2x f2 x2 , en contra de ser x2 el unico m
nimo de f2, por tanto x no est
dominada por y. En el caso
a y x se obtiene el resultado de forma an
loga. a
82
Teorema 4.1 El conjunto de estrategias de seguridad Pareto-
ptimas para el o 2 es el intervalo cerrado jugador II en el juego bicriterio H : 0; 1 0; 1 ,! R
k1 =k1 + k2 ; k3 =k3 + k4 o bien k3 =k3 + k4 ; k1 =k1 + k2
funciones H A y; H B y son funciones convexas en 0; 1 y sus m nimos globales 1 = k =k + k e y 2 = k =k + k respectivamente, se alcanzan en los puntos y 1 1 2 3 3 4 con independencia de los valores relativos de los coe cientes ki . 2 Con respecto a la posici n relativa de las funciones H A y; H B y hay o dos casos b sicos, que podemos observar en las gr cas a a 16 ............................................................. HB y ............................................................... .. . H y .. .. A .. ... .. .. .. .. .. .. 1 y y2 y 1 16
HB y .............................................................
................................................................ .. HA y .... .. .. .. .. .. .. .. . y2 y1 1
Figura 4.2. El punto y = k3 =k2 + k3 en la gr ca de la izquierda de la gura 4.2 a es una estrategia de seguridad Pareto- ptima, que es equitativa en el siguiente o sentido: cuando el jugador II juega su estrategia y, se asegura la misma p rdida e m xima en ambas areas. Cualquier desviaci n de esta estrategia supondr un a o a incremento en la m xima perdida que se asegura en una de las reas y una a a disminuci n en la otra. Vemos que en el otro caso no existe una estrategia de o seguridad Pareto- ptima equitativa. Las condiciones en los par metros ki para o a la existencia de dicha estrategia se establecen en este resultado:
4.
Aplicaciones economicas
83
k1 =k1 + k2 k3 =k2 + k3 k3 =k3 + k4 cuando k1 =k1 + k2 k3 =k3 + k4 k3 =k3 + k4 k1 =k1 + k4 k1 =k1 + k2 cuando k3 =k3 + k4 k1 =k1 + k2
Con respecto a la existencia de estrategia minimax para este juego, notemos que como consecuencia de la forma especial de la funci
n de pagos, el o conjunto de soluciones minimax para el jugador II coincide con el conjunto de estrategias de seguridad Pareto-
ptimas. Sin embargo, mientras que en el caso o de estas ultimas la valoracion de cada estrategia viene dada por un unico vector,
la valoraci
n de las estrategias minimax proporciona dos vectores diferentes. o
4.
84
Este vector representa el resultado que el jugador I se asegura para
l y e para el jugador II cuando juega la estrategia p1 . La expresi
n anal
tica de los o
niveles de seguridad es
4.
Aplicaciones economicas
85
6
.. 25 ............... .. .. .. ............................. 10 .. .. . .. .. .. .. .. ... .. .. .. .. .. .. 0 5 9 10 Figura 4.3. En la gura 4.3 se tiene la representaci
n gr
ca de estas funciones. o a Para maximizar el vector de nivel de seguridad hemos de resolver el problema biobjetivo max F1 p1 ; F2 p1 s.a. 0 p1 10 Como F1 p1 ; F2 p1 son funciones c
ncavas en R y sus valores m
ximos o a en el intervalo 0; 10 se alcanzan en los puntos p1 = 5 y p2 = 10 respectivamente, por el lema 4.1, el conjunto de estrategias de seguridad Pareto-
ptimas o para el jugador I es el intervalo cerrado 5; 10 . En este caso, el precio p1 = 9 es una estrategia de seguridad Pareto-
ptima equitativa, en el sentido que cuando o el jugador I establece este precio, se asegura un bene cio de 9 unidades para
l y para el otro jugador, con independencia del precio que establezca el otro e jugador. Actitud negativa Considerando una actitud negativa, el jugador I est
ina teresado en maximizar su bene cio m
nimo a la vez que minimiza el bene co
m
ximo que el jugador II pueda obtener. Para una estrategia p1 2 0; 10 el a vector de nivel de seguridad viene dado por
86
0 B 17 B 25 B A = B 25 B B B 17 @
18 26 26 18 1 2
19 27 27 19 3
20 28 28 20 4
21 29 29 21 5
1 C C C C C C C A
0 34 B 36 B B B = B 38 B B B 40 @
50 52 54 56 42 58
50 52 54 56 58
34 36 38 40 42
2 4 6 0 10
1 C C C C C C C A
4.
Aplicaciones economicas
87
Los espacios de estrategias mixtas para cada jugador, en este caso, son
X = fx 2 R5 : Y = fy 2 R5 :
5 X
5 X
i=1
xi = 1; xi 0; i = 1; 2; 3; 4; 5g yj = 1; yj 0; j = 1; 2; 3; 4; 5g
j =1
x2X
cuyas soluciones extremas e cientes son: x1 ; v1 = 0; 0; 1; 0; 0; 25; 6 x2 ; v2 = 0; 0; 0; 1; 0; 17; 8 x3 ; v3 = 0; 0; 0; 0; 1; 1; 10 y el conjunto de estrategias de seguridad Pareto- ptimas es el intervalo cerrado o 6; 10 .
88
Por ejemplo, si el jugador I establece el precio p1 = 6, se garantiza un bene cio al menos de 25 para l y un bene cio al menos de 6 para el jugador e II independientemente del precio que establezca este ultimo. Actitud negativa: Considerando una actitud negativa del jugador I, el vector de nivel de seguridad para una estrategia x 2 X es
x2X
cuyas soluciones extremas e cientes son: x1 ; v1 = 0; 1; 0; 0; 0; 25; 52 x2 ; v2 = 1; 0; 0; 0; 0; 17; 50 y el conjunto de estrategias de seguridad Pareto- ptimas es el intervalo cerrado o 2; 4 . Observemos que los conjuntos de estrategias de seguridad Pareto- ptimas o obtenidos en el caso discreto son subconjuntos de los correspondientes conjuntos obtenidos en el caso continuo.
1.
ADBASE es un programa Fortran, creado para la enumeraci n de los o puntos extremos e cientes y las aristas no acotadas e cientes de problemas lineales multiobjetivo. B sicamente resuelve problemas de la forma a maxfCx + a = z; x 2 S g; donde C es la matriz de criterios, z 2 Rn el vector de objetivos y S la regi n o factible S = fx 0 : Ak x bk ; Ae x = be ; As x bs g con los coe cientes del lado derecho de las restricciones bk ; be ; bs no negativos.
90
2.
Estructura
Para la utilizaci
n del ADBASE en microordenador es necesario un edio tor para la preparaci
n de cheros. No hacemos referencia a un editor espec
co o
pues pueden servir la mayor
a de los editores disponibles, as
como los progra
mas de tratamiento de texto, teniendo precauci
n en este caso de archivarlos o como cheros de texto para evitar los c
digos internos del programa. o Para ejecutar ADBASE es necesario crear un chero QFILE con la extensi
n .q , y en la mayor
a de los casos un chero IFILE extensi
n .i , en o
o los que se recoge la informaci
n necesaria para resolver el problema. La salida o aparece en un SFILE .s y algunas veces en un LFILE .l , ZFILE .z , y PFILE .p . Para ejecutarlo se da la orden AJ 'NOMBRE1' 'NOMBRE2', donde 'NOMBRE1' 'NOMBRE2' representan respectivamente los nombres asignados a los cheros de entrada y de salida. Si se ejecuta el comando AJ MUL SMUL, la operaci
n que realiza ADBASE se representa como sigue: o mul.q
mul.i
aj mul smul
s U
ADBASE trabaja en dos modos distintos: MODE = 1: Modo Normal. En MODE=1 el problema a resolver se manda al ADBASE desde un IFILE. En este modo, pueden resolverse los siguientes tipos de problemas: a Problemas lineales multiobjetivo: maxfCx + a = z; x 2 S g
5.
Programa ADBASE
91
Utilizando el cono de criterios original, se obtienen todos los puntos extremos e cientes y todas las aristas no acotadas e cientes. Se realiza con IFASE0=0, IFASE2=1,2,3,4, o 5, y IFASE=2. b Problemas lineales multiobjetivo con intervalos en los pesos: maxft Cx + a; x 2 S g
n = 1. con 2 Rn ; i 2 li ; ui ; 0 li ui 1; 8i = 1; :::; n; i=1 i Utilizando reducciones del cono de criterios, se generan subconjuntos del conjunto de puntos extremos e cientes. Se hace especi cando los l
mites
superiores e inferiores de los intervalos para los pesos, y con IFASE0=1 o 2, IFASE2=1,2,3,4, o 5, y IFASE3=2. c Problemas ponderados:
maxft Cx + a; x 2 S g con jo. Se resuelve dando intervalos sobre los pesos de forma que li = ui ; i = 1; :::; n, con IFASE0=1, IFASE2=1,2,3,4 o 5, y IFASE3=0. Si se quieren todos los puntos extremos ptimos, IFASE3=1. o d Problemas lineales uniobjetivo: maxfcx; x 2 S g Se resuelve haciendo NOBJS=1, IFASE0=0, IFASE2=1,2,3,4 o 5, y IFASE3=0. Si se quieren obtener todos los puntos extremos y aristas no acotadas optimas, IFASE3=2. En MODE = 2 los problemas no se mandan al ADBASE desde un IFILE. Se generan aleatoriamente en el ADBASE y se resuelven. S lo pueden generarse o aleatoriamente problemas con restricciones menor o igual. Este modo es util para realizar experimentos computacionales. ADBASE trabaja de acuerdo con las cuatro fases siguientes:
92
rado por las las de C o contracci n a un subconjunto suyo. o FASE I: Obtenci n de un punto extremo inicial de la regi n factible. o o Si no existe ninguno, el problema acaba con el mensaje SISTEM OF CONSTRAINTS IS INCONSISTENT. FASE II: Obtenci n de una base e ciente inicial. Si no encuentra o ninguna y el n mero de objetivos es 1, el problema acaba con el mensaje u PROBLEM HAS UNBOUNDED OBJECTIVE FUNCTION VALUE. Si no puede encontrar una base e ciente y el n mero de objetivos es mayor que 1, u el problema termina con el mensaje UNABLE TO FIND AN EFFICIENT EXTREME POINT. FASE III: Despu s de hallar una base e ciente inicial, pivota a partir e de ella para obtener todos los dem s extremos e cientes. a
3.
5.
Programa ADBASE
93
---------------------------9. IPRINT1 10. IPRINT2 11. IPRINT3 12. IPRINT4 13. IPRINT5 14. IPRINT6 15. IPRINT7 16. IPRINT8 17. IPRINT9 18. 19. 20. 21. 23. 24. IV9L IV9U I9L I9U I10L I10U 0 1 4 1 0 0 0 0 0 1 100 0 9999 0 0 100 0 OBVIOUS ERRORS 0,1 PROBLEM COEFFICIENTS 0,1 NOTHING BASES EXTR PTS 0 1,2,3 4,5,6 EFFICIENCY TOTALS 0,1 INDIVIDUAL PROBLEM DATA 0,1 CUMULATIVE DATA 0,1 CODE LISTS 0,1 ZFILE 0,1 REDUCED COSTS AND TABLEAUS 0,1,2 BEGINNING TABLEAU VARIABLE ENDING TABLEAU VARIABLE TABLEAUS BEGIN AT THIS BASIS TABLEAUS END AT THIS BASIS LFILE 0,1 LFILE BEGINS ON WAY TO THIS BASIS LFILE ENDS AT THIS BASIS PREMULTIPLICATION T-MATRIX 0,1
22. IPRINT10
25. IPRINT11
94
IK: N
mero de restricciones . u IE: N
mero de restricciones =. u IS: N
mero de restricciones . u IFASE0: Tipo de cono de criterios. Cono original IFASE0=0. Cono con intervalos en los pesos IFASE0=1. Cono envolvente reducido IFASE0=2. NGRAYS: Con IFASE0=1, NGRAYS especi ca el l
mite superior de
generadores del cono de criterios antes de tomar la opci
n IFASE0=2. Si o IFASE0 tiene otro valor, el valor de NGRAYS es ignorado. Los datos deben estar situados en las siguientes columnas:
NOMB 1-8 NOBJS 9-16 N1 17-24 IK 25-32 IE 33-40 IS 41-48 IFASE0 49-56 NGRAYS 57-64
rrespondientes al n
mero de coe cientes no nulos de Ak ; bk ; Ae ; be ; As ; bs ; C , y u constantes a. Deben incluirse los 8 contadores incluso si no van seguidos de coe cientes no nulos. Se especi can en las columnas 1-8. 4. Registros de coe cientes no nulos: Especi can los valores de los coe cientes no nulos de Ak ; bk ; Ae ; be ; As ; bs ; C , y a. Cada registro tiene cuatro particiones compuestas de 3 subcampos. En los dos primeros se especi can los
ndices de la la y la columna del coe ciente correspondiente, en el tercer
subcampo se especi ca el valor no nulo del coe ciente. Para los coe cientes de bk ; be ; bs , y a, el segundo subcampo se deja blanco, pues es innecesaria su designaci
n. o Los datos de este registro se sit
an en las siguientes columnas: u
Fila 1-3 Columna 4-6 Coef.no nulo .... 7-18 Fila Columna 58-60 Coef.no nulo 61-72 .... 55-57
incluye si y s lo si IFASE0 es 1 o 2 en la cabecera. Se especi can las cotas li ; ui o de los intervalos de los pesos, con el formato:
5.
Programa ADBASE
95
sigue:
De esta forma, el chero de datos de un problema .i se con gura como Registro de t
tulo.
Registro cabecera. Contador para Ak . g Registro de coe cientes si existen para Ak . Contador para bk . g Registro de coe cientes si existen para bk . Contador para Ae . g Registro de coe cientes si existen para Ae . Contador para be . g Registro de coe cientes si existen para be . Contador para As . g Registro de coe cientes si existen para As . Contador para bs . g Registro de coe cientes si existen para bs . Contador para C . g Registro de coe cientes si existen para C . Contador para a. g Registro de coe cientes si existen para a. Registro de intervalos de pesos Si existen.
Ejemplo 5.1 Consideremos el siguiente problema de maximizaci
n vectorial: o max fx + y + z; 4x + 2y + z; ,2x , y + z g s.a. 2x + 5y + z 1600 2x + 2y + 3z 1200 x; y; z 0
El chero IFILE para este problema lo hemos denominado mul.i , y se muestra a continuaci
n. Obs
rvese que el problema no tiene restricciones de o e de igualdad ni de mayor o igual, ni constantes a, por lo que aparece 0 en los contadores correspondientes.
96
PROBLEMA MULTIOBJETIVO 1 6 1 1 2 2 2 1 0 0 0 0 9 1 1 2 2 3 3 0 1 2 1 1 2 2 3 1 1 1 3 1600 2 1200 2 2 1 2 2 3 5 3 1 3 3 2 0
0 3 1
0 2 1
40 2
3 1
1 -2
2 3
1 2
4 -1
Con el comando AJ MUL SMUL se ejecuta ADBASE generando el chero smul.s y opcionalmente smul.l y smul.z .
5.
Programa ADBASE
8. FV............ 9. IPRINT1..... 10. IPRINT2..... 11. IPRINT3..... 12. IPRINT4..... 13. IPRINT5..... 14. IPRINT6..... 15. IPRINT7..... 16. IPRINT8..... 17. IPRINT9..... 18. 19. 20. 21. 23. 24. IV9L........ IV9U........ I9L......... I9U......... I10L........ I10U........ 3.000 0 1 4 1 0 0 0 0 0 1 100 0 9999 0 0 100 0
97
22. IPRINT10....
25. IPRINT11....
**1*******2*******3*******4*******5*******6*******7** PROBLEM NO. PROBLEMA MULTIOBJETIVO NOBJS... N1...... IK...... IE...... IS...... IFASE0.. NGRAYS.. A A A 1, 1, 1, 3 3 2 0 0 0 40 1 = 2 = 3 = 2.000000 5.000000 1.000000 1
98
A A A B B C C C C C C C C C 2, 2, 2, 1 = 2 = 3 = 2.000000 2.000000 3.000000 1600.000000 1200.000000 1.000000 1.000000 1.000000 4.000000 2.000000 1.000000 -2.000000 -1.000000 1.000000
1 = 2 = 1, 1, 1, 2, 2, 2, 3, 3, 3, 1 =
2 = 3 = 1 = 2 = 3 = 1 = 2 = 3 =
EXTREME POINT 1 CRITERION VALUES Z 1 = Z 2 = Z 3 = 2 Z 1 = Z 2 = Z 3 = 3 Z 1 = Z 2 = Z 3 = 4 Z 1 = Z 2 = Z 3 = 600.000000 2400.000000 -1200.000000 600.000000 2133.333333 -1066.666667 400.000000 400.000000 400.000000 492.307692 769.230769 -61.538462 X X X X X X
1 = 2 =
466.666667 133.333333
3 =
400.000000
2 = 3 =
276.923077 215.384615
5.
Programa ADBASE
99
NUMBER OF EFFICIENT BASES VISITED NUMBER OF EFFICIENT EXTREME POINTS NUMBER OF UNBOUNDED EFFICIENT EDGES
= = =
4 4 0
**1*******2*******3*******4*******5*******6*******7**
son:
600; 0; 0; 1400=3; 400=3; 0; 0; 0; 400; 0; 3600=13; 2800=13
y los valores que toman los objetivos en estos puntos vienen dados en el vector z. Con las opciones IPRINT3=3 y IPRINT9 = 1 en el QFILE del problema aparecen en el chero de salida SFILE, adem
s de las soluciones a e cientes extremas, los costes reducidos correspondientes. Esta informaci
n es o util para realizar an
lisis de sensibilidad. A continuaci
n se muestra un chero
a o SFILE para este problema con los costes reducidos, en el que se ha eliminado la impresi
n de los coe cientes del problema con la opci
n IPRINT2 = 0. o o
**1*******2*******3*******4*******5*******6*******7** PROBLEM NO. PROBLEMA MULTIOBJETIVO 1
Z 1 = Z 2 = Z 3 =
X X
1 = 4 =
600.000000 400.000000
100
2 .00000 -2.00000 1.00000 3 -.50000 -5.00000 4.00000 5
------------------------------------------------------------
Z 1 = Z 2 = Z 3 =
X X
1 = 2 =
466.666667 133.333333
CJ-ZJ REDUCED COSTS 3 -.50000 -6.33333 4.66667 4 .00000 .66667 -.33333 5 -.50000 -2.66667 1.33333 ------------------------------------------------------------
------------------------------------------------------------
Z 1 = Z 2 = Z 3 =
X X
3 =
400.000000
4 = 1200.000000
CJ-ZJ REDUCED COSTS 1 .33333 3.33333 -2.66667 2 .33333 1.33333 -1.66667 5 -.33333 -.33333 -.33333 ------------------------------------------------------------
------------------------------------------------------------
Z 1 = Z 2 =
492.307692 769.230769
X X
2 = 3 =
276.923077 215.384615
5.
Programa ADBASE
Z 3 = -61.538462
101
CJ-ZJ REDUCED COSTS 1 .23077 2.92308 -2.15385 4 -.07692 -.30769 .38462 5 -.30769 -.23077 -.46154 ------------------------------------------------------------
-----------------------------------------------------------NUMBER OF EFFICIENT BASES VISITED NUMBER OF EFFICIENT EXTREME POINTS NUMBER OF UNBOUNDED EFFICIENT EDGES = = = 4 4 0
**1*******2*******3*******4*******5*******6*******7**
102
pagos es
2; 1 C 1; 2 C A 1; 1 3; 3 El conjunto de las estrategias de seguridad Pareto-
ptimas para el juo gador I, es el conjunto de soluciones e cientes del problema lineal bicriterio max v1 ; v2 s.a. x1 + 3x2 + x3 v1 2x1 + x2 + 3x3 v1 3x1 + x2 + x3 v2 x1 + 2x2 + 3x3 v2 x1 + x2 + x3 = 1 x1 ; x2 ; x3 0
El chero de datos LFILE para este problema es
JUEGO VECTORIAL 6 0 0 3 1 1 1 2 3 4 1 1 1 1 0 2 1 4 1 2 5 1 1 1 1 16 1 2 3 1 1 2 3 4 2 2 2 2 3 1 1 2 1 2 3 4 3 3 3 3 1 3 1 3 1 2 3 4 4 4 5 5 -1 -1 -1 -1 1 1 2 1 1 3 1 2 5 0 1 4 0 40
0 B 1; 3 B 3; 1 @
v1 ; v2 2 R
5.
Programa ADBASE
103
**1*******2*******3*******4*******5*******6*******7**
104
Este chero proporciona las estrategias de seguridad Pareto-
ptimas exo tremas del juego bicriterio, as
como los niveles de seguridad correspondientes:
v1 ; x1 = 2; 1; 0; 1=2; 1=2; v2 ; x2 = 9=5; 9=5; 2=5; 2=5; 1=5; v3 ; x3 = 1; 2; 1=2; 0; 1=2:
106
sario analizar las estrategias de los jugadores; es su ciente conocer los pagos asociados a los resultados del juego. Si la utilidad de los jugadores es transferible, un juego cooperativo es un par N; v, donde N es un conjunto nito y v es una funci
n v : 2N ,! R; que o veri ca v; = 0. Los elementos de N = f1; 2; : : : ; ng se denominan jugadores, los subconjuntos S 2 2N coaliciones y vS es el valor de la coalici
n S . o El valor de una coalici
n es, por establecer alg
n paralelismo, an
logo o u a al valor del juego que se determina en los juegos bipersonales, y es igual a la cantidad m
nima que puede obtener la coalici
n si todos sus miembros se
o asocian y juegan en equipo. La funci
n v se denomina habitualmente funci
n o o caracter
stica del juego, siendo identi cado |siempre que no haya lugar a con
fusi
n| el juego N; v mediante su funci
n caracter
stica. o o
A continuaci
n, vamos a presentar algunos ejemplos. o
millones de ptas. Un empresario le ofrece acondicionarla para su utilizaci
n o como pol
gono industrial, con lo que su valor de mercado alcanzar
a los 100
millones de pesetas. Otro empresario le ofrece urbanizar la nca para su posible subdivisi
n en parcelas destinadas a viviendas unifamiliares. Con esta urbanio zaci
n, el valor de la nca ser
a de unos 125 millones. o
El juego se representa con N = f1; 2; 3g y v : 2N ,! R, siendo
Ejemplo 6.1 Una nca r stica est valorada por su actual propietario en 50 u a
vf1g = 50; vf2g = vf3g = vf2; 3g = 0; vf1; 2g = 100; vf1; 3g = 125; vf1; 2; 3g = 125;
donde el jugador 1 representa al propietario actual y los jugadores 2 y 3 a los diferentes empresarios. L
gicamente, habr
a que predecir que coalici
n se o
o formar
y como se repartir
el bene cio entre los socios. a a personas con derecho a voz y voto, las decisiones se adoptan mediante el voto favorable de la mayor
a absoluta de sus miembros. En esta situaci
n, el juego
o N ,! R dada por se representa con N = fi 2 N : 1 i 40g y v : 2
6.
Situaciones de comunicacion
107
1; si jS j 21 0; en otro caso; para cualquier S N . En este caso, los valores 0 y 1 re ejan si una coalici n o de jugadores S N es perdedora o ganadora en una votaci n. o
vS =
tratamiento de aguas residuales. Cada ayuntamiento ha hecho un estudio de los costes, individuales y colectivos con los otros ayuntamientos para ver la posibilidad de ahorro. El estudio se representa en la siguiente tabla, donde 1, 2 y 3, simbolizan a cada una de las ciudades:
Coalici
n o
Coste
Bene cio
0 0 0 0 90 100 120
Tabla 6.1
Esta situaci
n se modela mediante un juego cooperativo N; v, donde o N = f1; 2; 3g y la funci
n caracter
stica v del juego es: o
vf1g = vf2g = vf3g = 0; vf1; 2g = 0; vf1; 3g = 90; vf2; 3g = 100; vf1; 2; 3g = 120:
En general, denotamos por ,N al conjunto de todos los juegos cooperativos de utilidad transferible de nidos sobre el conjunto nito N . En el conjunto ,N , se introducen las operaciones + : ,N ,N ,! ,N ; v; w 7,! v + w
108
: : R ,N ,! ,N ; ; v 7,! v
de nidas por v + wS = vS + wS ; vS = vS ; para cualquier S N . Con respecto a estas operaciones, la terna ,N ; +; constituye un espacio vectorial 2n , 1-dimensional. Una base est
formada por el conjunto fuT 2 ,N : T N; T 6= ;g; a siendo uT S = 1; si T S 0; en otro caso. Estos juegos uT 2 ,N , se denominan juegos de unanimidad. Tambi
n, e N , con T N , T 6= ;, denominados de identidad y de nidos los juegos T 2 , de la siguiente forma:
T S =
1; si T = S 0; en otro caso,
forman una base del espacio ,N . Normalmente, las propiedades especiales que tenga la funci
n caraco ter
stica correspondiente a un juego cooperativo son las que cuali can y dan
nombre al juego. As
, cuando vS vT , para todo S T N , entonces se
dice que el juego N; v es mon
tono. Puede observarse que la funci
n caraco o ter
stica del primer ejemplo cumple esta condici
n.
o El juego N; v, es llamado cero-normalizado, cero-mon
tono, aditivo o o superaditivo, respectivamente, si su funci
n caracter
stica v, veri ca la correso
pondiente condici
n: o a vfig = 0, para todo elemento i 2 N . b vS + i2T nS vfig vT , para toda S T N . c vS T = vS + vT , para toda S; T N con S T = ;. d vS T vS + vT , para toda S; T N con S T = ;.
6.
Situaciones de comunicacion
109
Una clase especial de juegos superaditivos son los llamados juegos convexos. Estos fueron introducidos por Shapley 84 y se utilizan para modelar diversas situaciones que estudian las ciencias econ micas. Un juego N; v se o dice que es convexo si la funci n caracter stica es supermodular, esto es, o
fx1 ; x2 ; x3 : x1 + x2 + x3 = 120g ;
con lo que una soluci
n razonable ser
a, en principio, cualquier vector de R3 o
que veri que esta condici
n . Tambi
n, deber
a ser deseable imponerles |a los o e
110
x1 0; x2 0; x3 0; x1 + x2 0; x1 + x3 90; x2 + x3 100:
Este modelo implica que cada ciudad y cada coalici
n tiene asegurado o un reparto nal de bene cios que no les perjudica en ning
n caso. De ah
, que u
el conjunto de pagos o repartos razonables estar
a formado por
i2N
xi = vN ;
donde xi representa el pago al jugador i con la funci
n x. La funci
n x sobre N o o se identi ca con un vector de n n
meros reales x = x1 ; : : : ; xn . Los vectores u x 2 Rn que satisfacen el principio de e ciencia son llamados preimputaciones para el juego N; v. De acuerdo con esta idea, una soluci
n sobre una colecci
n o o no vac
a de juegos es una aplicaci
n que asocia a cada juego cooperativo
o N; v de dicha colecci
n un subconjunto v del conjunto de preimputaciones. o Adem
s, la mayor
a de los conceptos de soluci
n propuestos para juegos a
o cooperativos requieren que los vectores de pago e cientes cumplan el llamado principio de individualidad racional, el cual exige que el pago a cada jugador i con el vector x sea al menos la cantidad que el jugador puede obtener por s
mismo en el juego. Es decir,
6.
Situaciones de comunicacion
111
que los pagos sean coalicionalmente razonales ; esto es, que los miembros de cada coalici
n deben recibir un pago total que sea mayor o igual que el valor o de dicha coalici
n. Si le exigimos a las imputaciones que veri quen el principio o de racionalidad para todas las coaliciones no vac
as, obtenemos el siguiente
concepto de soluci
n de un juego, denominado core. o
fj : i2Sj g
j = 1:
Sea N; v un juego. Si para cualquier colecci
n equilibrada sobre N , se o veri ca que m X j v Sj v N ; entonces se dice que el juego N; v es equilibrado. Bondareva 16 y Shapley 83 demuestran que la clase de juegos equilibrados coincide con la clase de juegos de core no vac
o.
Cercano al concepto de juego equilibrado est
la noci
n de equilibrio a o total. Un juego N; v se dice totalmente equilibrado si los subjuegos inducidos S; vS son equilibrados para toda S N , S 6= ;. Aqu
se entiende por subjuego
inducido S; vS aquel cuya funci
n caracter
stica viene determinada por o
j =1
112
Ahora bien, teniendo en cuenta, por un lado, que el core de un juego cooperativo N; v puede ser vac
o y que, por otro lado, no siempre se ajusta a
un concepto id
neo de soluci
n, es por lo que se han introducido otros conceptos o o de soluci
n que ser
n tratados a lo largo de los diferentes cap
tulos de esta o a
segunda parte. El core de un juego nos limita las soluciones de
ste a un conjunto de ree sultados razonables. Teniendo en cuenta los razonamientos anteriores, intentar predecir el resultado de un juego cooperativo parece un asunto bastante arriesgado ya que es l
gico pensar que la personalidad de los jugadores, su entorno, o sus facilidades de comunicaci
n, etc., tengan efectos sobre la conclusi
n nal. o o No obstante, Lloyd S. Shapley 1953 80 , propone una f
rmula para calcular o el valor para cada jugador i 2 N , en un juego v. Dicho valor, viene dado por la siguiente expresi
n combinatoria, o X s , 1!n , s! i v = vS , vS n fig ; n! fSN :i2Sg donde n = jN j y s = jS j. Esta f
rmula expresa el llamado valor de Shapley o para un jugador i y podemos observar que est
determinado, de forma exclusiva a y a priori, por la funci
n caracter
stica del juego, haciendo abstracci
n de o
o cualquiera de los factores anteriormente mencionados. El valor de Shapley es, entre otros, un concepto de soluci
n que puede o interpretarse como la contribuci
n marginal esperada del jugador i, o como un o promedio de las contribuciones marginales vS , vS n fig de dicho jugador a todas las coaliciones no vac
as S 2 2N cuando se supone que la coalici
n a la que
o pertenece el jugador i es equiprobable que sea de igual tama~o s 1 s n y n que todas las coaliciones de tama~o s tienen la misma probabilidad. Es decir, n una suma ponderada de las contribuciones marginales del jugador i, sabiendo que la probabilidad pis de que el jugador i pertenezca a una coalici
n de tama~o o n s, viene dada por , 1
1
1 , 1 ,1 pis n , 1 = n lo que implica pis = n n , 1 = s , 1!!n , s! : s s n De otra forma, el valor de Shapley puede deducirse tambi
n de un modelo e de regateo. Supongamos que, al principio, un jugador se une con otro para
6.
Situaciones de comunicacion
113
formar una coalici
n de dos personas, y posteriormente a estas dos personas o se les agrega un tercer jugador, y as
sucesivamente hasta formar una coalici
n
o de n personas. Admitamos que, en cada etapa, el nuevo jugador obtiene una ganancia marginal constituida por la diferencia entre el valor de la coalici
n que o ya estaba formada y el de la nueva a la que ya pertenece el jugador a~adido. n Si se supone que la coalici
n de n jugadores tiene tantas probabilidades de o formarse tanto de una forma como de otra, la ganancia esperada de un jugador es precisamente el valor de Shapley. Si se partiera de la apreciaci
n subjetiva de que para el jugador i es o equiprobable pertenecer a cualquier coalici
n, surge otro concepto de soluci
n: o o el valor de Banzhaf-Coleman 5 25 , de nido por X 1 i v = n,1 v S , v S n fig : fSN :i2Sg 2 La idea de Shapley es, en principio, s
lamente una de las que podr
an o
servir para tomar una decisi
n sobre cu
l debe ser la soluci
n de un juego o a o cooperativo de n personas. Sin embargo, Shapley justi ca su elecci
n indicando o requisitos que deber
a cumplir cualquier soluci
n razonable y demostrando que,
o el valor de Shapley, es el unico que satisface estos axiomas. El valor de Shapley
satisface los siguientes axiomas: Axioma de linealidad: Si N; v y N; w son dos juegos cooperativos cualesquiera de utilidad transferible, entonces i v + w = i v + i w; para todo i 2 N;
; 2 R:
Axioma del jugador pasivo: Si i 2 N es un jugador pasivo en el juego v, es decir, vS = vS n fig + vfig para todo S N , entonces
i v = vfig:
Axioma de e ciencia:
X
i2N
i v = vN :
114
2.
En principio, en el estudio de los juegos cooperativos, se supone que cualquiera de los jugadores quiere cooperar con los dem
s o, en otro caso, el juego a se desarrollar
en forma no cooperativa. Es decir, ser
posible formar cualquier a a coalici
n entre jugadores y, por tanto, existir
una cooperaci
n universal entre o a o todos ellos. El inter
s por el estudio de juegos de n personas en los que se incore poran restricciones a las coaliciones entre los jugadores, se inicia con el modelo de Aumann y Maschler 3 sobre juegos con estructuras de coalici
n. En o esta aproximaci
n a una cooperaci
n m
s restringida o limitada, los jugadores o o a son distribuidos formando una partici
n del conjunto de los mismos, B = o fB1 ; B2 ; : : : ; Bk g, denominada estructura de coalici
n. As
, dada una estruco
tura de coalici
n, las relaciones entre jugadores pueden realizarse, unicamente, o
dentro de las coaliciones que constituyen la estructura. Las estructuras de coalici
n no pueden emplearse en aquellas situaciones o en las que la relaci
n entre los jugadores no sea transitiva. Por ello, Myerson, o en su trabajo Graphs and cooperation in games 62 , propone un nuevo punto de vista para modelar la conducta cooperativa entre los jugadores. Dado un juego N; v, Myerson le asocia un grafo de cooperaci
n G = o N; E cuyo conjunto de v
rtices N es el formado por todos los jugadores y cuyo e conjunto de aristas no ordenadas E viene dado por los acuerdos bilaterales entre los jugadores. El grafo indica las posibilidades de comunicaci
n entre parejas o de jugadores y lleva impl
cito que no todas las coaliciones de jugadores son
factibles. As
, ser
n consideradas coaliciones factibles aquellas coaliciones de ju
a gadores que son conexas en el grafo; es decir, una coalici
n de jugadores va a ser o
6.
Situaciones de comunicacion
115
factible si dados dos elementos cualesquiera de la misma, existe un camino en el grafo que los relaciona y que est completamente incluido en dicha coalici n. a o
Ejemplo 6.4 Sea G = N; E el grafo de cooperaci n establecido entre los o jugadores del conjunto N = f1; 2; 3; 4; 5; 6g, donde el conjunto de aristas es E = ff1; 2g; f2; 3g; f2; 6g; f4; 5gg.
6 2 4 3 5
A A A A 1 A
F = ff1g; f2g; f3g; f4g; f5g; f6g; f1; 2g; f2; 3g; f2; 6g; f4; 5g; f1; 2; 3g; f2; 3; 6g; f1; 2; 6g; f1; 2; 3; 6gg:
Es decir, dado un grafo de cooperaci
n G = N; E , el conjunto de coao liciones factibles es F = fS N : S; E S es un subgrafo conexo de Gg: Teniendo en cuenta lo anterior, la cooperaci
n parcial entre jugadores o viene determinada por una terna N; v; G que, habitualmente, es denominada situaci
n de comunicaci
n y, para Myerson, la existencia de coaliciones factibles o o y de otras que no lo son, obliga a que la funci
n caracter
stica del juego N; v o
tenga que ser modi cada, dando lugar al juego restringido por el grafo de cooperaci
n G, que denotamos N; vG . Con el prop
sito de de nir la funci
n o o o G , introducimos las siguientes nociones. caracter
stica asociada al juego N; v
Sea N; v; G una situaci
n de comunicaci
n y sea F el sistema de coao o liciones factibles. A cada S N , le asociamos la familia de sus subconjuntos
116
fH S : H 2 Fg = ff1g; f2g; f3g; f4g; f1; 2g; f2; 3g; f1; 2; 3gg; CF S = ff4g; f1; 2; 3gg:
juego. El juego restringido por el grafo de cooperaci
n G, es el par N; vG con o
X vG : 2N ,! R; vG S = vSi ; vG ; = 0;
i
Si S N es una coalici n factible, entonces vG S = vS . Por tanto, o si G es el grafo completo de cooperaci n Kn, entonces N; vG = N; v. o
Ejemplo 6.5 Sea la situaci n de comunicaci n N; v; G, con N; v tal que, o o para cualquier coalici n S no vac a de N , vS = jS j2 , 1 y G es el grafo de o
A A A A 1 A
4 3
Figura 6.2.
6.
Situaciones de comunicacion
117
vG fig = 0; para todo i 2 N: vG f1; 2g = vG f2; 3g = vG f4; 5g = 3; vG fi; j g = 0, en otro caso. vG f1; 2; 3g = 8, vG f1; 3; 4g = vG f1; 3; 5g = 0; vG fi; j; kg = 3, en otro caso. vG f1; 2; 3; 4g = vG f1; 2; 3; 5g = 8; vG f1; 2; 4; 5g = vG f2; 3; 4; 5g = 6, vG f1; 3; 4; 5g = 3. vG N = 11.
Tabla 6.2 Este modelo, que se utiliza en problemas de asignaci
n de costes beneo cios y redes de comunicaci
n, ha suscitado una l
nea de investigaci
n |que o
o continua en la actualidad| con trabajos de Owen 72 , Nouweland y Borm 68 , Carreras 21 , Nouweland, Borm y Tijs 69 , entre otros. Estos trabajos sobre las situaciones de comunicaci
n de Myerson han seguido, b
sicamente, o a tres direcciones de estudio: 1. Propiedades del juego N; v que se transmiten o son heredadas por el juego restringido N; vG . 2. Conceptos de soluci
n de conjunto para el juego restringido N; vG y o existencia de relaciones entre
stos y los del juego N; v. e 3. Conceptos de soluci
n de punto o reglas de asignaci
n de pagos para las o o situaciones de comunicaci
n. o Obviamente, presentar todos los resultados obtenidos en los campos de estudio indicados para las situaciones de comunicaci
n es una tarea que escapa o de los objetivos que se plantean en este libro. No obstante, indicamos brevemente algunos de los resultados m
s interesantes y nos detenemos algo en las a reglas de asignaci
n de pagos para las situaciones de comunicaci
n. o o
118
En este resultado, cuya demostraci
n puede consultarse en los trabao jos de Owen, Nouweland y Borm citados anteriormente, se pone de mani esto que la superaditividad de la funci
n caracter
stica del juego N; v es heredada o
siempre por el correspondiente juego restringido. Sin embargo, la propiedad de convexidad no se transmite de forma autom
tica del juego N; v al juego a G a menos que la situaci
n de comunicaci
n tenga la siguiente caracN; v o o ter
stica peculiar: si el grafo G tiene un ciclo x1 ; x2 ; : : : ; xp ; x1 , entonces el
subgrafo generado por los elementos fx1 ; x2 ; : : : ; xp g es un subgrafo completo de G. Esta propiedad de un grafo es la que de ne y caracteriza a los llamados grafos ciclo-completos o grafos bloque.
Teniendo en cuenta que Bondareva y Shapley demuestran que la clase de los juegos equilibrados es precisamente la clase de los juegos que tienen core no vac
o, este teorema nos permite obtener como conclusi
n que si el core del juego
o N; v es no vac
o, entonces el juego restringido por el grafo de cooperaci
n tiene
o core no vac
o. Adem
s, esta conclusi
n puede extenderse a cualquier subjuego
a o inducido S; vS . En la primera secci
n de este cap
tulo, pusimos de mani esto que uno de o
los conceptos m
s cl
sicos en la b
squeda de soluciones para un juego coopea a u rativo era el valor de Shapley. Es entonces l
gico que, cuando se abordan ideas o
6.
Situaciones de comunicacion
119
de cooperaci
n parcial modeladas a trav
s de situaciones de comunicaci
n, se o e o piense en utilizar el valor de Shapley asociado a la funci
n caracter
stica del o
juego restringido por el grafo de cooperaci
n. A su de nici
n, como regla de o o asignaci
n, y a sus propiedades nos referimos a continuaci
n. o o Sea N; v un juego cooperativo y sea SC N el conjunto de todas las situaciones de comunicaci
n de nidas sobre el conjunto N ; es decir: o
X
k2S
Yk N; v; G = vS :
Es decir, una regla de asignaci n para el juego v es una funci n que a o o cada situaci n de comunicaci n N; v; G le asigna un vector n-dimensional que o o es e ciente para las coaliciones factibles maximales de la coalici n N . o N ,! Rn , es justa si para cualquier La regla de asignaci n, Y : SC o N y cualquier arista fi; j g 2 E , N; v; G 2 SC
De nici n 6.2 El valor de Myerson de la situaci n de comunicaci n N; v; G, o o o n , es el valor de Shapley del juego restringido por denotado por N; v; G 2 R ,
Los siguientes teoremas ponen de mani esto que el valor de Myerson es la unica regla de asignaci n justa que puede de nirse en el conjunto de las o
120
situaciones de comunicaci n asociadas a un juego N; v, y que, en el caso de o que el juego N; v sea superaditivo, es una regla de asignaci n estable. Las o pruebas originales de Myerson pueden consultarse en su trabajo Graphs and cooperation in games 1977 62 .
Teorema 6.4 Dado un juego N; v, existe una unica regla de asignaci
n justa
o N ,! Rn ; dada por Y N; v; G = N; v; G: Y : SC
el valor de Myerson N; v; G; es una regla de asignaci
n justa y estable. o
Aunque el modelo de Myerson supone el primer paso en el estudio de la cooperaci
n parcial,
ste no cubre todas las situaciones posibles que pueo e den plantearse. Por ejemplo, es inmediato observar que si no fuera posible formar coaliciones factibles de dos jugadores, entonces ser
a imposible modelar
las relaciones entre los jugadores mediante un grafo de cooperaci
n. Por ello, o Myerson en su trabajo Conference structures and fair allocation rules 1980 64 , propone otros modelos que generalizan las situaciones de comunicaci
n, o bas
ndose en la existencia de un conjunto de coaliciones factibles que no tiene a porqu
derivarse de las coaliciones conexas en un grafo de cooperaci
n entre e o los jugadores. Dos de estos modelos van a exponerse a lo largo de este cap
tulo
y del siguiente. El primero de ellos |que expondremos a continuaci
n| es o la generalizaci
n, que consideramos m
s natural, de las situaciones de comunio a caci
n v
ase L
pez 58 y Algaba 1 . El segundo de los modelos constituir
o e o a el centro de atenci
n del cap
tulo octavo y responder
a un concepto mucho o
a m
s general de cooperaci
n parcial. a o Para desarrollar la generalizaci
n de los conceptos de Myerson, podemos o pensar, en principio, en una terna N; v; F en la que N; v es un juego cooperativo de utilidad transferible y N; F es un sistema de coaliciones factibles. Es decir, F 2N y los elementos de F son las coaliciones posibles impuestas por la cooperaci
n parcial. Adem
s, ser
a l
gico no exigirle a F que tenga una o a
o estructura predeterminada salvo una m
nima condici
n razonable;
sta consiste
o e en admitir que las coaliciones formadas por un solo jugador sean factibles.
6.
Situaciones de comunicacion
121
P 1 ; 2 F , y las coaliciones fig 2 F ; para todo i 2 N . Es evidente que, en un sistema de coaliciones factibles, podr
amos de nir
el concepto de coaliciones factibles maximales de cualquier coalici
n de la o misma forma que se hizo para las situaciones de comunicaci
n. o
De nici
n 6.4 Sea N; F un sistema de coaliciones factibles y sea S N . o Se dice que T es una F -componente de S si T 2 F y no existe T 0 2 F tal que T T 0 S.
Es decir, las F -componentes de S N son las coaliciones factibles maximales contenidas en S .
Proposici
n 6.1 Sea N; F un sistema de coaliciones factibles. Si S N , o S entonces sus F -componentes, denotadas por fTk gk 2S , veri can S = k Tk . Demostraci
n: Para todo k, Tk S , su uni
n est
necesariamente incluida o o a en la coalici
n S . Adem
s, al ser fag 2 F , para todo a 2 S , entonces o bien o a fag = Tk o bien fag Tk para un cierto k. Ello asegura que cualquier elemento de S pertenece a una F -componente de la coalici
n S . o 2
El primer inconveniente para proseguir la generalizaci
n del modelo de o Myerson es que, en un sistema de coaliciones factibles, las F -componentes de una coalici
n S N no tienen porqu
formar una partici
n de S . o e o
122
1 = ff1g; f3g; f4gg; 2 = ff1; 3g; f4gg; 3 = ff1g; f3; 4gg: A continuaci n, introducimos el concepto de juego con cooperaci n reso o tringida por un sistema de coaliciones factibles.
6.
Situaciones de comunicacion
123
donde
De nici
n 6.5 Sean N; F un sistema de coaliciones factibles y , v un o N; juego. Se denomina juego con cooperaci
n restringida por F ; al par N; vF ; o ~
v F : 2N ~
,! R;
vF S = max ~
X
i2I
Ejemplo 6.8 Sea la terna N; v; F , donde N; F es un sistema de coaliciones factibles dado por N = f1; 2; 3g; F = f;; f1g; f2g; f3g; f1; 3gg; y sea v la funci n caracter stica tal que, para cada S N , o
8 :
vS =
2; 1=2; 0;
si jS j 2 si jS j = 1 en otro caso.
En esta situaci n, el juego con cooperaci n restringida por el sistema de o o F , queda determinado en la siguiente tabla: coaliciones factibles, N; v ~
PF S ; f;g f1g ff1gg f2g ff2gg f3g ff3gg f1; 2g ff1g; f2gg f1; 3g ff1g; f3gg; ff1; 3gg f2; 3g ff2g; f3gg f1; 2; 3g ff1g; f2g; f3gg; ff2g; f1; 3gg
S
Tabla 6.3
0 1=2 1=2 1=2 1=2 + 1=2 = 1 maxf1=2 + 1=2; 2g = 2 1=2 + 1=2 = 1 maxf3=2; 1=2 + 2g = 5=2
vF S ~
El concepto de juego de cooperaci
n restringido por un sistema de coao liciones factibles es una extensi
n, a cualquier coalici
n de jugadores, del utio o lizado por Faigle 33 en su an
lisis de juegos con cooperaci
n restringida y por a o Berganti~os, Carreras y Garc
a Jurado 6 , cuando consideran grafos de comun
nicaci
n para re ejar situaciones de incompatibilidad entre algunos jugadores. o
124
De manera especial, los trabajos de Faigle nos proporcionan un estudio exhaustivo y profundo de las implicaciones y caracter
sticas de este modelo de
cooperaci
n parcial. o Si nos planteamos exigirle unas condiciones al sistema de coaliciones factibles para intentar generalizar las ideas de Myerson, parece adecuado que se imponga la siguiente de nici
n. o
satisface los siguientes axiomas:
P 1 ; 2 F , fig 2 F para todo i 2 N . P 2 Para toda S N , las F -componentes de S forman una partici n de S , o denotada por S : Es evidente que un sistema de partici n es un sistema de coaliciones o factibles, por lo que los elementos de F seguir n llam ndose de igual forma. a a Adem s, si N; F es un sistema de partici n, entonces el par S; F 0 de nido a o por F 0 = fT 2 F : T S g tambi n lo es. e
minimal, respectivamente.
Ejemplo 6.9 Las colecciones de subconjuntos de N = f1; : : : ; ng, dadas por F = 2N ; y F = f;; f1g; : : : ; fngg; son los sistemas de partici n maximal y o
N; v; G, donde N; v es un juego y G = N; E es un grafo. Es f cil ver que a el par N; F , con
es un sistema de partici n. o
N = f1; 2; 3; 4g y F = f;; f1g; f2g; f3g; f4g; f1; 2; 3g; f2; 3; 4g; N g:
6.
Situaciones de comunicacion
J
125
N
J J J
F ;
f1; 2; 3g Q Q A
Figura 6.3. Un sistema de partici n o Puede comprobarse que N; F constituye un sistema de partici n que no o coincide con la familia de subgrafos conexos de ning n grafo. Esto es debido a u que cualquier grafo G se de ne mediante pares fi; j g, lo cual implica que deben existir forzosamente coaliciones factibles formadas por dos elementos y, en este caso, no pertenecen a la familia de coaliciones F considerada.
De nici
n 6.7 Sean N; F un sistema de partici
n y N; v un juego. Se o o , denomina juego restringido por el sistema de partici
n F , al par N; vF con o X vF : 2N ,! R; vF S = vT :
T 2S
Las de niciones dadas anteriormente constituyen una generalizaci n de o los conceptos de situaci n de comunicaci n y de juego restringido por un grafo o o de comunicaci n dados por Myerson y Owen. o La de nici n de sistema de partici n se ha introducido para generalizar o o el modelo de situaci n de comunicaci n de Myerson. Ello ha obligado a imo o poner, a los sistemas de coaliciones factibles, la exigencia de que cada coalici n o de jugadores pueda descomponerse en una partici n de sus coaliciones factibles o maximales. Ahora bien, a pesar de ser una exigencia, en principio, estrictamente matem tica, podemos observar que tiene una interpretaci n bastante a o realista en un ambito de cooperaci n parcial. o
126
Es decir, vamos a ver que un sistema de partici
n viene caracterizado por o el siguiente m
todo de colaboraci
n entre los jugadores: siempre que haya dos e o coaliciones factibles con intersecci
n no vac
a, los jugadores pertenecientes a la o
intersecci
n van a actuar como intermediarios entre ambas coaliciones y logran o que la uni
n de ambas constituya una nueva coalici
n factible m
s amplia. o o a En la siguiente proposici
n, estableceremos que esta propiedad de intero mediaci
n caracteriza a los sistemas de partici
n. o o
Proposici n 6.2 Un sistema de coaliciones factibles N; F , F 2N , es un o sistema de partici n si y s lo si cualesquiera A; B 2 F , con A B = ;, satiso o 6 facen que A B 2 F . Demostraci n: En primer lugar, probaremos la condici n su ciente. Teo o niendo en cuenta la proposici n 6.1, basta probar que cualquier par de F o componentes de A N son disjuntas. Consid rense Ti , Tj i = j coaliciones e 6 factibles maximales de A. Si Ti Tj = ; entonces, por hip tesis, Ti Tj 2 F 6 o siendo Ti Tj A. Ello contradice que Ti y Tj son coaliciones factibles maxi-
Ejemplo 6.11 Sea N = f1; 2; 3; 4g y consid
rense los siguientes sistemas de e coaliciones factibles N; F1 , N; F2 , donde
F1 = f;; f1g; f2g; f3g; f4g; f1; 2g; f2; 3g; f2; 4g; f1; 2; 3g; f1; 2; 4g; f2; 3; 4g; N g; F2 = f;; f1g; f2g; f3g; f4g; f1; 2g; f1; 3g; f2; 4g; f3; 4g; N g:
6.
Situaciones de comunicacion
C S F2 ;
CS , @
C S ; ; @ , f1; 2; 3g@ f1,2@4g ,f2; 3; 4g
C S @ , @ ,
C S , @ , @
C S , , @
f g f1; 2gA @Af2; 3g Af2; 4g f1; 2g @ 1; 3,@ ,C@2; 4gS f3; 4g f , A A A @ , @ , @ , A A A , @ , @ , @ f1g Af2g A f3g A f4g ,1g @,2g @,3g @ f4g f f f Q Q Q Q Q A A Q A A Q A Q A Q Q Q A Q A , @ , @
127
F1 ;
Figura 6.4.
A trav
s de la representaci
n de F1 ; y F2 ; puede examinarse e o la caracterizaci
n, dada por la proposici
n 6.2, de los sistemas de partici
n: o o o N; F1 constituye un sistema de partici
n ya que, como puede comprobarse en o su diagrama de Hasse, siempre que dos coaliciones factibles tienen intersecci
n o no vac
a, su uni
n es una coalici
n factible. El par N; F2 es un sistema de
o o coaliciones factibles que no veri ca la proposici
n 6.2, luego no es un sistema o de partici
n. o
128
En el siguiente ejemplo se muestra que el car cter mon tono del juego v a o no se transmite, en general, al juego restringido por un sistema de partici n a o menos que se a~adan algunas hip tesis adicionales. n o
Ejemplo 6.12 Sea N = f1; 2; 3; 4; 5g y el juego N; v, cuya funci n caracteo r stica viene dada por v; = 0 y, para cada S N , por
8 :
vS =
1=2; si jS j = 1 1; si jS j = 2 3=2; si jS j 2:
El juego v es mon tono. Consid rese la situaci n de comunicaci n o e o o N; v; G, con G = N; E , donde E = ff1; 3g; f2; 3g; f3; 4g; f3; 5gg.
, @, @ 3 , ,@ @ ,
, ,
@ @
6.
Situaciones de comunicacion
129
Lema 6.1 Sea N; F un sistema de partici
n. Sean A; B N dos coaliciones o disjuntas. Si fAi gi y fBj gj son sus respectivas F -componentes, entonces las coaliciones factibles maximales de A B son de la forma A B = fCt gt , siendo
Ct =
! 0 1 Ai @ Bj A ;
j
para algunos i; j;
una coalici n factible maximal de la uni n. Dichos elementos no pueden ser o o exclusivamente pertenecientes a A ya que Ai es maximal en A. Supongamos que Ai fa1 ; : : : ; ar ; b1; : : : ; bhg 2 F donde
Demostraci n: Sea Ai 2 A el razonamiento es similar con Bj 2 B , es o decir, cada Ai 2 F es una coalici n factible maximal en A. Si, adem s, es o a maximal en A B tenemos que Ai 2 A B . Si no lo es, entonces al conjunto
Razonando, de igual forma, con los dem s elementos se llega a que la a coalici n factible maximal de la uni n estar a formada por o o
Ct =
! 0 1 Ai @ Bj A ;
j
para algunos i; j:
Teorema 6.6 N; F un sistema de partici n y N; v un juego superadio ,N; vF Sea el juego restringido por F ; entonces tivo. Si es
130
X vF S = vSk v
k
Sk = vS :
b Sean A N , B N; con A B = ;. Como N; F es un sistema de partici n, cualquier conjunto puede expresarse como uni n disjunta de sus o o F -componentes, es decir,
A = Ak ; B = Bp :
k p
Todas las F -componentes de A y B son coaliciones factibles contenidas en A B . Teniendo en cuenta el lema 6.1, o bien algunas coaliciones factibles maximales de la uni n coinciden con algunas de las de los conjuntos A, B , o o bien son de la forma
Ct =
! 0 1 Ai @ Bj A ;
j
para algunos i; j:
Reagrupando las F -componentes de A y B , y aplicando el car cter sua peraditivo del juego N; v, se tiene
vF A + vF B =
X
k
vAk +
X
p
vBp
X
t
vCt = vF A B :
6.
Situaciones de comunicacion
131
maximales de A y B es una-a-una es decir, dos componentes diferentes de A est n contenidas en diferentes componentes de B y v es un juego mon tono y a o F A vF B ya que cero-normalizado, entonces v
vF A =
k X i=1
vAi
fBj : Ai Bj g
vBj
p X j =1
vBj = vF B :
En el resultado anterior se ha mostrado que si N; v es superaditivo, entonces el juego restringido por un sistema de partici n N; vF tambi n lo o e es. Sin embargo, la convexidad no es transmitida, de forma general, al correspondiente juego restringido. Ello, puede observarse en el siguiente ejemplo.
f cil ver que N; v es un juego convexo, mientras que N; vF no lo es ya que, a para A = f1; 2; 3g y B = f2; 3; 4g se veri ca la desigualdad contraria
Ejemplo 6.13 Sea N; v; G una situaci
n de comunicaci
n donde el conjunto o o de jugadores es N = f1; 2; 3; 4g, y la funci
n caracter
stica es vS = jS j , 1, o
para toda coalici
n no vac
a S N . Si G es el ciclo representado en la gura o
6.6, y N; F es el sistema de partici
n de los subgrafos conexos, entonces es o
vF A B + vF A B = 3 + 0 vF A + vF B = 2 + 2:
, , , ,@
4
@ @ @ , , @ @ , ,
, , @ @
@ @
, @, @ 1
Figura 6.6. Ciclo de cuatro jugadores Esta situaci
n, referente a la convexidad del juego restringido, nos obliga o a estudiar las condiciones estructurales que tendr
an que cumplirse para que
se transmitiera la convexidad. Los conceptos que a continuaci
n se presentan o tienen ese objetivo.
132
8S; T 2 C con S T 6= ; = S T 2 C ; S T 2 C :
La proposici
n 6.2 implica que, si una familia intersectante C es at
mica, o o es decir, fig 2 C , para todo i 2 N y ; 2 C , entonces N; C es un sistema de partici
n. o
Si N; v es un juego convexo, entonces el juego restringido por el sistema de partici
n N; vC tambi
n lo es. o e
Teorema 6.7 Sea N; C una familia intersectante, at
mica y tal que ; 2 C . o
2
Este teorema nos indica que, los sistemas de partici
n para los que la o intersecci
n de dos cualesquiera de sus elementos pertenece al sistema, transo miten la convexidad de un determinado juego N; v al correspondiente juego restringido por un sistema de partici
n con esta propiedad. Dicho de otra o forma: para esta clase especial de sistemas de coaliciones factibles no hace falta ninguna hip
tesis adicional a la convexidad de la funci
n caracter
stica o o
del juego N; v para que
sta se transmita al juego con cooperaci
n restringida. e o El teorema 6.7 puede extenderse a una terna N; v; C en la que N; C es una uni
n nita disjunta de familias intersectantes, at
micas, que contienen o o al conjunto vac
o y v es un juego en N . Es decir,
6.
Situaciones de comunicacion
133
Adem s, podemos considerar la colecci n de subjuegos fNi ; vNi t=1 g, a o i donde vNi A = vA con A Ni y, como Ni ; Ci es un sistema de partici n, o tiene raz n de ser la terna Ni ; vNi ; Ci y el juego restringido por Ci . De estas o consideraciones y debido a que
una familia intersectante at
mica que contiene al conjunto vac
o, resulta que o
el juego restringido que corresponde a cada terna Ni ; vNi ; Ci es convexo como consecuencia del teorema 6.7. Entonces, si A; B N resulta que A Ni Ni y B Ni Ni . Aplicando la supermodularidad de la funci
n vNii a las coaliciones o C A Ni y B Ni , se tiene:
C C C C vNii A B Ni + vNii A B Ni vNii A Ni + vNii B Ni : Al ser v
lido el razonamiento para cualquier i, se cumple a X Ci XC vNi A B Ni + vNii A B Ni
i
Demostraci n: Si N; v es convexo y N = Si Ni, cada uno de los subjuegos o de la colecci n fNi ; vNi gt=1 tambi n lo es. Como Ci , para cualquier i, es o e i
X
i
XC C vNii A Ni + vNii B Ni :
i
vC A B + vC A B vC A + vC B :
2
A continuaci
n, siguiendo las ideas utilizadas por Nouweland 70 , ino dicamos las condiciones que ha de cumplir un sistema de partici
n para que o el core del juego restringido no sea vac
o cuando no lo sea el core del juego
N; v. Tambi
n, exponemos un resultado que nos establece que el core del e juego restringido est
completamente determinado por las coaliciones factibles. a
vF S =
X
k
vSk
XX ! X
k i2Sk
xi =
i 2S
xi = xS ;
ya que las F -componentes de S forman una partici
n de S . o F S y, debido al apartado anterior y al b Si S 2 F , entonces vS = v , F concepto de subjuego, resulta inmediatamente que C S; vS C S; vS . 2 Debemos hacer notar que si el core C N; v es no vac
o, la igualdad
vF N = vN es condici
n necesaria y su ciente para que se veri que la o inclusi
n entre los cores. Adem
s, si vF N 6= vN es inmediato que la intero a F es vac
a. secci
n C N; v C N; v o
ri ca vN = vF N . Entonces:
Teorema 6.8 Sean N; F un sistema de partici n y N; v un juego que veo
6.
Situaciones de comunicacion
135
a Si N; v es un juego equilibrado, tambi n lo es N; vF . e b Si N; v es totalmente equilibrado, tambi n lo es N; vF . e
dareva y Shapley y el apartado a de la proposici n 6.4. o F b Hay que probar que, para toda S N , el juego S; vS es equilibrado. Si S 2 F , el par S; vS es un juego equilibrado y, debido al apartado b de F la proposici n 6.4, S; vS lo es. Si S 2 F , entonces S = S1 S2 : : : Sk o = F -componentes de S y, por hip tesis: o
C St ; vSt 6= ;; t = 1; : : : ; k:
F Para probar que S; vS es equilibrado, basta demostrar que su core no es vac
o. En efecto, consid
rese
e
i 7,! xSp ; i
yS =
=
X
i2S
yi =
Sp 2S
i2S Sp Sp = x
xSp = i
Sp 2S
0 1 X @ X Sp A xi Sp 2S i2Sp X F
vTk :
F vSp = v S = vS S :
X
k
i2Tk
xS j ; i
X X vF T = vTk
k
X
i2Tk
xSj i
! X
=
i2T
xSj = i
X
i2T
yi = yT :
vN = vF N , entonces
Demostraci
n: Si x 2 C N; vF , entonces o
xN = vF N ; xS vF S ; para toda S N;
por lo que
xS =
X
i2S
xi =
XX ! X
k i2Sk
xi =
xSk
X
k
vSk = vF S ;
Si N; F es un sistema de partici
n, para cada juego N; v es posible o considerar el correspondiente juego con estructura de cooperaci
n asociado a
l. o e N en s
mismo, que se denotar
De ah
que pueda de nirse una aplicaci
n de ,
o
a N ,! ,N ; LF v = v F : por LF : , En lo que sigue, nuestro objetivo es establecer que los juegos de unanimidad cuyo soporte es una coalici
n factible constituyen una base para el conjunto o de los juegos restringidos por un sistema de partici
n. Para ello, se admitir
o a N ya que que, en el sistema de partici
n que se considere, siempre ser
F 6= 2 o a en el caso de la igualdad cualquier coalici
n de N es una coalici
n factible y, o o F = v con lo que la aplicaci
n LF es la identidad. como consecuencia, v o
6.
Situaciones de comunicacion
137
Dado que ,N es un espacio vectorial de dimensi n 2jN j , 1 y que el o juego restringido por F est de nido sobre una suma extendida a las F -coma ponentes de cada coalici n, es de esperar que LF sea un endomor smo en ,N . o Ello se recoge en la siguiente proposici n. o
Proposici
n 6.6 Si F = 2N , el operador LF es lineal y no biyectivo. o 6 Demostraci
n: Es f
cil ver que o a LF v + w = LF v + LF w; 8 ; 2 R; 8v; w 2 ,N ;
debido a la de nici
n del juego restringido. En efecto, para cualquier S N : o v + wF S =
X
i
v + wSi =
X
i
vSi +
X
i
wSi
= vF + wF S :
La aplicaci
n LF no es biyectiva ya que su n
cleo no queda reducido al o u N F = 2N , existen subconjuntos juego nulo S = 0; 8S N . Como F 2 6 de N que no son coaliciones factibles. De ah
, el juego de nido, para toda
S N , por vS = 0; si S 2 F 1; si S 2 F , = es no nulo, y su imagen es el juego nulo:
8S N; vF S =
X
k
vSk = 0:
En el espacio vectorial ,N , sabemos que el conjunto de los juegos de unanimidad fuT : T N; T 6= ;g constituye una base. Por tanto, cualquier juego v 2 ,N puede expresarse como combinaci n lineal de ellos, resultando o que v ase Shapley 80 e
v=
fT N :T 6=;g
v T uT con v T =
H T
Tal como indica Harsanyi 45 , a cada una de las coordenadas del juego v en la base formada por los juegos de unanimidad, v T , se la denomina dividendo de T en el juego v.
138
espacio LF ,N .
Teorema 6.9 Si N; F es un sistema de partici n, entonces el conjunto de o los juegos de unanimidad fuT : T 2 F ; T = ;g constituye una base del 6 ,
Corolario 6.1 Sea N; F un sistema de partici
n y sea v 2 ,N . Entonces, o el juego restringido por F puede expresarse como X vF = vF T uT ; con vF ; = 0:
El teorema 6.9 generaliza los resultados obtenidos por Owen 72, teoremas 2 y 3 cuando considera sistemas de partici
n derivados de situaciones de o comunicaci
n y los correspondientes juegos restringidos por grafos. Bilbao 8 o analiza los dividendos, el potencial y nuevas f
rmulas para valores de juegos o F restringidos por sistemas de partici
n. v o Por ultimo, indicamos cual ser
a la extensi
n natural del valor de My
o erson. Para ello, recordemos que si en el modelo de las situaciones de comunicaci
n parec
a l
gico utilizar el valor de Shapley del juego restringido por o
o el grafo de cooperaci
n, entonces, tambi
n debe parecer conveniente que se o e emplee la misma idea para los sistemas de partici
n. o
T 2F
De nici
n 6.8 Sean N; F un sistema de partici
n y N; v un juego. El o o F -valor juego es Shapley del ,N; vF ,de ShapleydelN; v =N; v,N; velvalor decada i 2 N: juego restringido F F ; para es decir, i i
Obs
rvese que para el sistema de partici
n considerado en el ejemplo e o 6.10, el F -valor de Shapley es el valor de Myerson, ya que F N; v = i N; vF = i N; vG = i N; v; G: i De igual forma, si se considera la terna N; v; F con F = 2N , resulta que vF es el juego v y el F -valor coincide con el valor de Shapley para el juego N; v. Adem
s, se pueden establecer los siguientes resultados: a
Teorema 6.10 Sean N; F un sistema de partici
n y N; v un juego. El o F -valor de Shapley es una regla de asignaci
n, es decir, o X F 8S 2 CF N ; k N; v = vS :
k 2S
6.
Situaciones de comunicacion
139
Teorema 6.11 Sea N; F una familia intersectante,,at mica y tal que ; 2 C : o F N; v 2 C N; vF . Si el juego N; v es convexo, entonces Demostraci n: Si N; v es convexo, el teorema 6.7 asegura que el juego o ,N; vF tamb n lo es, ya que N; F es una familia intersectante, restringido e at mica y contiene al conjunto vac o. Entonces, el F -valor de Shapley pertenece o
Es evidente que el teorema anterior es tambi n v lido para cualquier e a terna N; v; F en la que N; F sea una uni n nita y disjunta de familias o intersectantes at micas que contengan al conjunto vac o. o
wS =
X
i2S
wi :
7.
141
Una coalici
n de jugadores ser
ganadora si el n
mero de votos que o a u re
ne es superior a la cuota o mayor
a exigida para ganar. En estos juegos, la u
dualidad ganar perder se simboliza por 1=0, donde 1 representa el caso de que una coalici
n alcance la mayor
a exigida y sea, por tanto, ganadora. o
As
, la funci
n caracter
stica asociada a un juego de votaci
n ponderada
o
o queda determinada de la siguiente forma. Dada una cuota q 1 wN , se 2 de ne el juego
v : 2N ,! R; vS =
A la vista de la de nici n, un juego de votaci n ponderada se representa, o o con los siguientes datos v = q; w1 ; w2 ; : : : ; wn : Es f cil probar que estos juegos son mon tonos y que, en ellos, no pueden a o existir dos coaliciones disjuntas que sean ganadoras. En efecto, es mon tono o ya que los pesos wi 0, para todo i 2 N . Adem s, si existen dos coaliciones a ganadoras disjuntas S; T N , se tiene que
X
i2S
wi q y
X
i2T
wi q implican wS T =
lo cual es contradictorio. De estas propiedades, se deduce que el juego v es superaditivo. El valor de Shapley, para cada jugador i 2 N , es i v = s , 1!n , s! vS , vS n fig n! fSN : i2Sg X s , 1!n , s! ; = n! fS2W : i2Sg
i2S T
wi 2q wN ;
W = fS N : vS = 1 y vT = 0; si T S y T 6= S g:
Este valor se denomina
ndice de poder de Shapley-Shubik 81 , y se
interpreta como la contribuci
n marginal esperada por un jugador que convierte o una coalici
n perdedora en ganadora. o
142
fq 2 N : 61 q 68g:
7.
143
Tabla 7.1 Los
ndices de poblaci
n, votos y poder, presentados en las tablas 7.1 y
o 7.2, permiten obtener las siguientes conclusiones: 1. Alemania, el Reino Unido, Francia e Italia tienen un
ndice de votos y de
poder, en el Consejo de la Uni
n Europea, que es claramente inferior a sus o respectivos
ndices de poblaci
n. Los
ndices de poder no se corresponden
o
con sus
ndices de poblaci
n, aunque son ligeramente superiores a los
o correspondientes
ndices de votaci
n.
o 2. Espa~a tiene un
ndice de votos en el Consejo de la Uni
n Europea equin
o librado con respecto a su
ndice de poblaci
n ya que, junto con Holanda,
o su n
mero de votos es el m
s proporcional a su poblaci
n. Resalta su u a o
144
Espa~a n Holanda Grecia B lgica e Portugal Suecia Austria Dinamarca Finlandia Irlanda Luxemburgo
.0917 .0955 .0924 .0884 .0936 .0921 .0981 .0911 .0558 .0558 .0558 .0558 .0552 .0552 .0552 .0552 .0566 .0566 .0566 .0566 .0556 .0556 .0556 .0556 .0566 .0566 .0566 .0566 .0558 .0558 .0558 .0558 .0542 .0542 .0542 .0542 .055 .055 .055 .055
.049 .0398 .0472 .0463 .0374 .049 .0398 .0472 .0463 .0374
.0313 .0353 .0331 .0306 .0332 .0316 .0373 .0321 .0313 .0353 .0331 .0306 .0332 .0316 .0373 .0321 .0313 .0353 .0331 .0306 .0332 .0316 .0373 .0321 .0218 .0207 .0226 .0237 .0185 Tabla 7.2 .022 .0215 .0237
7.
145
0.2
0.15
0.1 Alemania Reino Unido Francia Italia Espaa Pases Bajos Grecia Blgica Portugal Suecia Austria Dinamarca Finlandia Irlanda Poblacin Votos Luxemburgo 61 62 63 64 65 66 67 68
0.05
146
PO9
H Q H AQQ A J HH UK2 J A A H A Q A J
J
Q A J A P Q A PPP J A Q A FR3 PP A Q A DE12 A P J A A QQ A A A A QA A A A Q A IR14 GR7 LUX15 A A
SP5
IT4
AU11
BE8 NE6
SW10
FI13
7.
147
El juego restringido por el grafo de cooperaci n parcial N; vG , para un o juego de votaci n ponderada, viene dado por o
vG S = max fvSi : Si 2 CF S g :
Esta f
rmula es consecuencia directa de la de nici
n, o o
vG S =
Si 2CF S
vSi ;
porque, en un juego de votaci
n ponderada, tenemos que vSi = 1 o vSi = 0, o y no existen coaliciones disjuntas ganadoras. El
ndice de Shapley-Shubik del
juego restringido por el grafo de cooperaci
n N; vG , es el valor de Myerson o N; v; G, de la situaci
n de comunicaci
n que estamos estudiando. o o Los resultados obtenidos se exponen en la tabla 7.3 y, a continuaci
n, o se comparan los
ndices de Shapley-Shubik y de Myerson en los diagramas
tridimensionales mostrados en las guras 7.3 y 7.4. En ellos, puede observarse el aumento de poder |un poder quiz
s mas real que el derivado de una a supuesta cooperaci
n completa| que experimentan Alemania y Francia, as
o
como la disminuci
n ostensible de Italia y el Reino Unido. Por otro lado, se o advierte que Espa~a pierde la caracter
stica de pa
s equilibrado en la relaci
n n
o poblaci
n votos poder. o El c
lculo pr
ctico de los
ndices de poder se ejecuta con el programa a a
de c
lculo simb
lico Mathematica y los algoritmos utilizados se presentan en el a o cap
tulo d
cimo.
e
148
q = 62
Alemania Reino Unido Francia Italia Espa~a n Holanda Grecia B
lgica e Portugal Suecia Austria Dinamarca Finlandia Irlanda
q = 65
0.0955 0.05117 0.0552 0.0552 0.0552 0.0552 0.02824 0.02824 0.02824 0.02824
0.0936 0.05675 0.0566 0.0566 0.0566 0.0566 0.03276 0.03276 0.03276 0.03276
0.0454 0.01491 0.0454 0.02466 0.0353 0.04499 0.0353 0.01106 0.0353 0.001829
0.0398 0.0155 0.0398 0.02288 0.0332 0.05726 0.0332 0.01217 0.0332 0.01955 0.0185 0.00868
7.
149
0.2
0.15
0.1
0.05
0 Poblacin Alemania Reino Unido Francia Italia Espaa Holanda Grecia Blgica Portugal Suecia Austria Dinamarca Finlandia Irlanda Luxemburgo
Votos
Mayora 62
Mayora 65
150
0.2
0.1
0 Poblacin Alemania Reino Unido Francia Italia Espaa Holanda Grecia Blgica Portugal Suecia Austria Dinamarca Finlandia Irlanda Luxemburgo
Votos
Bloques 62
Bloques 65
7.
151
2.
En esta secci
n se expone un modelo para el estudio de la formaci
n o o end
gena de coaliciones o de estructuras de cooperaci
n basado en la t
cnica o o e de an
lisis del con icto, creada por Fang, Hipel y Kilgour en 36 , 37 y 56 . a Adem
s, se incluyen los an
lisis de estabilidad y equilibrio, usando los conceptos a a de Nash 65 , 66 . En el siguiente cuadro se clasi ca esta t
cnica de resoluci
n de con ictos e o junto a otros m
todos para tomar decisiones: e
Objetivos Uno Dos o m
s a Investigaci
n operativa Decisi
n multicriterio o o
Actores
Uno Dos o m s a
Juegos cooperativos
Para la presentaci
n de las t
cnicas de an
lisis del con icto, se va a cono e a siderar el juego de votaci
n ponderada, correspondiente a la legislatura 1994 o 96, que modela el sistema de votaci
n y toma de decisiones en el Parlamento o de Andaluc
a la elecci
n de esta legislatura obedece a razones de riqueza de
o discusi
n en la formaci
n de coaliciones. o o En el Parlamento de Andaluc
a, elegido en 1994, los jugadores son los
grupos parlamentarios
y el juego de poder queda de nido por los datos 55; 3; 20; 41; 45 : En la tabla 7.4, se presentan los
ndices de poder de Shapley-Shubik
de los partidos andaluces en el juego de votaci
n de nido anteriormente y se o comparan estos
ndices de poder multiplicados por cien con sus porcentajes
de votos y esca~os. n
152
El Parlamento de Andaluca
Votos Esca~os Poder n PSOE de Andaluc
a 38.56
41.28 33.33 PP de Andaluc
a
34.47 37.61 33.33 IU-LV-CA 19.17 18.35 33.33 Poder Andaluz 5.80 2.75 0
Tabla 7.4 Las estrategias competitivas de los tres partidos con poder en el juego de mayor
a absoluta son:
1. El PSOE tiene dos estrategias: lograr el apoyo de IU para gobernar y dialogar con el PP para evitar una coalici
n de bloqueo entre el PP e IU. o 2. El PP tiene una estrategia dominante, controlar la acci
n del gobierno y o sumar a dicho control a IU y al PA. A la vez est
abierto al di
logo con a a el gobierno en temas institucionales. 3. La coalici
n IU tiene dos estrategias que desarrolla a la vez: apoyar y o controlar la acci
n gubernamental, seg
n el signo de las pol
ticas del o u
ejecutivo. Estas estrategias de los jugadores originan un juego competitivo en el que hay 6 combinaciones estrat
gicas, que se denominan escenarios. Cada e escenario se representa mediante un grafo en cuyos v
rtices est
n los partidos e a con poder y cada arista que une dos partidos representa la disposici
n para o coaligarse en dicho escenario. Si no hay arista entre dos partidos, entonces la coalici
n entre ambos no es viable. En todas las combinaciones estrat
gicas, se o e supone que se ha elegido un gobierno en minor
a del PSOE por ser el grupo con
mayor n
mero de diputados andaluces y porque el PP e IU no desean formar u un gobierno conjunto. En la gura 7.5 se representan los seis grafos que modelan los seis escenarios aludidos. Para obtener todos los escenarios posibles se debe a~adir el n escenario E0 en el que no hay ninguna relaci
n y el escenario E7 en el que todos o
7.
153
Escenario 1 = Apoyo de IU al gobierno Escenario 2 = Apoyo del PP al gobierno Escenario 3 = Apoyo del PP y IU al gobierno Escenario 4 = Apoyo y control de IU al gobierno Escenario 5 = Apoyo y control del PP al gobierno Escenario 6 = Control del PP e IU al gobierno
IU PP Escenario 1 PSOE A
A A A A A IU
PSOE IU
PSOE
A A A A
Escenario 2 PSOE
PP
Escenario 3 PSOE A
A A A A A
PP
IU PP Escenario 4 PSOE IU PP
IU
Escenario 5
PP
Escenario 6
Figura 7.5.
154
Para cada uno de los seis escenarios descritos, se calcula el valor de Shapley del juego restringido que resulta de tomar como sistema de coaliciones factibles el que se deriva de considerar los subgrafos conexos. Es decir, para las diferentes situaciones de comunicaci
n planteadas, se o determina el valor de Myerson. El poder coalicional de cada grupo parlamentario es el expuesto en la siguiente tabla.
El Poder coalicional en Andaluc
a PSOE PP IU Escenario 1 1=2 0 1=2 Escenario 2 1=2 1=2 0 Escenario 3 4=6 1=6 1=6 Escenario 4 1=6 1=6 4=6 Escenario 5 1=6 4=6 1=6 Escenario 6 0 12 12
Tabla 7.5 El juego competitivo entre los tres partidos con poder coalicional en el Parlamento Andaluz es un con icto, para alcanzar un escenario en el que cada partido trata de obtener un poder coalicional m
ximo. a Fang, Hipel y Kilgour, en 36 y 37 , proponen el siguiente modelo gr
co a
ste consiste en un conjunto N = f1; 2; : : : ; ng de jugadores, para un con icto. E un conjunto U = f1; 2; : : : ; ug de escenarios, una familia de funciones de pago Pi : U ,! R y una familia de grafos dirigidos Di = U; Ai ; ambas de nidas para cada jugador i 2 N . En la situaci
n que se est
considerando, el juego de poder coalicional o a se modela considerando a los jugadores N = f1; 2; 3g, donde 1 representa al PSOE, 2 al PP y 3 a IU. El conjunto U de los escenarios del juego est
formado a por los ocho grafos etiquetados de tres v
rtices. Es decir, los seis escenarios e Ei de nidos y representados en la gura 7.5, el grafo sin aristas E0 y el grafo completo E7 . Las funciones de pago Pj Ei ; 0 i 7; 1 j 3, son los
ndices
de poder coalicional de la tabla 7.5. Adem
s hay que a~adir los pagos 0; 0; 0 a n
7.
155
y 1=3; 1=3; 1=3 correspondientes a los escenarios E0 y E7 respectivamente. Dado que los
ndices de poder suman uno en todos los escenarios, excepto en
E0 , se tiene
X
3
j =1
Pj Ei = 1; 1 i 7;
X
3
j =1
Pj E0 = 0:
El modelo se completa de niendo el conjunto de movimientos que un jugador puede realizar para cambiar unilateralmente de escenario y as
obtener
los grafos dirigidos Di . Puesto que, en el juego, el objetivo es aumentar el poder coalicional, se propone la siguiente de nici
n o
por el grafo g a g + ij nuevo grafo que resulta al a~adir la arista ij si los n pagos a i y j no decrecen. Es decir, Pi g + ij Pi g y Pj g + ij Pj g. Un jugador i puede mover de g a g , ij si Pi g , ij Pi g porque i no necesita la aprobaci
n de j para romper su acuerdo. o
Dado un escenario g y un jugador i, el conjunto de los escenarios que el jugador puede alcanzar unilateralmente desde g se denota por Si g. Si adem s, a i recibe un pago estrictamente mayor, los escenarios de mejora unilateral para i son: Si+ g = fq 2 Si g : Pi q Pi gg: Con las de niciones anteriores, se tiene que:
156
E3
E1
E2
E4
A A A A K A A A A A A K A A E6
E7
E5
Figura 7.6. Jugador 1 De forma an
loga se realiza para los otros dos jugadores. a
A A A A K A A A A A A K A A E0
E5
E6
E2
E3
A A A A K A A A A A A K A A E1
E7
E4
7.
157
A A A A K A A A A A A K A A E2
E4
E7
E1
E6
E5
E3
Figura 7.8. Jugador 3 Por ultimo, se introducen dos conceptos de estabilidad y equilibrio para aplicarlos al an lisis del juego coalicional y encontrar soluciones a la pregunta a sobre cu l o cu les ser n las estructuras de cooperaci n que se van a formar. a a a o
De nici
n 7.2 Un escenario g 2 U es estable Nash para el jugador i si se o veri ca que Si g = ;:
+
al conjunto de escenarios de mejora unilateral del resto de jugadores, denotado + por SN nfig g1 , tal que Pi gx Pi g:
De nici n 7.3 Un escenario g 2 U es secuencialmente estable para el jugador o i si para cualquier g1 2 Si+g existe al menos un escenario gx perteneciente
todos los jugadores. Un equilibrio secuencial es un escenario que es secuencialmente estable para todos los jugadores.
Teorema 7.1 El unico equilibrio de Nash en el juego del poder coalicional es
el escenario del grafo completo. Demostraci
n: Si el grafo completo E no es un equilibrio de Nash, entonces o existen un jugador i y un escenario g 2 Si E , con Pi g Pi E . Dado que E es el grafo completo, g se obtiene eliminando una de las aristas fij; ikg que
7 + 7 7 7
158
las dos aristas o ambas son 1=6 o 0 respectivamente. Entonces Pi g Pi E7 , en contradicci
n con lo supuesto. o Si g es un escenario cuyo grafo no es completo, existen dos jugadores i y j tales que la arista ij no pertenece a g. La estabilidad del valor de Myerson 62 en este juego coalicional implica que Pi g+ij Pi g, luego g+ij 2 Si+ g 6= ;. Entonces, el escenario g no es estable Nash para el jugador i, por lo que no es un equilibrio de Nash. 2
licional de 3 jugadores si y s
lo si i est
conectado a los otros dos jugadores o a el grado de i en el grafo es n , 1 = 2. secuencialmente estables para los dos jugadores relacionados.
1 2 6
Corolario 7.1 Un escenario es estable Nash para i en el juego del poder coa-
dos jugadores relacionados. Entonces los pagos que reciben los jugadores son Pi g = Pj g = 1 ; Pk g = 0: 2 Para probar que g es secuencialmente estable para los jugadores i y j , consid rese un escenario g1 2 Si+ g. Entonces, necesariamente g1 es el grafo e con aristas fij; ikg, donde Pi g1 = 4=6. Ante la mejora unilateral de i, los jugadores de N n fig = fj; kg responden con un acuerdo mutuo porque ambos mejoran en el escenario g1 + jk = E7 del grafo completo, recibiendo cada uno 1=3 en vez de 1=6. Esta respuesta implica que Pi E7 = 1 1 = Pi g; 3 2 con lo que g es secuencialmente estable para i. El mismo razonamiento es v lido para el jugador j . a 2 El teorema 7.1 establece que el unico equilibrio de Nash en el juego de poder coalicional de tres jugadores es el grafo completo E7 . Esta con guraci n aparece en el Parlamento Andaluz durante las negociaciones sobre los o presupuestos de 1995 y 1996.
7.
159
El teorema 7.2 explica que los acuerdos entre los jugadores que excluyen a un tercero son secuencialmente estables, es decir, son acuerdos que se mantienen excepto en el caso de que alguno de los coaligados entable relaciones con el jugador aislado. En ese caso, una respuesta de los otros dos hace que el escenario cambie al grafo completo. La amenaza de la respuesta conjunta a un primer movimiento unilateral es la base de la estabilidad en estos escenarios. De hecho, el escenario E6 fue la con guraci n dominante durante la mayor parte de o la legislatura analizada.
8.
161
N
tese que la de nici
n cl
sica de juego cooperativo es un caso particular de o o a
sta, en la que se considera que L es el conjunto 2N de los subconjuntos de N: e Denotaremos por ,L el conjunto de todos los juegos de nidos sobre la familia L. El conjunto , L dotado de las operaciones suma y producto por escalar, de nidas en el cap
tulo sexto, es un espacio vectorial. Dentro de este
conjunto existen dos colecciones de juegos especiales con valores en f0; 1g, los juegos de unanimidad y los juegos de identidad que de nimos a continuaci
n. o Para cualquier coalici
n no vac
a T 2 L; el correspondiente juego de o
unanimidad, denotado
T ; est
de nido por
T : L ,! R a
De nici n 8.1 Un juego es una terna N; v; L, donde N es un conjunto o nito, L es una familia de subconjuntos de N tal que ;; N 2 L, y v : L ,! R una funci n tal que v; = 0: o Los elementos del conjunto N = f1; 2; : : : ; ng, se denominan jugadores y los de la familia L coaliciones factibles. Si fig 2 L para todo i 2 N; la familia L se denomina at mica. En lo que sigue, identi caremos el juego N; v; L con o la funci n v : L ,! R; y diremos que v es un juego de nido sobre la familia L. o
T S =
para cada coalici n S 2 L. o El juego de identidad T : L ,! R est de nido por a 1; si S = T T S = 0; en otro caso,
1; 0;
si T S en otro caso,
162
para cada coalici
n S 2 L. La relevancia de estas dos colecciones de juegos se o pone de mani esto en el siguiente resultado.
colecciones
f
T : T 2 L; T 6= ;g y f T : T 2 L; T 6= ;g son dos bases de , L :
Demostraci
n: Es evidente que la colecci
n f T : T 2 L; T 6= ;g es una base o o de , L ya que cualquier v 2 , L puede ser escrito como
v=
y adem
s, si fT 2Lnf;g g T T = donde denota al juego nulo, es inmediato a que T = 0, para toda coalici
n no vac
a T 2 L. o
Para probar que el conjunto de juegos de unanimidad f
T : T 2 L; T 6= ;g es una base de , L es su ciente probar que es un conjunto linealmente inP dependiente. Si se considera fT 2Lnf;gg T
T = y aplicamos dicha combinaci
n lineal nula a las distintas coaliciones de L, se obtiene un sistema lineal o hom
geneo que tiene a la soluci
n trivial como unica soluci
n. o o
o 2 Cualquier familia L de coaliciones factibles, L 2N ; es un conjunto parcialmente ordenado por la relaci
n de inclusi
n. Al ser N nito, entonces o o L; es tambi
n nito siendo ; su primer elemento y N el ultimo, esto es, e
para toda S 2 L;
fT 2L:T 6=;g
v T T :
; S N:
A veces nos ser util visualizar las relaciones de inclusi n entre las coalia o ciones factibles y para ello se emplear el correspondiente diagrama de Hasse. a Como ya hemos indicado antes, a veces, estableceremos algunas reglas de cooperaci n en determinados juegos. Estas reglas son las que dotar n a o a la familia L de una determinada estructura combinatoria. A continuaci n, o introducimos la estructura denominada espacio de clausura.
8.
163
veri ca:
A 7,! L A =
C1 A A, C2 A = A, C3 Si A B; entonces A B ,
fS 2 L : A S g ;
con la propiedad adicional ; = ;: Los elementos de L, o equivalentemente, aquellos subconjuntos A N; tales que A = A, los denominaremos conjuntos cerrados. Un espacio de clausura L 2N , ordenado por inclusi
n, es un ret
culo o
completo. Recordemos que un ret
culo es un conjunto parcialmente ordenado
con supremo e
n mo para cualquier par de elementos y es ret
culo completo
si cualquier subconjunto suyo no vac
o tiene supremo e
n mo. Para todo
A; B 2 L, se tiene que A B 2 L, y as
inf fA; B g = A B:
Por otro lado, como la uni
n de conjuntos cerrados no es necesariamente o un conjunto cerrado, entonces el menor conjunto cerrado que lo contiene es A B y por tanto, sup fA; B g = A B: En el resto de esta secci
n, se supondr
que la familia L de coaliciones o a factibles es un espacio de clausura sobre el conjunto de jugadores, lo cual signi ca que hay una regla fundamental de cooperaci
n: cuando dos coaliciones o sean factibles, tambi
n su intersecci
n lo ser
. Este requisito que se impone a e o a la cooperaci
n entre los jugadores tiene una interpretaci
n que hace util el eso o
tudio que se va a realizar en muchos casos reales. Si se supone que los jugadores
164
encuentran alg
n bene cio cuando todos se unen, es l
gico pensar que las posiu o bles coaliciones entre ellos se hacen atendiendo a intereses comunes comparten ciertas ideas, son de la misma nacionalidad, pertenecen a una cierta empresa y de ah
que aquellos jugadores comunes a dos coaliciones formen tambi
n una
e coalici
n para defender en com
n un conjunto m
s amplio de intereses. o u a A continuaci
n, presentamos diversos ejemplos de espacios de clausura: o
f1; 2; 3g
A A A A A ;
N = f1; 2; 3g
f1; 2g
A f2g
f1g A
f1; 2; 3g
f1; 2; 3g A
A A
f1; 2; 3; 4g N = f1; 2; 3; 4g
A A A
f1; 2; 3; 4g
Figura 8.1. Una clase especial de espacios de clausura son las geometr as convexas.
8.
165
; = C0 C1 Cn,1 Cn = N;
de manera que no existe un conjunto convexo M ni un
ndice 0 j n , 1
tales que Cj M Cj+1 : Esto es, C es una cadena que no est
contenida a en ninguna cadena m
s larga. Denotaremos por C L el conjunto de todas las a cadenas maximales de L: Otro concepto relevante en una geometr
a convexa es el de punto ex
tremal. Dado un convexo A 2 L, diremos que un elemento a 2 A es un punto extremal de A cuando A n fag 2 L. En lo que sigue, por simplicidad en la notaci
n, escribiremos A n a en lugar de A n fag. Denotaremos por exA al o conjunto de todos los puntos extremales de A. Los puntos extremales permiten identi car las geometr
as convexas con los espacios de clausura que veri can
166
la propiedad nita de Minkowski-Krein-Milman: cada conjunto cerrado es la clausura de sus puntos extremales. A continuaci
n, se presenta un ejemplo de geometr
a convexa donde se o
muestran los conceptos anteriores.
f1; 2g f 1g
A A A A A @ @ @ @ @ A A A A A
f2; 3g f2g
Figura 8.2.
que hay en L tres cadenas maximales
8.
167
Obs
rvese que si L = 2N entonces hay n! cadenas maximales correspone dientes a todos los posibles
rdenes de jugadores y, para cualquier coalici
n o o S N , todos sus jugadores son extremales. Las geometr
as convexas pueden ser tambi
n de nidas como los espa
e cios de clausura que satisfacen la denominada propiedad anticambio : dado un conjunto cerrado A y dos elementos x 6= y pertenecientes a N n A, entonces y 2 A fxg implica que x 2 A fyg: =
.....
A continuaci
n, se muestran algunos ejemplos de familias de conjuntos o con estructura de geometr
a convexa que han aparecido en la literatura rela
cionada con la cooperaci
n parcial. o N; v; G, donde N; v es un juego y G = N; E un grafo. Si G = N; E es un grafo conexo y ciclo-completo, entonces la familia de todas las coaliciones de N que inducen subgrafos conexos L = fS N : S; E S es conexog; es una geometr
a convexa 30, teorema 3.7 .
168
En este contexto, se ha de entender que un conjunto S de P es convexo siempre que a 2 S; b 2 S y a b impliquen fc 2 P : a c bg S: Denotaremos por Co N la correspondiente geometr
a convexa al considerar N = f1; 2; : : : ; ng
con el orden natural de sus elementos. As
, los elementos de CoN son
Ejemplo 8.3 La familia de subconjuntos convexos de un conjunto nito parcialmente ordenado P; es una geometr a convexa Birkho y Bennett 15 .
i; j = fi; i + 1; : : : ; j , 1; j g; para 1 i j n:
Este modelo sirve para estudiar situaciones de cooperaci
n parcial en o juegos de votaci
n ponderada y ha sido analizado por Edelman 31 . o
A A
f1; 2; 3; 4; 5g
A A f1; 2; 3; 4g A f2; 3; 4; 5g A A A A A A A f1; 2; 3g A A f2; 3; 4g f3; 4; 5g A A A A A A A A A f1; 2g f2; 3g A f3; 4g A f4; 5g A A A A A A A A A A A A A A A A A A Af4g f5g f1g H f2g @ f3g HH , @ , HH @ , H H@ H@,, H
8.
169
X ,! X = fy 2 P : y x para alg
n x 2 X g ; u
es un operador clausura sobre P y sus conjuntos cerrados son los ideales de orden de P: Este ret
culo se denota por J P : Como la uni
n y la intersecci
n
o o de ideales de orden es un ideal de orden, se sigue que J P es un subret
culo de
P : Adem
s J P es una geometr
a convexa cerrada bajo la uni
n y el conjunto 2 a
o de puntos extremales de S 2 J P es el conjunto de todos los puntos maximales Max S : Faigle y Kern 34 35 estudian juegos sobre ret
culos distributivos
J P .
2.
Conceptos de soluci n o
xi = v N :
Usualmente escribiremos, para cada S N; x S en lugar de i2S xi y entenderemos que x ; = 0: Los vectores de pago que cumplen este principio de e ciencia se llaman preimputaciones. Denotaremos al conjunto de preimputaciones de un juego v : L ,! R; por I L; v, esto es,
I L; v = fx 2 Rn : x N = vN g :
170
A diferencia del conjunto de imputaciones de un juego v 2 , 2N , el conjunto de imputaciones de un juego sobre una familia L puede ser o no
,
8.
171
acotado, dependiendo de la familia L. Obs
rvese que el conjunto I L; v viene e determinado por un n
mero nito de desigualdades y por tanto constituye u un poliedro. La teor
a de poliedros 79 proporciona algunas de niciones y
resultados utiles para establecer una condici
n su ciente sobre la familia L
o para que el conjunto de imputaciones sea acotado. Un conjunto P Rn se llama poliedro si existe una matriz A y un vector columna b tal que
P = fx 2 Rn : Ax bg :
El poliedro P = fx 2 Rn : Ax bg est
acotado si y s
lo si a o
fx 2 Rn : Ax 0g = f0g :
Adem
s, un poliedro no vac
o P Rn est
acotado si, y s
lo si, existen a
a o n tales que P = conv fx1 ; : : : ; xt g. x1 ; : : : ; xt 2 R
i2N
v fig :
172
Otro concepto de soluci
n se basa en la idea de que no s
lo cada jugador, o o sino tambi
n cada coalici
n factible S reciba al menos la cantidad que
sta e o e puede obtener por s
sola. Es decir, que para toda coalici
n S 2 L; el vector
o de pago x veri que X xi v S :
i2S
El core del juego v consta de todos los vectores de pago e cientes que satisfacen las siguientes desigualdades.
Proposici
n 8.4 Sea v 2 , L : Si la familia L es at
mica, entonces el o o poliedro Core L; v est
acotado. a
El rec
proco de esta proposici
n no es cierto en general. Basta considerar
o N = f1; 2; 3g y la familia L = f;; f1g ; f2g ; f1; 3g ; f2; 3g ; f1; 2; 3gg, sobre la que se de ne el juego v S = jS j , 1; para toda coalici
n no vac
a S 2 L: En este o
caso,
Core L; v = x 2 Rn : x1 + x2 + x3 = 2; x1 1; x2 1; x3 2 ; +
es un conjunto acotado y sin embargo, la familia L no es at
mica. o Para poder asegurar que se veri ca el rec
proco, hay que establecer una
condici
n adicional sobre la familia L. o
Proposici
n 8.5 Sean L un espacio de clausura y v 2 , L un juego tal que o Core L; v = ;: Son equivalentes: 6
a El core del juego v es un poliedro acotado. b La familia L es at
mica. o
8.
173
Demostraci
n: Como ya se ha visto, la implicaci
n b a es cierta, o o aunque la familia L de coaliciones factibles no sea espacio de clausura. Queda probar la otra implicaci
n. Si existiera j 2 N tal que fj g 2 L, consideramos o = fj g 2 L. Sea k 2 fj g con k = j: De nimos el vector x 2 Rn de la siguiente 6
forma
8 :
xi =
,1; si i = j
1; si i = k 0; en otro caso.
De nici n 8.4 Sean v 2 , L, x; y 2 I L; v: La imputaci n y domina a la o o imputaci n x, y dom x; si existe una coalici n no vac a S 2 L tal que o o
174
A continuaci n, se analiza la dominancia entre imputaciones y se estudia o la relaci n con el core. Adem s, probaremos que si el core de un juego v 2 , L o a es estable, entonces es el unico conjunto estable para el juego. En el caso L = 2N ; estos resultados son conocidos ver Driessen 28 .
Demostraci
n: Sea x 2 CoreL; v: Supongamos que existe y 2 I L; v tal o que y dom x. La de nici
n de dominancia asegura que existe S 2 L, S = ;; o 6 veri cando xS yS vS . Entonces, x S v S es una contradicci
n o con x 2 CoreL; v. 2 Teorema 8.2 Si E es un conjunto estable para v 2 , L, se veri can
1. CoreL; v E: 2. Si CoreL; v es un conjunto estable, entonces E = CoreL; v.
Esto contradice la proposici
n anterior. o 2: Por el apartado anterior, CoreL; v E , con lo cual, es su ciente demostrar la inclusi
n contraria. Sup
ngase que existe x 2 E n CoreL; v: o o Como CoreL; v es un conjunto estable, existe y 2 CoreL; v tal que y dom x. Por tanto fx; yg E satisface que y dom x, pero esto es una contradicci
n con o la estabilidad de E . 2
hay varias empresas que fabrican dos art
culos A y B complementarios que
son utilizables s
lo en iguales cantidades. Supongamos que el conjunto de emo presas se divide en dos subconjuntos disjuntos no vac
os P y Q, donde las
que pertenecen a P Q respectivamente producen diariamente una unidad unidades del art
culo A B . Por otro lado, se supone que la mercanc
a que
8.
175
se produce con una unidad de ambos art
culos puede ser vendida obteni
ndose
e una ganancia neta de una unidad de dinero. Con las consideraciones anteriores, la funci
n de ganancia neta diaria o v que describe el valor monetario m
s grande posible de la producci
n de los a o art
culos por un grupo de empresas, est
dada por
a
vS = minfjS P j ;
Esta situaci
n econ
mica puede ser modelada como un juego cooperativo o o N; v donde el conjunto N de jugadores es N = P Q, y la funci
n caraco ter
stica v es precisamente la funci
n de ganancia neta diaria. Notemos que
o vfig = 0 para todo i 2 N . Trataremos el caso de tres empresas donde P = f1g, Q = f2; 3g y discutiremos los casos correspondientes a = 0:5 y = 1. En esta situaci
n, o vN = 1; vf1; 2g = vf1; 3g = ; vf2; 3g = 0; as
que tenemos
x dom y a trav s de f1; 2g cuando x1 y1 ; x2 y2 ; x3 1 , : e x dom y a trav s de f1; 3g cuando x1 y1 ; x3 y3 ; x2 1 , : e En el caso = 0:5 se sigue que el conjunto de todas la imputaciones que son dominadas por alg n elemento del core a trav s de las coaliciones f1; 2g y u e f1; 3g respectivamente es igual a
y 2 I ,2N ; v : y
, 0:5 y3 g y fy 2 I 2N ; v : y3 0:5 y2 ;
y puesto que estos dos conjuntos junto con el core determinan el conjunto de imputaciones, entonces el core es el unico conjunto estable.
176
En el caso = 1, el juego posee una colecci
n de conjuntos estables de o la forma convf0; ; 1 , ; 1; 0; 0g; donde es cualquier n
mero real tal que 0 1. En particular, el conjunto u estable obtenido para = 1; determina que la ganancia neta podr
a repartirse
de cualquier forma entre los jugadores 1 y 2:
Weber 96 ha propuesto como concepto de soluci
n para un juego coopo erativo un subconjunto del conjunto de preimputaciones cuya de nici
n se basa o en los vectores de contribuci
n marginal. Si consideramos todas las posibles o permutaciones del conjunto de jugadores N , cada permutaci
n i1 ; i2 ; : : : ; in se o puede entender como un proceso secuencial de formaci
n de la gran coalici
n. o o Partiendo del conjunto vac
o, primero se incorpora el jugador i1 , a continuaci
n
o el i2 y as
sucesivamente hasta que la incorporaci
n del jugador in origina la
o coalici
n N . En cada uno de estos procesos, cada jugador puede evaluar su o contribuci
n a la coalici
n a la que se ha incorporado, lo cual se puede re ejar o o en un vector que se denomina vector de contribuci
n marginal. La componente o j -
sima de dicho vector representa la contribuci
n del jugador j a la coalici
n e o o de sus predecesores. Para extender la idea de Weber a un juego v de nido sobre una familia N ; consideraremos a partir de ahora que la familia de coaliciones factibles L=2 6 es una geometr
a convexa.
Cuando L es una geometr
a convexa, cada una de sus cadenas maximales
determina una permutaci
n del conjunto de jugadores y en de nitiva, un orden o secuencial de formaci
n de la gran coalici
n un orden compatible seg
n la o o u de nici
n de Edelman. Dados i 2 N; y una cadena maximal C , el conjunto o
C i = fj 2 N : j i en la cadena C g ;
representar
la coalici
n de L formada por el jugador i y sus predecesores en a o la cadena C: Evidentemente, i 2 ex C i ya que C i n i 2 L.
de contribuci
n marginal con respecto a la cadena C en el juego v es el vector o C v 2 Rn , cuyas componentes son aC v = v C i , v C i n i. a i
8.
177
De la siguiente proposici
n deduciremos que los vectores de contribuci
n o o marginal asociados a las cadenas maximales C 2 C L son preimputaciones para el juego v:
tonces, se veri ca
Proposici n 8.7 Sea v 2 , L un juego sobre una geometr a convexa. Eno
X
j 2S
a C v = v S ; j
Demostraci n: Dada C 2 C L, para cada k 2 N; denotaremos por Sk la o coalici n de la cadena maximal C de cardinal k: Si S0 = ; y Sk = fi1 ; i2 ; : : : ; ik g o para todo 1 k n; se tiene que
j 2Sk
aC v = j
= =
k X j =1 k X
j =1 k X j =1
= v Sk :
De acuerdo con este resultado, cualquier vector de contribuci n marginal o es un vector e ciente que satisface al menos n igualdades de entre las desigualdades que de nen el core del juego. Entonces, podemos a rmar que cualquier vector de contribuci n marginal es o bien un punto exterior al core o bien un o v rtice del core, ya que un punto de un poliedro P = fx 2 Rn : Ax bg es un e v rtice del mismo si y s lo si veri ca n igualdades linealmente independientes e o de Ax = b.
Corolario 8.1 Sea v 2 , L un juego sobre una geometr
a convexa y sea
C v 2 Core L; v ; entonces aC v es un v
rtice del C 2 C L : Si el vector a e poliedro Core L; v :
178
Es decir,
Puesto que el conjunto de preimputaciones es convexo y los vectores de contribuci n marginal son preimputaciones, se veri ca que o
L = f;; f1g ; f2g ; f3g ; f4g ; f1; 2g ; f1; 3g ; f1; 4g ; f1; 2; 3g ; f1; 2; 4g ; N g :
Para el juego v : L ,! R de nido por
vS =
se tiene
jS j , 1; si S 6= N; ;
2;
si S = N;
Core L; v = conv f1; 1; 0; 0 2; 0; 0; 0g ; Weber L; v = conv f1; 1; 0; 0 ; 1; 0; 0; 1 ; 1; 0; 1; 0 ; 0; 1; 0; 1 ; 0; 1; 1; 0g :
Obs
rvese que Weber L; v I L; v ; y que el reparto que proporciona e cualquier vector del core parece menos apropiado como soluci
n que, por ejemo plo, el vector 1; 1=2; 1=4; 1=4 2 Weber L; v :
Weber 96 prob que si L = 2N ; entonces Core L; v Weber L; v. o Sin embargo, esta inclusi n no es cierta si L 6= 2N : A continuaci n, damos o o
8.
179
varios ejemplos en los cuales se pone de mani esto esta a rmaci n. En ellos, o se considerar la geometr a convexa a
Co f1; 2; 3g = f;; f1g ; f2g ; f3g ; f1; 2g ; f2; 3g ; f1; 2; 3gg ;
cuyo diagrama es el siguiente:
Figura 8.5. Observemos que hay cuatro cadenas maximales en L, C1 : ; f1g f1; 2g f1; 2; 3g ; C2 : ; f2g f1; 2g f1; 2; 3g ; C3 : ; f2g f2; 3g f1; 2; 3g ; C4 : ; f3g f2; 3g f1; 2; 3g : Ejemplo 8.7 Sea el juego v : L ,! R dado por
= = = =
vf1g , v;; vf1; 2g , vf1g; vN , vf1; 2g = 0; 2; 1 ; vf1; 2g , vf2g; vf2g , v;; vN , vf1; 2g = 2; 0; 1 ; vN , vf2; 3g; vf2g , v;; vf2; 3g , vf2g = 1; 0; 2 ; vN , vf2; 3g; vf2; 3g , vf3g; vf3g , v; = 1; 2; 0 ;
180
por lo que Weber L; v = conv f0; 2; 1 ; 2; 0; 1 ; 1; 0; 2 ; 1; 2; 0g : Por otro lado, el core del juego v es el conjunto
Core L; v =
x 2 Rn : x + x + x = 3; x 1; x 1 1 2 3 3 1 +
0; 0; 3
I L; v A A A Q A x1 = 0 x2 = 0 QQ A Q A WeberL; v Q Q A 2; 0; 1 1; 1; 1 QQA 0; 2; 1 Q : Q A:::::::::::::::::A: Q :: : Q A:::::::::::::::::A: A Q A :::::::::::Core: L; v Q ::: : Q A : : : : : : : : :A : : Q A: : : : : : : : A Q A:: : : : : : : : :A Q A A A
1; 0; 2
3; 0; 0
1; 2; 0 x = 0 0; 3; 0 3
Figura 8.6.
En este ejemplo, Core L; v 6 Weber L; v y Weber L; v 6 Core L; v :
Ejemplo 8.8 Sea el juego v : L ,! R dado por v f1g = v f2g = v f3g = 0; v f1; 2g = 1; v f2; 3g = 0; v N = 3:
Los vectores de contribuci
n marginal para este juego v son o
aC1 v = 0; 1; 2 ; aC2 v = 1; 0; 2 ; aC3 v = 3; 0; 0 ; aC4 v = 3; 0; 0 ;
8.
181
y el conjunto de Weber es
Core L; v =
x 2 R3 : x + x + x = 3; x 2; x 3 1 2 3 3 1 +
0; 0; 3
A A A I L; v A
3; 0; 0
1; 0; 2
x3 = 0
Figura 8.7.
0; 3; 0
En este juego, todos los vectores de contribuci n marginal coinciden con o alguno de los v rtices del core y, por tanto, se veri ca e
182
ca
ya que los vectores del Core 2N ; v veri can las restricciones del Core L; v ~ y en general, algunas m s. Si comparamos ahora los conjuntos Weber L; v y a ,2N ; v ; claramente se tiene Weber ~
8.
183
Para formalizar este razonamiento, hay que generalizar previamente la de nici
n de juego cooperativo convexo o supermodular al caso de juegos sobre o geometr
as convexas. Una generalizaci
n podr
a ser la dada anteriormente,
o
pero tambi
n hay otras posibles generalizaciones. e
184
X
j 2S
aC v = v S : j
Para ver que aC v 2 Core L; v ; hay que probar que, para toda coalici n S que no est en la cadena C; se tiene o e
X
j 2S
a C v v S : j
En efecto, sea S 2 L una coalici n que no pertenece a C; y supongamos o que jS j = s: Denotamos S = fi1; i2; : : : ; is g, donde los elementos est n escritos a en el orden de incorporaci n en la cadena C ; esto es o
X
j 2S
aC v = j
=
s X s X j =1 s X j =1 j =1
= v S :
Condici
n necesaria. Para cada S; T 2 L con S T 2 L; consideramos o una cadena maximal C 2 C L que contenga a S T y S T: Por ser los
8.
185
X
j 2S
aC v v S y j
j 2T
aC v v T : j aC v = v S T : j
j 2S T
aC v = v S T y j
j 2S T
v S + v T
=
X
j 2S
aC v + j
X
j 2T
aC v j
= v S T + v S T :
j 2S T
aC v + j
j 2S T
aC v j
2
Al ser el core de un juego un conjunto convexo, una consecuencia inmediata de este teorema es la siguiente.
Corolario 8.2 Sea v 2 ,L un juego sobre una geometr
a convexa. Una
condici
n necesaria y su ciente para que Weber L; v Core L; v es que el o
Veremos que la clase de juegos quasi-supermodulares se identi ca con la de los juegos supermodulares dentro del conjunto de juegos mon tonos. Para o ello, de nimos previamente el concepto de juego mon tono. o
De nici
n 8.10 Un juego v 2 , L es mon
tono cuando, para cualesquiera o o S; T 2 L con S T , se veri ca que v S v T .
N
tese que si v es mon
tono entonces v S v; = 0; para todo S 2 L: o o
si y s
lo si v es quasi-supermodular. o
186
conteniendo a S T y S T . El vector de contribuci
n marginal asociado o a esta cadena aC v, es un vector del Core L; v y adem
s se veri ca que a C v = v C i , v C i n i 0 para todo i 2 N; debido a la monoton
a ai
C v 0 y adem
s del juego v. As
, se tiene a
a
Demostraci n: Es su ciente probar que todo juego mon tono quasi-supero o modular es supermodular. Sean S; T 2 L, y C 2 C L una cadena maximal
X
j 2S
aC v v S j aC v v T j
X X X
j 2T j 2S T j 2S T
aC v = v S T j
aC v = v S T : j
v S + v T
X
j 2S
j 2T C v + X aC v = aj j j 2S T j 2S T X C X C aj v + aj v j 2S T j 2S T
X ,
aC v + j
aC v j
= v S T + v S T :
2
El siguiente ejemplo muestra que hay juegos quasi-supermodulares para los que el core y el conjunto de Weber coinciden.
Ejemplo 8.9 Sea el juego v : L ,! R de nido por vf1g = 1; vf2g = ,1; vf3g = 1; vf1; 2g = vf2; 3g = 0; vN = 1:
Este juego es quasi-supermodular y los vectores de contribuci
n marginal o C1 v = aC2 v = aC3 v = aC4 v = 1; ,1; 1 : Entonces, se veri ca son: a que Weber L; v = f1; ,1; 1g. Adem
s, tambi
n Core L; v = f1; ,1; 1g : a e
8.
187
v S =
X
i2S
v fig :
Observemos que todo juego que veri que v S = i2S v fig ; para toda S 2 L; es quasi-supermodular. As
podemos a rmar que
stos son los
e unicos juegos para los que su conjunto de imputaciones, core y conjunto de We
ber coinciden y tienen como unica distribuci
n el vector v f1g ; : : : ; v fng :
o
3.
Juegos simples
Vamos a estudiar los conceptos de soluci n ya de nidos anteriormente o para una interesante clase particular de juegos: los juegos simples. Este tipo
188
de juegos surge, por ejemplo, al modelar situaciones de votaci
n en las que el o resultado re eja dos posibilidades ganar-perder, aprobar-rechazar, etc.. Un tipo com
n de juego simple son los llamados juegos de votaci
n ponderada, u o de nidos en el cap
tulo anterior.
Supondremos, en todo lo que sigue, que la familia L 2N de coaliciones factibles es at
mica, y s
lo en determinadas ocasiones exigiremos otros o o requisitos a dicha familia.
siguientes:
Denotaremos por L la clase de todos los juegos simples de nidos sobre la familia L: En un juego simple, decimos que una coalici
n S 2 L es ganadora si o v S = 1; en otro caso, es perdedora. Una coalici
n ganadora S es minimal si o es ganadora, y no existe ninguna coalici
n contenida en S que sea ganadora. o Denotaremos al conjunto de las coaliciones ganadoras minimales por W . Dicho conjunto es no vac
o y, en general, escribiremos W = fS1 ; : : : ; Sr g con r 1:
Observemos que todo juego simple est
totalmente caracterizado por sus coaa liciones ganadoras minimales. Si un juego tiene una unica coalici
n ganadora
o minimal, esto es, W = fS1 g, se tiene que v es el juego de unanimidad
S1 : Hay cierta clase de jugadores que, en los juegos simples, desempe~an un n papel muy importante, y son los llamados jugadores veto. Un jugador i 2 N es un jugador veto en el juego v si pertenece a cada coalici
n ganadora S , es o decir, v S = 1 = i 2 S: Denotaremos por V el conjunto de jugadores veto en el juego v 2 L, esto es, V= S:
fS2L : vS=1g
8.
189
Si existen fig ; fj g 2 L; i 6= j; tales que v fig = v fj g = 1, entonces V = ;: Esto quiere decir que no hay jugadores veto en todos los juegos simples. Por ello, para distinguir entre los juegos simples que tienen jugadores veto, y los que no los tienen, introducimos la siguiente de nici
n. Un juego simple se o llama d
bil si tiene al menos un jugador veto, esto es, V 6= ;: Se tiene entonces e que cualquier juego de unanimidad
T es d
bil y los jugadores veto son los e miembros de la coalici
n T . o En la siguiente proposici
n probamos que, en la clase de juegos simples, o el conjunto de juegos supermodulares es el conjunto de juegos de unanimidad.
lentes:
T A = 1;
T B = 1;
T A B = 1 y
T A B = 1:
2. Si se veri ca que A
T y B 6
T; entonces
T A = 1;
T B = 0;
T A B = 1 y
T A B = 0:
3. Si se veri ca que A 6
T y B 6
T; entonces
, ,
T A = 0;
T B = 0;
T A B 0 y
T A B = 0:
190
Por tanto, en cualquier caso se veri ca la condici n de supermodularidad. o a b Sea v 2 L un juego supermodular y sea T 2 L tal que
jT j = min fjS j : v S = 1g = :
Esta coalici
n T es unica ya que si hay dos coaliciones A; T 2 L; A 6= T o
que satisfacen v T = v A = 1 y jT j = jAj = entonces, como
v T + v A v T A + v T A ;
llegamos a v T A = 1. Esto contradice la elecci
n de T . o Ahora, utilizando dicha coalici
n T , para cualquier otra A 2 L tal que o A 6
T , como se veri ca
v A + v T v A T + v A T = 1;
deducimos que v A = 0: As
el juego v es el juego de unanimidad correspon
diente a la coalici
n T , esto es, v =
T : o Para nalizar la demostraci
n, s
lo hay que tener en cuenta que cuando o o el juego est
de nido sobre una geometr
a convexa la equivalencia entre a y a
c para juegos mon
tonos est
probada en el teorema 8.3. o a 2 La equivalencia de a y b con la a rmaci
n c no es cierta si L no es o una geometr
a convexa. Para ver esto, basta considerar
El conjunto de imputaciones Si denotamos por fei gn=1 el conjunto de vectores de la base can
nica de o i n ; es inmediato comprobar que para el conjunto de imputaciones I L; v de R un juego simple v 2 L hay tres posibilidades:
I L; v = ;; si hay dos coaliciones ganadoras de cardinal uno.
8.
191
I L; v = fek g; si existe k 2 N , con v fkg = 1, y v fig = 0 para todo i 2 N; i 6= k: I L; v = conv fe1 ; : : : ; en g ; si v fig = 0 para todo i 2 N .
Luego el conjunto de imputaciones es un conjunto amplio cuando ninguna coalici
n ganadora minimal tiene cardinal uno. o Se trata de probar aqu
que el core de un juego simple est
completa
a mente determinado por los jugadores veto del juego. Siendo, en general,
El core
x S x S v S = v S ;
luego la condici
n x S v S es consecuencia de x S v S y por tanto o es redundante. A la vista de estas observaciones, podemos concluir que
Teorema 8.4 Sea v 2 L un juego simple. Una condici
n necesaria y o su ciente para que Core L; v sea no vac
o es que el juego v sea d
bil. Adem
s,
e a
Core L; v = x 2 Rn : x N = x V = 1 : +
192
1; si j 2 Si 0; en otro caso donde S1 ; : : : ; Sr son las coaliciones ganadoras minimales en v. Entonces Core L; v es el conjunto de vectores que veri can
tal que
Rn : Tenemos entonces que ei N = 1 = v N y ei S = v S para todo S 2 W . Por tanto ei 2 Core L; v : Condici n necesaria. Construimos la matriz A = aij de orden r n o
Demostraci n: Condici n su ciente. Si v es d bil, entonces V 6= ; y para o o e cada i 2 V , consideramos el correspondiente vector ei de la base can nica de o
aij =
n X j =1
xj = 1; Ax = 1; : : : ; 1t ; xj 0; j = 1; : : : ; n:
jWj para 1 j n:
Por tanto, jWj , 1 x1 + + jWj , n xn = 0; y esto es una contradicci n o por ser xj 0 para 1 j n y alg n xk 0 con 1 k n: Luego el juego u es d bil. e Finalmente, podemos observar que si el juego es d bil y se toma i 2 V e = entonces debe ser xi = 0 para todo vector del core, y as
Core L; v = x 2 Rn : x N = x V = 1 : +
2 El teorema anterior permite identi car los extremos del poliedro Core L; v
8.
193
A continuaci
n, vamos a considerar el conjunto de Weber y, por ello, es o necesario exigir, en lo que sigue, que la familia de coaliciones factibles L sea una geometr
a convexa en N , no necesariamente at
mica.
o En primer lugar, veremos que el conjunto de Weber es un convexo cuyos puntos extremos est
n determinados por los jugadores que al unirse a una a coalici
n perdedora la convierten en ganadora. o
El conjunto de Weber
r l=1
ex Sl :
Rn el
vector de contribuci
n marginal correspondiente a esta cadena. Para todo o C v = v C i , v C i n i 2 f0; 1g ya que v es un juego i 2 N se tiene que ai mon
tono. Adem
s aC v N = v N = 1: Entonces, el vector aC v 2 Rn o a tiene s
lo una de sus componentes igual a 1 y el resto de ellas iguales a 0. o Si suponemos que la componente j es igual a 1, es decir, v C j = 1 y v C j n j = 0; entonces aC v = ej : Por otra parte, C j es una coalici
n ganadora y, por tanto, existe una o coalici
n ganadora minimal Sk tal que Sk C j : N
tese que j 2 Sk ; ya que o o en otro caso se tendr
a Sk C j n j y as
C j n j ser
a una coalici
n ganadora,
o lo cual no es posible ya que v C j n j = 0: Adem
s, j 2 ex Sk puesto que a Sk n j = C j n j Sk 2 L. S Para probar la inclusi
n contraria, sea i 2 r=1 ex Sl : Entonces existe o l una coalici
n ganadora minimal Sl tal que i 2 ex Sl : Si C 2 C L es una o cadena maximal tal que Sl = C i ; resulta que, para esta cadena, se tendr
a
C v = ei : la igualdad a 2 N , se tiene que En el caso particular de ser L = 2
l=1
Sl
194
siendo N = f1; 2; 3; 4g; L = Co f1; 2; 3; 4g ; y v : L ,! R el juego simple cuya unica coalici n ganadora minimal es f1; 2; 3g ; tenemos o
Estudiaremos algunos resultados relativos a la estabilidad para juegos simples v 2 L, donde L es una familia at
mica. Veamos, en primer lugar, o que todo juego simple cuyo conjunto de imputaciones sea no vac
o, tiene al
menos un conjunto estable.
Conjuntos estables
Teorema 8.5 Todo juego simple v 2 L sobre una familia at
mica, con o I L; v = ;, tiene al menos un conjunto estable. 6 Demostraci
n: Al ser L at
mica y el conjunto de imputaciones no vac
o, solo o o
caben dos posibilidades para I L; v. Cuando el conjunto de imputaciones se
reduce a un vector, es inmediato deducir que dicho conjunto es el unico con junto estable del juego. Por ello, supongamos que I L; v = conv fe1 ; : : : ; en g : Comprobaremos, en este caso, que para cada coalici n ganadora minimal S en o v, el conjunto formado por las imputaciones que reparten la unidad entre los jugadores de S es un conjunto estable. Si denotamos por ES dicho conjunto; esto es
ES = x1 ; :::; xn 2 Rn : +
X
i2S
xi = 1; xj = 0; para todo j 2 S =
tenemos: i Estabilidad interna. Dados x; y 2 ES ; no se veri ca x dom y: Ello es debido a que, caso de veri carse, existir
a una coalici
n no vac
a T 2 L; tal que
o
xi yi para todo i 2 T;
j 2T
xj vT :
Estas dos condiciones s lo se pueden veri car si T S y vT = 1, ya o que x; y 2 ES : Pero esto es imposible por ser S una coalici n ganadora minimal. o
8.
195
ii Estabilidad externa. Si x 2 I L; v n ES ; entonces existe y 2 ES tal que y dom x: En efecto, teniendo en cuenta que vS , xS 0; basta considerar el vector y de componentes
yi = :
si i 2 S = vS , xS ; si i 2 S: xi + jS j 0,
El siguiente resultado indica que los juegos de unanimidad son los unicos
juegos simples sobre geometr
as convexas para los que el core es un conjunto
estable.
unanimidad.
Teorema 8.6 Sea L una geometr
a convexa y sea v 2 L un juego sim
ple. El conjunto Core L; v es estable si, y s
lo si, el juego v es un juego de o
x N = x Sj Sp + x Sj n Sp + : : : 1;
196
0; en otro caso. Tiene inter s observar cuales son sus conjuntos estables, y comparar e con el ejemplo anterior. Teniendo en cuenta que, seg n lo que se advirti al u o comienzo del estudio de los conjuntos estables, son conjuntos estables los ES ; con S 2 W , permanecen como conjuntos estables
Ejemplo 8.11 Consideremos N = f1; 2; 3g; la familia L = Co f1; 2; 3g, y el juego v : L ,! R de nido por vS = 1; si j S j 2
8.
197
Sin embargo, ninguno de los otros conjuntos estables del ejemplo anterior lo son ahora. Adem
s, obs
rvemos que Core L; v = f0; 1; 0g ; y aunque el core a e es no vac
o,
ste no ofrece soluciones razonables al juego, ni tampoco es un
e conjunto estable.
Aunque en la literatura hay varios conceptos de conjuntos de negociaci
n, introduciremos en el contexto de juegos simples, s
lo tres de ellos, o o y mostraremos algunos resultados que los relacionan con el core y el conjunto de Weber. Los diferentes conceptos de soluci
n denominados conjuntos de negoo ciaci
n tienen en com
n el estudiar c
mo repartir las ganancias de la coopeo u o raci
n se supone ya decidida esta cooperaci
n teniendo en cuenta los procesos o o de negociaci
n que se pueden establecer entre las diferentes coaliciones. Esto o es, se tiene presente que ciertos jugadores pueden ofrecer pactos a otros con el n de conseguir repartos m
s ventajosos, y que a su vez a estos pactos se a pueden contraponer otros que los hagan peligrar.
Conjunto de Negociaci
n de Aumann-Maschler 1969 3 . o
Conjuntos de negociaci n o
Sea x una imputaci n en v 2 ,L y sean i; j 2 N . Una objeci n de i o o n ; S 2 L; i 2 S; j 2 S; contra j en el vector x es un par y; S , donde y 2 R+ = veri cando
yk xk ; para cada k 2 S : todos los miembros de S pre eren y a x. yS = vS : el jugador i puede asegurar a S el pago y, porque no supera vS .
Una contraobjeci
n de j contra el par y; S es un par z; T , donde o 2 L, i 2 T , j 2 T , veri cando =
z 2 Rn , T +
198
zk xk ; para cada k 2 T : el reparto de z les parece a todos los miembros de T al menos tan bueno como el de x. zk yk ; para k 2 S T : z es competitivo con y. z T = vT : el jugador j asegura a los miembros de T lo que ofrece con z .
El conjunto de negociaci
n de Aumann-Maschler de v es el conjunto o B L; v de todas las imputaciones x tales que si un jugador i tiene una objeci
n o contra otro jugador j respecto x; entonces j tiene una contraobjeci
n a esta o objeci
n. o
0; si jS j = 1 1; si jS j 2:
Entonces, I 2N ; v = convfe1 ; e2 ; e3g y Core2N ; v = ;. De esta forma, caso de que est
decida la cooperaci
n entre los jugadores c
mo se repartir
n e o o a los jugadores el valor de la gran coalici
n vN = 1? El core, en este caso, o no determina ninguna forma de reparto. Adem
s parece l
gico pensar que a o cualquier imputaci
n no sea aceptada como reparto por todos los jugadores. o Por ejemplo, la imputaci
n 1; 0; 0 no debe satisfacer a los jugadores 2 y 3; o puesto que, en el juego su coalici
n est
valorada por 1. Por otro lado, teniendo o a en cuenta la simetr
a del papel de los jugadores en dicho juego, ser
a razonable
esperar que el reparto que se adopte los trate a todos por igual, esto es, que 1 1 sea 1 ; 3 ; 1 : En este caso el conjunto B L; v = 1 ; 3 ; 1 : Para comprobar 3 3 3 3 esta a rmaci
n, basta observar que cualquier jugador i puede objetar contra o cualquier otro j respecto de dicha imputaci
n usando la coalici
n que
l forma o o e con el restante jugador k. Sin embargo, cualquier objeci
n presentada tiene o contraobjeci
n por parte del jugador j utilizando la coalici
n fj; kg: o o Obs
rvese ahora que cuando el conjunto de imputaciones de un juego e es vac
o, entonces tambi
n el conjunto de negociaci
n anterior es vac
o. Esto
e o
f1;2;3g ,! R, dado por sucede, por ejemplo, en el caso del juego v : 2
8.
199
vS =
En casos como
ste, en los que tambi
n el conjunto de imputaciones es e e vac
o, c
mo se debe hacer el reparto cuando los jugadores han decidido formar
o la gran coalici
n? Se ver
que los siguientes conjuntos de negociaci
n si pueden o a o ofrecer soluciones.
El conjunto de negociaci
n de Mas-Colell 1989 59 . o
Consideremos el conjunto X L; v = x 2 Rn : x N = v N y sea + x 2 X L; v : Una objeci n a x en el sentido de Mas-Colell es un par y; S o con y 2 Rn ; S 2 L; veri cando +
zk yk ; para cada k 2 T S; zk xk ; para cada k 2 T n S; con al menos una desigualdad estricta, z T vT :
El conjunto de negociaci
n de Mas-Colell del juego v, denotado por o MB L; v ; es el formado por los vectores x 2 X L; v para los que toda objeci
n a x tiene contraobjeci
n. o o
El conjunto de negociaci
n de Greenberg 1992 43 . o
Consideremos el conjunto X L; v = x 2 Rn : x N v N ; y sea + L; v : Una objeci n a x en el sentido de Greenberg es un par y; S x2X o n ; S 2 L; veri cando con y 2 R+
200
Teorema 8.7 Sean L un espacio de clausura at
mico y v 2 L un juego o d
bil. Entonces e B L; v = MB L; v = Core L; v :
Este resultado anterior no es cierto si el juego v 2 L no es d
bil. e Basta observar el ejemplo 8.12.
8.
201
V = T,
CoreL; v = conv fei : i 2 T g = B L; v = MB L; v = MBS L; v, WeberL; v = conv fei : i 2 exT g, CoreL; v = WeberL; v T = exT 2T L:
v : 2N ,! R; v; = 0:
Como se indic
en el cap
tulo VI, Shapley 80 propuso el concepto de o
valor v = 1 v; : : : ; n v del juego. Este valor asigna, a cada jugador i 2 N , el siguiente n
mero u X s , 1! n , s! i v = vS , vS n i ; s = jS j; n = jN j: n! fSN :i2Sg La f
rmula expresa el valor de Shapley para un jugador i como una suma o ponderada de t
rminos de la forma vS , vS n i; que son las contribuciones e marginales del jugador i a las coaliciones S . El valor i v puede interpretarse como la contribuci
n marginal esperao da del jugador i, cuando la formaci
n de coaliciones se produce de una manera o determinada. El art
culo original y una amplia discusi
n sobre este concepto y
o sus generalizaciones, se encuentran en el texto editado por Roth 76 .
9.
203
El valor de Shapley est
axiomatizado para un juego cooperativo en el a que se postula que todas las coaliciones son posibles. Sin embargo, ya que existen situaciones en las que s
lo se puede suponer cooperaci
n parcial, vamos o o a considerar una familia de coaliciones factibles L 2N , elementos de una geometr
a convexa. Para este modelo, proponemos una nueva axiomatizaci
n
o del valor de Shapley en juegos de nidos en geometr
as convexas 7 . Para ello,
probaremos que existe un unico valor
: v 7,! 1 v; : : : ; n v ; que satisface los axiomas de linealidad, jugador pasivo, e ciencia y cadena. Adem
s, obtendremos una f
rmula expl
cita de dicho valor y construiremos a o
las funciones necesarias para calcularlo con el programa Mathematica. Estas funciones se expondr
n en el cap
tulo X. a
Sea una aplicaci
n o : ,L ,! Rn ; v 7,! 1 v; : : : ; n v : En primer lugar, estudiamos la propiedad de linealidad para los valores i v de los jugadores i 2 N .
Axioma de linealidad : Dados ; 2 R, y v; w 2 ,L, se veri ca
tales que
Teorema 9.1 Sea i : ,L ,! R un valor para i, que satisface el axioma de linealidad. Entonces, existen unos coe cientes unicos ai : S 2 L; S = ;
6 S
i v =
S 2L
aiS vS :
Demostraci
n: Al ser la colecci
n f S : S 2 L; S 6= ;g una base del espacio o o vectorial ,L, cualquier juego v se puede escribir como
v=
fS2L:S6=;g
vS S ;
fS2L:S6=;g
i S vS =
X
fS2L:S6=;g
aiS vS :
Vamos a introducir el concepto de jugador pasivo y obtendremos algunas propiedades necesarias de los jugadores pasivos en los juegos de unanimidad e identidad. Por simplicidad en la notaci n, escribiremos S i en lugar de S fig. o
De nici
n 9.1 El jugador i 2 N es pasivo en el juego v 2 ,L si, para o cualquier convexo T 2 L tal que i 2 T y T i 2 L, se veri ca = vT i , vT = vfig; si fig 2 L
0;
en otro caso. vexo. Entonces
i v =
vfig; 0;
9.
205
S 2L
aiS vS ;
fS2L : i2exSg
P ai
S = 1:
Demostraci
n: Sea Ei : ,L ,! R, la aplicaci
n de nida para i 2 N por o o X Ei v = aiS vS , vS n i :
Los operadores Ei y i son lineales y los juegos de unanimidad forman una base de ,L. Entonces, ser
su ciente demostrar que i
T = Ei
T , a para cualquier convexo T 2 L; T 6= ;: Fijamos i 2 N , T 2 L; y vamos a considerar dos casos. En primer lugar, si i 2 exT entonces la proposici
n 9.1 asegura que i = o es pasivo en el juego
T . Por ello
T S ,
T S n i = 0; para todo S 2 L, tal que i 2 exS porque
T fig = 0; cuando fig 2 L. Por lo tanto, la de nici
n o de Ei implica que Ei
T = 0: Por otro lado, el axioma del jugador pasivo asegura que i
T = 0: Ahora, supongamos que i 2 exT , luego i 2 T , por lo que
T S n i = 0; para toda S 2 L, con i 2 exS . As
, obtenemos la equivalencia
fS2L : i2exSg
T S ,
T S n i = 1 S
T:
Observemos que
Ei
T =
= =
X
fS2L : i2exS; S
T g
aiS
i S
fS2L : i2exS; S T g
0 X i @
= i
T ;
fS2L : S T g
1 SA
206
fS2L : i2exSg
aiS = i
fig =
fig fig = 1:
fS2L : i2exSg
aiS =
fS2L : i2Sg
aiS = i
fig ;
fig T =
=
1; 0; 1; 0;
Teorema 9.3 Sea i : ,L ,! R un valor para i que satisface los axiomas
i v =
Adem
s, si i
fig = 1 entonces a
fS2L : i2exSg
P ai
S = 1:
9.
207
Si el vector cuyas componentes son los valores v = 1 v; : : : ; n v ; es una distribuci
n de todos los recursos que tiene la gran coalici
n N , entonces o o cumple el siguiente axioma:
Axioma de e ciencia: Para cada v 2 ,L, se veri ca que
i2N
i v = vN :
El axioma de e ciencia implica las siguientes relaciones para los coe cientes de valores, que cumplan los axiomas de linealidad y jugador pasivo.
Teorema 9.4 Sea : ,L ,! Rn un valor de nido, para todo juego v y para todo jugador i 2 N , por
i v =
fS2L : i2exSg
i2exN
aiN = 1; y
i2exS
aiS =
fj2S : S j2Lg =
aj j ; 8S 2 L; S 6= N; ;: S
i2N
i v = =
i2N fS 2L : i2exS g
S 2L
0 X i vS @ aS ,
i2exS
X
fj2S : S j2Lg =
1 aj j A : S
Si los coe cientes satisfacen las relaciones dadas en el enunciado, enP tonces i2N i v = vN luego cumple el axioma de e ciencia. Rec
procamente, jamos un convexo no vac
o T 2 L, y consideramos el
juego de identidad T : Si aplicamos la igualdad obtenida previamente al juego T , obtenemos
i2N
P ai i T = Pi2exN iN; P a ,
i2exS S
j fj2S : S j2Lg aS j; =
si T = N si T = S 6= N; ;:
208
En consecuencia, si satisface el axioma de e ciencia entonces se cumplen las relaciones. 2 Para cualesquiera S; T 2 L tales que T S , denotamos por c T; S el n
mero de cadenas maximales de T a S . Adem
s, c ;; S ; se escribir
de u a a forma abreviada como cS y as
, cN es el n
mero total de cadenas maximales
u en L. La caracterizaci
n cl
sica del valor de Shapley establece que es el unico o a
valor que satisface los axiomas del soporte, simetr
a y aditividad en el cono
de los juegos superaditivos 80 . Para el espacio vectorial de todos los juegos, Weber 96, teorema 15 considera los axiomas de linealidad, jugador pasivo, simetr
a y e ciencia, y prueba la unicidad del valor de Shapley. Bilbao, Jim
nez
e Jim
nez y Lebr
n 12 extienden el trabajo de Weber, estudiando valores proe o babil
sticos para juegos de nidos en geometr
as convexas.
Faigle y Kern 33 de nen el concepto de fuerza jer
rquica hS i del a jugador i 2 S en la coalici
n S 2 L como o : hS i = jfC 2 C L jC C ij S = S gj : L Es decir, hS i es el promedio de ordenaciones compatibles de L en las que i es el ultimo elemento de S en la ordenaci
n. Observemos que hS i
o veri ca hS i 6= 0 , i 2 exS : Faigle y Kern proponen el siguiente axioma para juegos en ret
culos distributivos.
hS ij
S = hS j i
S :
Faigle y Kern 33, teoremas 1 y 2 demuestran la siguiente extensi
n del o valor de Shapley para juegos sobre ret
culos distributivos v : J P ,! R.
Teorema 9.5 Existe una unica funci n : v 7,! 1v; : : : ; nv que o cumple los axiomas de linealidad, soporte y fuerza jer rquica. Adem s, para a a cualquier i 2 P; tenemos X eT n i eP n T vT , vT n i ; i v = eP fT 2J P : i2MaxT g
9.
209
axiomas de linealidad, jugador pasivo, e ciencia y cadena. Adem s, dicha a funci n es o X cS n i c S; N i v = vS , vS n i ; i 2 N: c N fS2L : i2exSg
Demostraci n: Los teoremas 9.3 y 9.4 implican que, para cualquier i 2 N , o existe un unico conjunto aiS : S 2 L; i 2 exS tal que
i v =
i2exN
fS2L : i2exSg i = 1; aN
i2exS
aiS =
fj2S : S j2Lg =
aj j ; 8S 2 L; S 6= N; ;: S
210
Dado que los coe cientes son aiS = i S ; tenemos que el axioma de la cadena implica que aj cS n i = aiS cS n j ; 8i; j 2 exS : Si jamos i 2 exS , S entonces X j X cS n j i aS aS = aiS + j 2exS fj2exS : j6=ig cS n i
Para S = N , la primera relaci n de e ciencia implica cN n i = aiN cN ; o i = cN n i c N; N cN ; 8i 2 exN : para todo i 2 exN : Entonces, aN Vamos a proceder por inducci n, suponiendo la siguiente hip tesis: para todo o o T 2 L; con jT j = k 2 se veri ca c aiT = cT n icNT; N ; 8i 2 exT : El caso k = n, es decir T = N ha sido probado. Sea S 2 L, tal que jS j = k , 1 n. Entonces S 6= N; ;, y las relaciones de e ciencia implican
i2exS
aiS =
=
X X
fj2S : S j2Lg =
aj j S
donde la segunda igualdad se obtiene con la hip tesis de inducci n para T = o o S j . Por ultimo, para cualquier i 2 exS ; S; c aiS ccSS i = cS ccN N implica aiS = cS n iN S; N : n c
9.
211
2.
El concepto de soluci
n que vamos a tratar en esta secci
n tiene su o o origen exclusivamente en el mundo de la pol
tica y las leyes. El uso de la teor
a
de juegos en el estudio de la distribuci
n de poder en sistemas de votaci
n o o puede remontarse a la invenci
n de los juegos simples por von Neumann y o Morgenstern 93 . Shapley y Shubik, en 1954 81 aplicaron el valor de Shapley, estudiado en la anterior secci
n, a los juegos simples obteniendo el
ndice de o
Shapley-Shubik. Una nueva aplicaci
n de los juegos a las ciencias pol
ticas apareci
en o
o los a~os sesenta en Estados Unidos cuando el Tribunal Supremo, con la idea n de "una persona, un voto", aplica estas t
cnicas en sistemas de representaci
n e o electoral a niveles de estado y locales. En estas circunstancias, se empezaron a revisar sistemas de votaci
n existentes as
como a crear nuevos modelos de o
representaci
n. o En 1965, John F. Banzhaf III, un abogado con conocimientos matem
ticos, a describe en 5 un nuevo
ndice de poder: el
ndice de Banzhaf. Dicho
ndice
es, junto con el de Shapley-Shubik, el m
s utilizado en las ciencias sociales y a pol
ticas.
Ambos
ndices tratan de responder a la cuesti
n del poder individual,
o analizando la probabilidad de que el voto de un jugador afecte al resultado nal de la votaci
n. o Para ello miden el poder, de cada jugador, para constituir coaliciones ganadoras y ser fundamental en ellas. Esto se pone de mani esto, en el siguiente ejemplo. Consideremos una votaci
n entre tres individuos A; B y C con votos o 2,1,1 respectivamente. Entonces, si las coaliciones ganadoras necesitan, al menos, tres votos,
stas ser
an e
212
para cada i 2 N .
Existe otro
ndice de Banzhaf probabil
stico, dado por Dubey y Shapley
29 , donde los coe cientes de las contribuciones marginales son una distribuci
n o de probabilidad. Teniendo en cuenta que las coaliciones que son posibles swings de i son aquellas que contienen al jugador, se introduce la siguiente de nici
n: o
dado por
para cada i 2 N .
9.
213
Es l
gico que en el juego v2 el poder sea mayor que en el juego v3 porque o los votantes tienen mayor capacidad de formar swings. El
ndice normalizado
no distingue este matiz pero si lo hace el probabil
stico.
Los valores num
ricos de los
ndices de Banzhaf y Shapley-Shubik son a e
menudo muy similares y ambos se pueden entender como equivalente en muchos casos. No obstante, tienen diferencias signi cativas que no han sido exploradas con gran profundidad. Podemos considerar que el
ndice de Banzhaf tiene en
cuenta las combinaciones de votos a favor o en contra de una propuesta mientras que el de Shapley-Shubik se basa en la permutaciones de los votantes. Stra n 90 pone de mani esto la comparaci
n entre el
ndice probabil
stico y el de o
Shapley-Shubik, entendiendo que, mientras el primero responde a la cuesti
n o de efecto individual, considerando la probabilidad de elecci
n de voto indepeno diente para cada jugador, el segundo considera, esta probabilidad, homog
nea e en el conjunto de los jugadores. En la realidad, el
ndice de Banzhaf ha tenido una buena acogida en el
a
mbito jur
dico y pol
tico por su sencilla de nici
n aunque el de Shapley-Shubik
o tiene una mayor atracci
n entre los te
ricos de juegos por partir de fundamentos o o matem
ticos m
s naturales. Dubey y Shapley 29 analizan las propiedades a a matem
ticas del
ndice de Banzhaf y dan una axiomatizaci
n similar a la del a
o
ndice de Shapley-Shubik pero usando una e ciencia distinta basada en que
la suma debe de ser el n
mero de swings que se puedan producir por alg
n u u jugador. En esta secci
n, daremos una de nici
n y axiomatizaci
n del
ndice o o o
de Banzhaf, normalizado y probabil
stico, para juegos de nidos en geometr
as
convexas v
ase Bilbao, Jim
nez Losada y L
pez 11 . Los valores de Shapley e e o y Banzhaf, para juegos de nidos en estructuras combinatorias como matroides y antimatroides, se analizan en Jim
nez Losada 53 . e Para introducir los
ndices convexos normalizado y probabil
stico de
Banzhaf, necesitamos de nir el concepto de swing para geometr
as convexas.
De nici n 9.4 Para un jugador i y un juego simple v : L ,! f0; 1g diremos o que el par S; S n i es un swing convexo si S 2 L; i 2 exS ; vS = 1 y vS n i = 0. El n mero de swings convexos de un jugador se denotar por u a
214
i2N
csi v:
Es obvio que las coaliciones convexas donde un jugador es extremal son las unicas coaliciones que toman parte en el juego. En consecuencia, vamos a de nir dos n meros que aparecer n frecuentemente. u a
Esta de nici n generaliza a la dada por Dubey y Shapley 1979 para o juegos simples sobre 2N : Notemos que el par S; S n i es un swing convexo si y s lo si v S , v S n i = 1: Por tanto, podemos establecer la siguiente o proposici n. o
fS2L : i2exSg
v S , v S n i
9.
215
el juego de unanimidad
S .
0;
Ei S ;
si i 2 exS = si i 2 exS :
fT 2L : i2exT g
S T ,
S T n i :
Si i 2 exS ; entonces la f
rmula sigue de la proposici
n 9.3. En el caso = o o de que i 2 exS se veri ca que
S T ,
S T n i = 1 si y s
lo si el convexo o T 2 fS 2 L : i 2 ex S g y T
S: 2
vexos csi v se llamar
ndice convexo de Banzhaf. Cuando estos n
meros son a
u normalizados, entonces se obtiene el
ndice convexo normalizado de Banzhaf,
n ; de nido por c : L ,! R
De nici n 9.7 El vector cuyas componentes son los n meros de swings cono u
216
c i v =
fS2L : i2exSg
Dados dos juegos simples v; w 2 L, se de nen v _ wS = m
xfvS ; wS g; v ^ wS = m
nfvS ; wS g; 8S 2 L: a
Estas operaciones internas en L permiten establecer la siguiente relaci
n o entre los
ndices convexos de Banzhaf.
ferencia, es decir,
9.
217
convexos de Banzhaf. Observemos que si i 2 N es un jugador nulo para el juego simple v 2 L, entonces c i v = c 0i v = csi v = 0:
'i v = 0:
i2N
las componentes de ' v es igual al n
mero total de probabilidades de swings u convexos, X 'i v = cs0 v:
i2N
218
nulo, totalidad de swings, poder extremal y transferencia. Adem
s, a c v = cs1v 'v; para todo v 2 L : Demostraci
n: Sea S una coalici
n convexa, si j 2 exS entonces j es nulo o o = en
S y el Axioma 1 implica
Teorema 9.7 Existe una unica funci n ' que satisface los axiomas de jugador o
i2N
' i
S =
j 2exS
'j
S :
cs v =
=
j 2exS
'j
S
i S j 2exS Ei S X = 'i
S Ei S j2exS Ej S :
X Ej S '
j 2exS
Ej S = cs
S y Ei S = csi
S :
v =
S1 _
S2 _ : : : _
Sp ;
9.
219
,
Teorema 9.9 Existe un unico valor sobre ,L que veri ca los axiomas de
Proposici
n 9.6 Sea v un juego sobre la geometr
a convexa del orden lineal o
CoN . El valor convexo de Banzhaf viene dado por
i,1 n X 1 X v i; j , v i + 1; j A : c 0 v = n @ v j; i , v j; i , 1 + j =1 j =i+1
1.
El package de Carter incorpora m todos para calcular diversos conceptos e de soluci n en juegos cooperativos, tales como el core, el valor de Shapley, y o otros conceptos de soluci n. El c lculo del valor de Shapley se realiza mediante o a tres algoritmos distintos, que est n implementados en las siguientes funciones: a ShapleyValue1,ShapleyValue2 y ShapleyValue3.
10.
221
La funci n ShapleyValue1 calcula el valor de Shapley a partir de la o f rmula combinatoria o i v = donde
fSN :i2Sg
S = s , 1!!n , s! : n
222
El tercer algoritmo que suministra Carter viene dado por la funci
n o ShapleyValue3, y calcula el valor de Shapley mediante un m
todo recursivo e utilizando la funci
n de potencial de Hart y Mas-Colell, la cual describimos a o continuaci
n. o Sea ,N el conjunto de todos los juegos de utilidad transferible. La funci
n potencial de Hart y Mas-Colell 46 , es una funci
n P : ,N ,! R o o que asigna a cada juego N; v un n
mero real P N; v, y satisface las condiu ciones X i P ;; v = 0; D P N; v = vN ; donde Di P N; v = P N; v , P N n i; vN ni . En la expresi
n anterior, se o entiende por vN ni la restricci
n de la funci
n caracter
stica v a las coaliciones o o
N ni . Es decir, vN ni S = v S para toda coalici
n S N n i y, siempre S22 o que no exista confusi
n, el juego N n i; vN ni se denotar
por N n i; v. o a i P N; v se denomina contribuci
n marginal del juEl n
mero real D u o gador i al juego N; v y permite indicar que la funci
n potencial exige, para o todo juego N; v, que las contribuciones marginales sean e cientes. De la condici
n de e ciencia de las contribuciones marginales se deduce o ! 1 vS + X P S n i; v ; S 2 2N ; S 6= ;; P S; v =
i2N
jS j
lo que genera, empezando con P ;; v = 0, un algoritmo recursivo de c lculo a para determinar P N; v. Hart y Mas-Colell 46 demuestran que la contribuci n marginal del jugador i coincide con el valor de Shapley: o
i2S
10.
223
donde n = jN j, y s = jS j. El algoritmo para calcular el valor de Shapley con la funci
n Shapleyo Value3 es m
s e ciente que los dados anteriormente. La funci
n potencial y el a o valor de Shapley se de nen del siguiente modo:
In 1 := p fi g := p fig =v fig ; p S := p S = v S + Plus @ @ Map p Complement S,fg & @ , S Length S g In 2 := ShapleyValue3 game ,List:N := Module fvalueg,value= p N -p DeleteCases N, & @ S; p =.& @ Rest Coalitions ; Return value In 3 := ShapleyValue3 game := ShapleyValue3 game,N ; ShapleyValue3 := ShapleyValue3 Null,N ; ShapleyValue3 game :Null,i ?AtomQ := ShapleyValue3 game,fig
A continuaci n, vamos a aplicar estos algoritmos para calcular el valor o de Shapley en algunos ejemplos.
=fAlemania, Reino Unido, Francia, Italia, Espa~a, Pa
ses Bajos, Grecia, B
lgica, n
e Portugal, Suecia, Austria, Dinamarca, Finlandia, Irlanda, Luxemburgog,
224
JuegoUE15 n Integer :=Clear T,w,p,v ; T=Range 15 ; w i Integer ;1i && i4 :=10; w 5 :=8; w i Integer ;6i && i9 :=5; w 10 :=4; w 11 :=4; w i Integer ;12i && i14 :=3; w 15 :=2; p S List :=Apply Plus,w @ S ; v fg :=0; v S ;p S n :=1;v S ; p S n :=0;
0.119114, 0.0916916, 0.0558358, 0.0558358, 0.0558358, 0.0558358, 0.0463703, 0.0463703, 0.0313298, 0.0313298, 0.0313298, 0.0217782gg N Timing ShapleyValue2 JuegoUE15 61
0.119114, 0.0916916, 0.0558358, 0.0558358, 0.0558358, 0.0558358, 0.0463703, 0.0463703, 0.0313298, 0.0313298, 0.0313298, 0.0217782gg N Timing ShapleyValue3 JuegoUE15 61
10.
225
0.119114, 0.0916916, 0.0558358, 0.0558358, 0.0558358, 0.0558358, 0.0463703, 0.0463703, 0.0313298, 0.0313298, 0.0313298, 0.0217782gg
JuegoCongreso n Integer :=Clear T,w,p,v ; T=Range 11 ; w 1 :=156; w 2 :=141; w 3 :=21; w 4 :=16; w 5 :=5; w 6 :=4; w i Integer ;7i && i8 :=2; w i Integer ;9i && i11 :=1; p S List :=Apply Plus, w @ S ; v fg :=0; v S ;p S n :=1; v S ;p S n :=0;
226
Por ultimo, presentamos el c
lculo correspondiente a la legislatura ini
a ciada en 1996, utilizando ShapleyValue3. En este caso, los jugadores tambi
n e son los grupos parlamentarios PSOE-A1, PP-A2, IU-CA3, PA4; con la mayor
a simple q = 55. As
, el juego de votaci
n ponderada se representa
o por 55; 52; 40; 13; 4 .
De nici
n de la funci
n caracter
stica del juego: o o
10.
227
El resultado que se obtiene es: ShapleyValue3 JuegoAndalucia 55 = f1=2; 1=6; 1=6; 1=6g
2.
Consideremos la situaci
n de comunicaci
n N; v; G; estudiada en el o o cap
tulo VI, secci
n 2, donde N representa el conjunto de jugadores, G el
o grafo de cooperaci
n y N; v un juego. Si se denota por F el correspondiente o conjunto de coaliciones factibles, entonces la funci
n caracter
stica del juego o
F , y el valor de Myerson del jugador i es restringido la representaremos v
i N; v; G = i N; vF :
Para calcular el valor de Myerson utilizaremos dos m
todos: e Primer m
todo. Es un m
todo indirecto que consiste en calcular el e e correspondiente juego restringido por la situaci
n de comunicaci
n, y obtener o o a continuaci
n el valor de Myerson con la funci
n ShapleyValue3, la cual utiliza o o la funci
n potencial de Hart y Mas-Colell. De este modo podemos establecer el o siguiente proceso recursivo para determinar el potencial del juego restringido ,N; vF :
i2S
! ,;; vF = 0; P ,S; vF = 1 vF S + X P ,S n i; vF ; S 2 2N ; S 6= ;; P jS j
y las contribuciones marginales veri can, para cada i 2 N :
Di P N; vF = P N; vF , P N n i; vF = i N; vF = i N; G; v
algoritmo recursivo para calcular directamente el potencial del juego restringido por una situaci
n de comunicaci
n, sin necesidad de calcular los valores de la o o F . Estas ideas se extienden tambi
n a sistemas de partici
n. funci
n v o e o A continuaci
n, introducimos estas ideas, referidas a sistemas de paro tici
n y que, como sabemos, engloban a las situaciones de comunicaci
n. o o
228
De nici
n 10.1 Sean N; F un sistema de partici
n y N; v un juego. Deo o nimos el F -potencial restringido del juego N; v por
P F N; v = P N; vF ;
Proposici
n 10.1 Sean N; F un sistema de partici
n y N; v un juego. o o Para todo subjuego S; v, donde S N , existe el FS -potencial restringido
P FS S; v = P S; vF ;
donde FS = fT 2 F : T S g.
restringido S; vFS para el que es inmediato probar que S; vFS = S; vF . En efecto, consideremos los juegos vFS ; y vF : 2S ,! R. Si T 2 2S F , entonces T 2 FS y vF T = vT = vFS T : Si T S pero T 2 F , entonces = S T . Al ser T T S y T 2 F , resulta que las F -componentes de T T= k k k k son tambi
n sus FS -componentes y, por tanto vF T = vFS T : As
, obtenemos e
,S; vF = P ,S; vFS = P FS S; v: las igualdades P 2
Demostraci n: Si N; F es un sistema de partici n y N; v un juego, eno o tonces S; FS , siendo S N y FS = fT 2 F : T S g, tambi n lo es. Al ser e S; FS un sistema de partici n, podemos considerar el correspondiente juego o , , ,
Proposici n 10.2 Sea N; F un sistema de partici n y N; v un juego. Eno o tonces, el F -valor de Shapley viene determinado por F N; v = P F N; v , P Fni N n i; v; i
10.
229
donde F n i = FN ni .
Con objeto de simpli car la notaci n, denotaremos P F N n i; v en lugar o Fni N n i; v. Como consecuencia directa de las propiedades de la funci n de P o potencial, dadas por Hart y Mas-Colell, podemos establecer el siguiente resultado.
230
a Si S 2 F , entonces
P F S; v = 1
b Si S 62 F , entonces
jS j vS + i2S
P F S n i; v :
P F S; v =
fP F Sk ; v : Sk 2 S g:
Demostraci
n: a Es inmediata ya que si S 2 F , entonces vF S = vS . o b Los juegos de unanimidad uT , con T 2 F , constituyen una base del espacio vectorial ,F , por lo que
vF =
T 2Fn;
P S; v = P S; v
fT 2F : T Sg jT j
v F T ;
donde vF T son los dividendos de T en el juego restringido. S Sabemos que si S 2 F , entonces S = p=1 Sk , siendo fSk g = S la = k partici
n de S en sus F -componentes. Dado que la partici
n de S induce la o o partici
n o p fT 2 F : T S g = fT 2 F : T Sk g; obtenemos
k=1
P F S; v =
0 p X@
k=1 fT 2F : T Sk g
p 1 F T A = X P F S ; v: k v jT j k=1
;N
g:
10.
231
vS =
jS j , 1; si S 6= ; 0; si S = ;:
Vamos a determinar el valor de Myerson i N; v; G; que viene dado por el F -valor de Shapley, F N; v, utilizando el F -potencial restringido del i juego N; v, las propiedades de las contribuciones marginales y el procedimiento recursivo que se desprende del teorema 10.1. El algoritmo comienza con:
P F f1; 2; 3g; v =
=
P F f1; 2; 4g; v =
P F f2; 3; 4g; v = 3
0 1 X F 1@ A 3 vf1; 2; 3g + i2f1;2;3g P f1; 2; 3g n i; v 1 ,2 + P F f2; 3g + P F f1; 3g + P F f1; 2g = 1; 30 1 X F 1 @vf1; 2; 4g + P f1; 2; 4g n i; vA = 1; 3 i2f1;2;4g 0 1 X F 1 @vf2; 3; 4g + P f2; 3; 4g n i; vA = 7 :
i2f2;3;4g
232
Por ultimo,
1 N; v; G = F N; v = P F N; v , P F N n f1g; v = 1 ; 1 2 2 N; v; G = F N; v = P F N; v , P F N n f2g; v = 7 ; 2 6 3 N; v; G = F N; v = P F N; v , P F N n f3g; v = 2 ; 3 3 4 N; v; G = F N; v = P F N; v , P F N n f4g; v = 2 : 4 3
10.
233
Obtenci
n de las coaliciones conexas y de la funci
n que calcula los conexos o o contenidos en un subconjunto
Clear conexas ; conexas=Select Rest Subsets Range V grafolineal , ConnectedQ InduceSubgraph grafolineal, & ff1g, f2g, f3g, f4g, f1, 3g, f1, 4g, f2, 4g, f1, 2, 4g, f1, 3, 4g, f1, 2, 3, 4gg subconexo S List := Select conexas,Intersection S, ==& ;
JuegoGrafoAndalucia n Integer := Clear T,w,p,valor,v ;T=Range 4 ; w 1 :=52; w 2 :=40; w 3 :=13; w 4 :=4; p S List :=Apply Plus, w @ S ;
234
ffg, f1g, f2g, f3g, f4g, f1, 3g, f1, 4g, f2, 4g,f1, 2, 4g, f1, 3, 4g, f1,2,3,4g
Determinaci
n de las componentes de mayor tama~o para dos coaliciones, la o n primera factible y la segunda no factible:
OneCom f1,3,4g,F
f1, 3, 4g
10.
235
OneCom f2,3,4g,F
f2, 4g
C
lculo de las componentes conexas maximales a
Component S List,F List := Module ftemp=Sort S ,cotemp,comps=fgg, While temp!=fg,cotemp=OneCom temp,F ; AppendTo comps,cotemp ; temp=Sort Complement temp,cotemp ; Sort comps ;
ff1, 3, 4gg
Component f2,3,4g,F
236
va=pr T -pr DeleteCases T, & @ S; pr =. & @ Rest Coalitions ; Return va GrafoShapley game :=GrafoShapley game,T GrafoShapley :=GrafoShapley Null,T GrafoShapley game :Null,i ?AtomQ := GrafoShapley game,fig
10.
237
10
11
238
10.
239
11 8
1 6
14
12
15
10
13
Figura 10.3. Un modelo de comunicaci
n en la Uni
n Europea o o Si empleamos el primer m
todo , de niremos la funci
n caracter
stica del e o
juego restringido del siguiente modo:
JuegoGrafoUE15 n Integer :=Clear T,w,p,valor,v ; T=Range 15 ;
240
w i Integer ;1i && i4 :=10; w 5 :=8; w i Integer ;6i && i9 :=5; w 10 :=4; w 11 :=4; w i Integer ;12i && i14 :=3; w 15 :=2; p S List :=Apply Plus,w @ S ; valor fg :=0; valor S ;p S n :=1; valor S ;p S n :=0; v S List :=Max valor & @ subconexo S
Si utilizamos ShapleyValue3 para calcular los valores de Myerson, con una cuota de 62 votos, escribiremos:
N Timing ShapleyValue3 JuegoGrafoUE15 62
Los resultados obtenidos para cuotas de 62 y 65 votos se han incluido en la tabla 7.3 del cap tulo VII.
3.
F:=ffg,f1g,f2g,f3g,f4g,f5g,f6g,f1,2g,f2,3g,f3,4g,f4,5g,f5,6g,f1,2,3g, f2,3,4g,f3,4,5g,f4,5,6g,f1,2,3,4g,f2,3,4,5g,f3,4,5,6g,f1,2,3,4,5g,
10.
241
f2,3,4,5,6g,f1,2,3,4,5,6gg
De nici
n del ret
culo de estos conjuntos convexos: o
lattice F List := MakeGraph F,Intersection 2,1 ===1&&1 != 2& ; labeling F :=InputForm ShowLabeledGraph HasseDiagram lattice F ,F
{1, 2, 3, 4, 5}
{2, 3, 4, 5, 6}
{1, 2, 3, 4}
{2, 3, 4, 5}
{3, 4, 5, 6}
{1, 2, 3}
{2, 3, 4}
{3, 4, 5}
{4, 5, 6}
{1, 2}
{2, 3}
{3, 4}
{4, 5}
{5, 6}
{1}
{2}
{3}
{4}
{5}
{6}
{}
242
fi,Length labelF 1,1 -Length F +1,Length labelF 1,1 g , - Part Table i,fi,Length F g , &,Range Length F ffg - 1, f1g - 2, f2g - 3, f3g - 4, f4g - 5, f5g - 6, f6g - 7, f1, 2g - 8, f2, 3g - 9, f3, 4g - 10, f4, 5g - 11, f5, 6g - 12, f1, 2, 3g - 13, f2, 3, 4g - 14, f3, 4, 5g - 15, f4, 5, 6g - 16, f1, 2, 3, 4g - 17, f2, 3, 4, 5g - 18, f3, 4, 5, 6g - 19, f1, 2, 3, 4, 5g - 20, f2, 3, 4, 5, 6g - 21, f1, 2, 3, 4, 5, 6g - 22g
La salida de la siguiente funci
n es la matriz cuyas entradas son las cadenas o maximales c T; S , y c S; S = 1; para toda S 2 F .
chainMatrixF=Edges GraphPower HasseDiagram lattice F , Length Last F +IdentityMatrix Length F ; chainMatrixF 9 chainNumberF x ,y := chainMatrixF x .rulesF,y .rulesF chainNumberF f2,3g,Last F 4 chainNumberF f4,5g,f1,2,3,4g 0
f0, 0, 0, 0, 0, 0, 0, 0, 1, 0, 0, 0, 1, 1, 0, 0, 2, 1, 0, 3, 1, 4g
10.
243
ff3g, f2, 3g, f3, 4g, f1, 2, 3g, f3, 4, 5g, f3, 4, 5, 6gg
La funci
n JoinShapleyValue calcula el valor de Shapley cuando trabao jamos en geometr
as convexas:
JoinShapleyValueF game ,i :=Apply Plus,If ==fg,0, chainNumberF ,T chainNumberF fg,DeleteCases ,i chainNumberF fg,T v -v DeleteCases ,i & @ Convex i,F Attributes JoinShapleyValueF =fListableg; JoinShapleyValueF game :=JoinShapleyValueF game,T
A continuaci
n vamos a calcular los valores convexos de Shapley para el o juego que modela la situaci
n del Congreso de los Diputados resultante de las o Elecciones Generales de 1996, restringi
ndonos a los seis partidos con mayor e n
mero de votos, y considerando que el juego est
de nido sobre la geometr
a u a
convexa F de nida anteriormente Jugador 1: Jugador 2: Jugador 3: Jugador 4: Jugador 5: Jugador 6: Izquierda Unida 21 votos PSOE 141 votos PNV 5 votos CIU 16 votos Partido Popular 156 votos Coalici
n Canaria 4 votos o
Congreso96:=T=Range 6 ; Clear w,p,v ; w 1 :=21; w 2 :=141; w 3 :=5; w 4 :=16; w 5 :=156; w 6 :=4; p S List :=Plus @ @ w @ S; v fg :=0;v S ;p S 176 :=1; v S ;p S 176 :=0;
Finalmente, vamos a describir en Mathematica las dos funciones que permiten calcular, en geometr
as convexas, los dos valores de Banzhaf: el norma
lizado y el probabil
stico introducidos en el cap
tulo IX, secci
n 2. Al igual que
o en la secci
n anterior haremos los c
lculos para la situaci
n del Congreso de o a o los Diputados resultante de las elecciones Generales de 1996, restringiendonos a los seis mayores partidos, y considerando que el juego est
de nido sobre la a geometr
a convexa L ya de nida en la secci
n anterior.
o
Funci
n que calcula el
ndice convexo normalizado de Banzhaf: o
ConvexBanzhaf game ,i :=Length Select Convex i,F ,v ==1 && v DeleteCases ,i ==0& Attributes ConvexBanzhaf =fListableg; ConvexBanzhaf game := ConvexBanzhaf game,T ConvexBanzhafIndex game :=ConvexBanzhaf game Plus @ @ ConvexBanzhaf game
ConvexBanzhafProb game ,i :=Length Select Convex i,F ,v ==1 && v DeleteCases ,i ==0& Length Convex i,F
10.
245
Bibliograf a
1 Algaba, E. 1998 Extensi
n de juegos de nidos en sistemas de conjuno tos, Tesis Doctoral, Universidad de Sevilla.
2 Algaba, E., Bilbao, J.M., Lopez, J.J. 1999 A uni ed approach to restricted games, aparecer
en Theory and Decision . a
3 Aumann, R., Maschler, M. 1964 The bargaining set for cooperative games, en: Advances in Game Theory, M. Dresher, L. Shapley, A. Tucker eds., Princeton University Press, Princeton, New Jersey, 443 471. 4 Axelrod, R. 1970 Con ict of Interest, Markham, Chicago. 5 Banzhaf, J.F., III 1965 Weighted Voting doesn
t work Mathematical Analysis, Rutgers Law Review 19, 317 343.
~ 6 Bergantinos, G., Carreras, F., Garc
a Jurado, I. 1993 Cooper
ation when Some Players are Incompatible, ZOR Methods and Models of Operations Research 38, 187 201.
7 Bilbao, J.M. 1998 Axioms for the Shapley value on convex geometries, European Journal of Operational Research 110, 368 376. 8 Bilbao, J.M. 1998 Values and potential of games with cooperation structure, International Journal of Game Theory 27, 131 145. 9 Bilbao, J.M. 1998 Closure spaces and restricted games, Mathematical Methods of Operations Research 48, 57 61. 10 Bilbao, J.M., Edelman P.H. 1999 The Shapley value on convex geometries, aparecer
en Discrete Applied Mathematics. a
11 Bilbao, J.M., Jim
nez Losada, A., Lopez, J.J. 1998 The Banzhaf e power index on convex geometries, Mathematical Social Sciences 36, 157 173.
Bibliograf a
247
12 Bilbao, J.M., Jim
nez Jim
nez, N., Lebron, E. 1999 Probabilistic e e values on convex geometries, aparecer
en Annals of Operations Research. a
13 Bilbao, J.M., Lopez, J.J. 1994 El Poder de las Naciones en la Uni
n o Europea, Pol
tica Exterior 40, 79 90.
14 Bilbao, J.M., Lopez, J.J. 1996 El Potencial de Hart y Mas-Colell para juegos restringidos por grafos, Quaderns d
Estad
stica i Investigaci
o Operativa 201, 7 22.
15 Birkhoff, G., Bennett, M.K. 1985 The Convexity Lattice of a Poset, Order 2, 223 242. 16 Bondareva, O. 1963 Certain Applications of the Methods of Linear Programming to the Theory of Cooperative Games, Problemy Kibernetiki 10, 119 139. 17 Borm, P., Jansen, M., Potters, J., Tijs, S. 1993 Pareto Equilibria for Bimatrix Games, Computers & Mathematics with Applications 25, 19 25. 18 Brams, S.J., Lucas, W.F., Straffin, P.D. 1983 Political and Related Models, Springer-Verlag, New York. 19 Calvo, E., Lasaga, J. 1997 Probabilistic Graphs and Power Indices: An Application to the Spanish Parliament, Journal of Theoretical Politics 94, 477 501. 20 Carreras, F., Owen, G. 1988 Evaluation of the Catalonian Parliament, 1980 1984, Mathematical Social Sciences 15, 87 92. 21 Carreras, F. 1991 Restriction of Simple Games, Mathematical Social Sciences 21, 245 260. 22 Carter, M. 1993 Cooperative Games, en: Economic and Financial Modeling with Mathematica, H.R. Varian ed., TELOS, Springer-Verlag, 167 191, Berlin.
248
23 Chandra, S., Durga Prasad, M.V. 1992 Constrained Vector Valued Games and Multiobjective Programming, Opsearch 291 1 10. 24 Charnes, A. 1963 Constrained Games and Linear Programming, Proceeding of the National Academy of Science 39, 639 641. 25 Coleman, J. 1971 Control of collectivities and the Power of a collectivity to act, en: Social Choice, B. Lieberman ed., Gordon and Breach, London, 269 300. 26 Corley S.C. 1985 Games with Vector Payo , Journal of Optimization Theory and Applications 47, 491 498. 27 Davis, M.D. 1971 Introducci
n a la teor
a de juegos , Alianza Editorial, o
Madrid. 28 Driessen, T. 1988 Cooperative Games, Solutions and Applications, Kluwer, Dordrecht, The Netherlands. 29 Dubey, P., Shapley, L. 1979 Mathematical Properties of the Banzhaf Power Index, Mathematics Operations Research 4, 99 131. 30 Edelman, P.H., Jamison, R.E. 1985 The theory of convex geometries, Geometriae Dedicata 19, 247 270. 31 Edelman, P.H. 1997 A note on voting, Mathematical Social Sciences 341, 37 50. 32 Einy, E. 1985 On Connected Coalitions in Dominated Simple Games, International Journal of Game Theory 142, 103 125. 33 Faigle, U. 1989 Cores of Games with Restricted Cooperation, ZORMethods and Models of Operations Research 33, 405 422. 34 Faigle, U., Kern, W. 1992 The Shapley Value for Cooperative Games under Precedence Constraints, International Journal of Game Theory 21, 249 266.
Bibliograf a
249
35 Faigle, U., Kern, W. 1995 Partition Games and the Core of Hierarchically Convex Cost Games, preprint. 36 Fang, L., Hipel, K.W., Kilgour, D.M. 1989 Con ict models in graph form: Solution concepts and their interrelationships, European Journal of Operational Research 41, 86 100. 37 Fang, L., Hipel, K.W., Kilgour, D.M. 1993 Interactive Decision Making: The Graph Model for Con ict Resolution, Wiley, New York.
38 Fernandez, F.R., Puerto, J. 1996 Vector Linear Programming in Zero-sum Multicriteria Matrix Games, Journal of Optimization Theory and Applications 89, 115 127.
39 Geoffrion, A.M. 1968 Proper E ciency and the Theory of Vector Maximization, Journal of Mathematical Analysis and Applications 22, 618 630. 40 Gillies, D.B. 1953 Some Theorems on n-Person Games, Ph. D. Thesis, Princeton University Press, Princeton, New Jersey. 41 Ghose, D.B., Prasad U.R. 1989 Solution Concepts in Two-Person Multicriteria Games, Journal of Optimization Theory and Applications 63, 167 189. 42 Ghose, D.B. 1991 A Necessary and Su cient Condition for ParetoOptimal Security Strategies in Multicriteria Matrix Games, Journal of Optimization Theory and Applications 68, 463 480. 43 Greenberg, J. 1992 On the sensitivity of von Neumann and Morgenstern abstract stable set. The stable set and the individual stable bargaining set, International Journal of Game Theory 21, 41 55.
44 Grotschel, L., Lovasz, Schrijver, A. 1988 Geometric Algorithms and Combinatorial Optimization, Springer-Verlag, New York.
45 Harsanyi, J.C. 1963 A Simpli ed Bargaining Model for the n-Person Cooperative Game, International Economic Review 4, 194 220.
250
46 Hart, S., Mas-Colell, A. 1988 The Potential of the Shapley Value, en: The Shapley Value, A. Roth ed., Cambridge University Press, Cambridge, 127 137. 47 Haywood, O.G. 1954 Military Decision and Game Theory, ORSA 2, 365 385. 48 Herne, K., Nurmi, H. 1993 The Distribution of a Priori Voting Power in the EC Council of Ministers and the European Parliament, Scandinavian Political Studies 163, 269 284. 49 Ichiishi, T. 1981 Supermodularity: applications to convex games and to the greedy algorithm for LP, J. Economic Theory 25, 283 286. 50 Ioffe, A.D., Levin, V.L. 1972 Subdi erentials of convex functions, Trans. Moscow Math. Soc. 26, 1 72. 51 Jain, S., Bathia, D. 1986 Generalized Saddle Points in Multiobjective Bilinear Programming, Opsearch 233, 142 150. 52 Jim nez Jim nez, N. 1998 Conceptos de soluci n para juegos sobre e e o espacios de clausura, Tesis Doctoral, Universidad de Sevilla. 53 Jim nez Losada, A. 1998 Valores para juegos sobre estructuras come binatorias, Tesis Doctoral, Universidad de Sevilla. 54 Kanniappan, P. 1986 Necessary Conditions for Optimality of Nondifferentiable Convex Multiobjective Programming, Journal of Optimization Theory and Applications 402, 167 174. 55 Kuhn, H.W., Tucker, A.W. 1951 Nonlinear Programming, en: Proceedings of Second Berkeley Symposium on Mathematical Statistics and Probability , Berkeley, California, 481 492. 56 Kilgour, D.M., Fang, L., Hipel, K.W. 1990 General preference structures in the graph model for con icts, Information and Decision Technologies 16, 291 300.
Bibliograf a
251
57 Lane, J.E., Maeland, R. 1995 Voting Power under the EU Constitution, Journal of Theoretical Politics 72, 223 230.
58 Lopez, J. 1996 Cooperaci
n parcial en juegos de n personas, Tesis Doco toral, Universidad de Sevilla.
59 Mas-Colell, A. 1989 An equivalence theorem for a bargaining set, Journal of Mathematical Economics 18, 129 139. 60 Mergen F. van, Borm, P., Tijs, S. 1995 A Perfectness Concept for Multicriteria Games, Working Paper CentER, Universidad de Tilburg, Tilburg, Pa
ses Bajos.
61 Monroy, L. 1996 An
lisis de juegos bipersonales con pagos vectoriales, a Tesis Doctoral, Universidad de Sevilla. 62 Myerson, R.B. 1977 Graphs and Cooperation in Games, Mathematics of Operations Research 2, 225 229. 63 Myerson, R.B. 1978 Re nement of the Nash Equilibrium Concept, International Journal of Game Theory 7, 73 78. 64 Myerson, R.B. 1980 Conference Structures and Fair Allocation Rules, International Journal of Game Theory 9, 169 182. 65 Nash, J.F. 1950 Equilibrium points in n-Person Games, Proceedings of National Academy of Sciences of the USA 36, 48 49. 66 Nash, J.F. 1951 Non-cooperative Games, Annals of Mathematics 54 2, 268 295. 67 Nieuwenhuis, J.W. 1983 Some Minimax Theorems in Vector-valued Functions, Journal of Optimization Theory and Applications 40, 463 475. 68 Nouweland, A. van den, Borm, P. 1991 On the Convexity of Communication Games, International Journal of Game Theory 19, 421 430. 69 Nouweland, A. van den, Borm, P., Tijs, S. 1992 Allocation Rules for Hypergraph Communication Situations, International Journal of Game Theory 20, 255 268.
252
70 Nouweland, A. van den 1993 Games and Graphs in Economics Situations, Ph. D. Thesis, Tilburg University, The Netherlands. 71 Owen, G. 1982 Game Theory , Academic Press, New York. 72 Owen, G. 1986 Values of Graph-Restricted Games, SIAM Journal of Algebraic and Discrete Methods 7, 210 220.
73 Puerto, J., Fernandez, F.R. 1995a Solution Concepts Based on Security Levels in Constrained Multicriteria Convex Games, Opsearch 32, 16 30.
74 Puerto, J., Fernandez, F.R. 1995b Re nements of the Concept of Equilibrium in Multiple Objective Games, Prepublicaci
n n. 28 de la Faco ultad de Matem
ticas , Universidad de Sevilla. a
75 Rockafellar, T.R. 1979 La theorie des sous-gradients et ses applications a l'optimization, Les Presses de l'Universit de Montreal. 76 Roth, A. E. 1988 The Shapley Value. Essays in Honor of Lloyd S. Shapley, Cambridge University Press, Cambridge. 77 Sawaragi, Y., Nakayama, H., Tanino, T. 1985 Theory of Multiobjective Optimization , Academic Press, Orlando, Florida. 78 Selten, R. 1975 Reexamination of the perfectness concept for equilibrium points in extensive games, International Journal of Game Theory 4, 25 55. 79 Schrijver, A. 1986 Theory of Linear and Integer Programming , John Wiley & Sons, New York. 80 Shapley, L.S. 1953 A Value for n-Person Games, en: Contributions to the Theory of Games, vol. II, H.W. Khun, A.W. Tucker eds., Princeton, New Jersey, 307 317. 81 Shapley, L.S., Shubik, M. 1954 A Method for Evaluating the Distribution of Power in a Committee System, American Political Science Review 48, 787 792.
Bibliograf a
253
82 Shapley, L.S. 1959 Equilibrium Points in Games with Vector Payo , Naval Research Logistics Quarterly 6, 57 61. 83 Shapley, L.S. 1967 On Balanced Sets and Cores, Naval Research Logistics Quarterly 14, 453 460. 84 Shapley, L.S. 1971 Cores of convex games, International Journal of Game Theory 1, 11 26. 85 Shubik, M. 1955 The Uses of Game Theory in Management Science, Management Science 2, 40 54. 86 Singh C., Rueda, N. 1994 Constrained Vector Valued Games and Multiobjective Minmax Programming, Opsearch 312, 144 154. 87 Skiena, S. 1990 Implementing Discrete Mathematics: Combinatorial and Graph Theory with Mathematica, Addison-Wesley, Massachusetts. 88 Steuer, R.E. 1986 Multiple Criteria Optimization: Theory, Computation and Application , Wiley, New York. 89 Steuer, R.E. 1995 Manual for the ADBASE, Multiple Objective Linear Programming Package , University of Georgia, Athens, Georgia. 90 Straffin, P.D. 1983 Power Indices in Politics, en: Political and Related Models, S.J. Brams, W.F. Lucas, P.D. Stra n eds., Springer-Verlag, New York, 256 321. 91 Thomas, L.C. 1984 Games, Theory and Applications, Ellis Horwood Limited, Chichester. 92 Von Neumann, J. 1928 Zur Theorie der Gesellschaftsspiele, Mathematische Annalen 100, 295 320. 93 Von Neumann, J., Morgenstern, O. 1944 Theory of Games and Economic Behavior, Princeton University Press, Princeton, New Jersey. 94 Vorobev, N.N. 1977 Game Theory , Lecturs for Economist and Systems Scientists , Springer-Verlag, New York.
254
95 Wang, S. 1993 Existence of a Pareto Equilibrium, Journal of Optimization Theory and Applications 3, 61 63. 96 Weber, R.J. 1988 Probabilistic Values for Games, en: The Shapley Value, A. Roth ed., Cambridge University Press, Cambridge, 101 119. 97 Widgr n, M. 1994 Voting Power in the EC decision making and the e consequences of two di erent enlargements, European Economic Review 38, 1153 1170. 98 Wolfram, S. 1991 Mathematica: A System for Doing Mathematics by Computer, Addison-Wesley, Massachusetts. 99 Yano, H., Sakawa, M. 1989 A Uni ed Approach for Characterizing Pareto Optimal Solutions of Multiobjective Optimization Problems: The Hyperplane Method, European Journal of Operational Research 39, 61 70. 100 Zhao, J. 1991 The Equilibria of a Multiple Objective Game, International Journal of Game Theory 20, 171 182.