Search engine for discovering works of Art, research articles, and books related to Art and Culture
ShareThis
Javascript must be enabled to continue!

A Shapley-érték komplexitása és becslése

View through CrossRef
A kooperatív játékelmélet számos társadalmi dilemma illetve pénzügyi és gazdasági probléma modellje. Általában akkor alkalmazzuk, ha egy közösség által elérhető eredmény meghaladja az egyénenként elérhető eredmények összegét (szinergia), vagy egy tevékenység teljes költsége alacsonyabb, mint a részfeladatok költségeinek összege (megtakarítás) illetve teljes kockázata kisebb, mint a részfeladatok aggregált kockázata (diverzikáció). A fő kérdés pedig természetesen az, hogy hogyan osszuk el a többletet a szereplők között valamilyen „igazságos” módon. A kooperatív játékok legismertebb általános megoldását Lloyd Stowell Shapley adta meg 1953- ban A value for n-person games című cikkében. Bizonyítható, hogy Shapley megoldása, melyet azóta Shapley-értéknek neveznek, az egyetlen általános, azaz minden játékra működő megoldási koncepció, mely bizonyos igazságossági feltételeknek eleget tesz. Szépséghibája, hogy – az egyszerűen felírható formula és intuitív tartalma ellenére – konkrét játékokra nem feltétlenül tudjuk az értékét pontosan meghatározni, ha a játékosok száma túl nagy, ugyanis a képlet a játékosok számában nem polinomiális számú tag összegéből áll. A disszertáció tartalma, ha egy mondatban kéne összefoglalni: Hogyan lehet (illetve nem lehet) egy kooperatív játék Shapley-értékét hatékonyan kiszámolni vagy megbecsülni? Már a feladat pontos specikálásánál felmerül két egymást kioltó probléma. Az egyik a játék tárolásának képessége, mert egy általános TU-játék kezelhetetlen méretű adathalmaz, azonban a Shapley-érték ennek az adathalmaznak a függvényében „gyorsan” számolható. Ennek kezelésére bevezetjük a polinomiális reprezentáció fogalmát, azaz vizsgálódásainkat olyan játékosztályokra korlátozzuk, melyek valamilyen módon „jól tömöríthetőek”. A másik probláma a Shapley-érték kiszámításának képessége. Ha egy játékosztály elég jól tömöríthető ahhoz, hogy sok játékos esetén is meg tudjuk adni, akkor előfordulhat, hogy ennyi játékosra a Shapley-értéket már nincs kapacitásunk kiszámolni. A számítástudományi szempontból megoldhatatlannak tűnő problémák kezelésére két lehetőség adja magát. Az egyik a Monte-Carlo szimulációval történő becslés, a másik a speciális játékokra kifejlesztett pszeudopolinomiális algoritmus.
Corvinus University of Budapest
Title: A Shapley-érték komplexitása és becslése
Description:
A kooperatív játékelmélet számos társadalmi dilemma illetve pénzügyi és gazdasági probléma modellje.
Általában akkor alkalmazzuk, ha egy közösség által elérhető eredmény meghaladja az egyénenként elérhető eredmények összegét (szinergia), vagy egy tevékenység teljes költsége alacsonyabb, mint a részfeladatok költségeinek összege (megtakarítás) illetve teljes kockázata kisebb, mint a részfeladatok aggregált kockázata (diverzikáció).
A fő kérdés pedig természetesen az, hogy hogyan osszuk el a többletet a szereplők között valamilyen „igazságos” módon.
A kooperatív játékok legismertebb általános megoldását Lloyd Stowell Shapley adta meg 1953- ban A value for n-person games című cikkében.
Bizonyítható, hogy Shapley megoldása, melyet azóta Shapley-értéknek neveznek, az egyetlen általános, azaz minden játékra működő megoldási koncepció, mely bizonyos igazságossági feltételeknek eleget tesz.
Szépséghibája, hogy – az egyszerűen felírható formula és intuitív tartalma ellenére – konkrét játékokra nem feltétlenül tudjuk az értékét pontosan meghatározni, ha a játékosok száma túl nagy, ugyanis a képlet a játékosok számában nem polinomiális számú tag összegéből áll.
A disszertáció tartalma, ha egy mondatban kéne összefoglalni: Hogyan lehet (illetve nem lehet) egy kooperatív játék Shapley-értékét hatékonyan kiszámolni vagy megbecsülni? Már a feladat pontos specikálásánál felmerül két egymást kioltó probléma.
Az egyik a játék tárolásának képessége, mert egy általános TU-játék kezelhetetlen méretű adathalmaz, azonban a Shapley-érték ennek az adathalmaznak a függvényében „gyorsan” számolható.
Ennek kezelésére bevezetjük a polinomiális reprezentáció fogalmát, azaz vizsgálódásainkat olyan játékosztályokra korlátozzuk, melyek valamilyen módon „jól tömöríthetőek”.
A másik probláma a Shapley-érték kiszámításának képessége.
Ha egy játékosztály elég jól tömöríthető ahhoz, hogy sok játékos esetén is meg tudjuk adni, akkor előfordulhat, hogy ennyi játékosra a Shapley-értéket már nincs kapacitásunk kiszámolni.
A számítástudományi szempontból megoldhatatlannak tűnő problémák kezelésére két lehetőség adja magát.
Az egyik a Monte-Carlo szimulációval történő becslés, a másik a speciális játékokra kifejlesztett pszeudopolinomiális algoritmus.

Related Results

Harlow Shapley: The Making of an Observatory Director
Harlow Shapley: The Making of an Observatory Director
In 1919, the long-serving director of the Harvard College Observatory died. When the ambitious Harlow Shapley heard the news, although only in his early 30s, he resolved, if possib...
Improving the Weighting Strategy in KernelSHAP
Improving the Weighting Strategy in KernelSHAP
Abstract In Explainable AI (XAI), Shapley values are a popular model-agnostic framework for explaining predictions made by complex machine learning models. The computatio...
Az áfacsalás alakulása Magyarországon 2006 és 2016 között
Az áfacsalás alakulása Magyarországon 2006 és 2016 között
A disszertáció arra a kérdésre keresi a választ, hogyan alakult az áfacsalás a 2006 és 2016 közötti időszakban Magyarországon. Az áfacsalás nagyságára nem készül rendszeresen, azon...
Counterfactual Shapley Values for Explaining Reinforcement Learning
Counterfactual Shapley Values for Explaining Reinforcement Learning
Abstract This paper introduces an approach based on Counterfactual Shapley Values, which enhances explainability in reinforcement learning by integrating counterfactual a...
Érték – értékek – értékeink
Érték – értékek – értékeink
Tanulmányom első, szokatlanul filozofikusnak tűnő részében azt kísérlem meg illusztrálni, hogy az érték kategóriája, bárhol is merül fel, nem önkényesen definiálható kategória, az ...
GPUTreeShap: massively parallel exact calculation of SHAP scores for tree ensembles
GPUTreeShap: massively parallel exact calculation of SHAP scores for tree ensembles
SHapley Additive exPlanation (SHAP) values (Lundberg & Lee, 2017) provide a game theoretic interpretation of the predictions of machine learning models based on Shapley values ...
ShaRP: Explaining Rankings and Preferences with Shapley Values
ShaRP: Explaining Rankings and Preferences with Shapley Values
Algorithmic decisions in critical domains such as hiring, college admissions, and lending are often based on rankings. Given the impact of these decisions on individuals, organizat...

Back to Top