Physik der sozio-ökonomischen Systeme mit dem Computer. 6. Vorlesung
|
|
- Gert Roth
- vor 5 Jahren
- Abrufe
Transkript
1 Physik der sozio-ökonomischen Systeme mit dem Computer PC-POOL RAUM JOHANN WOLFGANG GOETHE UNIVERSITÄT Vorlesung MATTHIAS HANAUSKE FRANKFURT INSTITUTE FOR ADVANCED STUDIES JOHANN WOLFGANG GOETHE UNIVERSITÄT INSTITUT FÜR THEORETISCHE PHYSIK ARBEITSGRUPPE RELATIVISTISCHE ASTROPHYSIK D FRANKFURT AM MAIN GERMANY
2 Plan für die heutige Vorlesung Kurze Wiederholung der Inhalte der letzten Vorlesung: Evolutionären Spieltheorie von Bi-Matri Spielen (unsymmetrischer (22)-Spiele), Python Programm: Bi-Matri Spiele, Evolutionäre (23)-Spiele, das Räuber-Beute Spiel, mögliche Projekte Anwendungsfelder der Spieltheorie Einführung: Komplee Netzwerke Grundlagen der Theorie der kompleen Netzwerke Klassen von Netzwerken (zufällige, small world, eponentielle und skalenfreie Netzwerke) Simulation und Darstellung von kompleen Netzwerken mit Python
3 Weitere
4 Evolutionäre Spieltheorie (I) Unsymmetrische (22)-Spiele (Bimatrispiele) Bei unsymmetrischen (22)-Spielen besteht die zugrundeliegende Population aus zwei Gruppen (hier große und kleine Kreise). Aufgrund der unterschiedlichen Auszahlungsmatrizen können die Populationsgruppen sich in ihren Strategieentscheidungen (grün, schwarz) unterschiedlich entwickeln. zeitliche Entwicklung der Population (0)=0.5, y(0)=0.5 (10)=0.15, y(10)=0.7 Mögliche Strategien: (grün, schwarz), Parameter t stellt die Zeit dar. ( : Anteil der großen Spieler, die im Zeitpunkt t die Strategie grün spielen. y( : Anteil der kleinen Spieler, die im Zeitpunkt t die Strategie grün spielen.
5 Evolutionäre Spieltheorie (II) Unsymmetrische (22)-Spiele (Bimatrispiele) Die einzelnen Akteure innerhalb der betrachteten gesamten Population spielen ein andauernd sich wiederholendes Spiel miteinander, wobei sich jeweils zwei Spieler mit unterschiedlichen Gruppenzugehörigkeiten zufällig treffen, das Spiel spielen und danach zu dem nächsten Spielpartner der anderen Gruppe wechseln. (10)=0.5, y(10)=0.5 Die Anfangspopulat ion von Spielern spielt zum Zeitpunkt t=0 das erste Mal das Spiel. Es bilden sich stets Zweier- Gruppen aus großen und kleinen Kreisen. (10)=0.15, y(10)=0.7 Das evolutionäre Spiel schreitet voran und die grüne Strategie wird für die kleinen Spieler zunehmend attraktiver (y(10)=0.7 ), wohingegen sie für die großen Spieler zunehmend weniger attraktiv wird ((10)=0.15 ).
6 Bi-Matri Spiele unsymmetrische (22)-Spiele, zwei unterscheidbare Populationsgruppen
7 Beispiel 1: Kampf der Geschlechter als evolutionäres Spiel Das gekoppelte System von Differentialgleichung lautet: d( ( dt dy( y( dt 4 y( 4 ( y( 3 ( 3 4 ( 4 ( y( A A ( : 1 (, 2 ( 1 ( B B y( : 1 (, 2 ( 1 y( y( 1 Die beiden Gruppen der Population sind Männer (A, ()und Frauen (B, y(). Da nur zwei Strategien wählbar sind, lassen sich die jeweiligen Populationsanteile durch lediglich eine Größe ausdrücken (( und y(). Kino Disko Kino (1, 3) (0, 0) Disko (0, 0) (3, 1) Die Lösung der Gleichung erfolgt wiederum durch Integration bzw. kann mithilfe des Computers nummerisch berechnet werden. Es muss in beiden Fällen ein fester Anfangswert ((0),y(0)) gewählt werden. Nummerische Lösung der Gleichung wobei der Anfangswert zu ((0),y(0))=(0.85, 0.3) gewählt wurde.
8 Beispiel 1: Kampf der Geschlechter als evolutionäres Spiel Das Kampf der Geschlechter - Spiel gehört der Klasse der Sattelpunktsspiele (Saddle Class) an. Das Phasenportrait des Spiels besitzt das folgende Aussehen: Kino Disko Kino (1, 3) (0, 0) Disko (0, 0) (3, 1) (1,1) entspricht (Kino,Kino) Die rechte Abbildung zeigt das zeitliche Verhalten von drei nummerischen Lösungen mit unterschiedlichen Anfangsbedingungen. Die evolutionäre Erweiterung des Spiels besitzt zwei evolutionär stabile Strategien ((0,0) und (1,1)). Die blaue und grüne Populationsentwicklung enden bei (0,0) während die Anfangsbedingung der roten Population bei (1,1) endet. (0,0) entspricht (Disko,Disko)
9 Beispiel 2: Klasse der Zentrumsspiele (Center Class) Strat. 1 Strat. 2 Strat. 1 (2, -2) (0, 0) Strat. 2 (0, 0) (1, -1) Das gekoppelte System von Differentialgleichung für dieses Beispiel lautet: Die Lösung der Gleichung erfolgt wiederum durch d( ( 3 y( 3 ( y( ( 1 Integration bzw. kann mithilfe des Computers dt nummerisch berechnet werden. Es wurde der dy( Anfangswert zu y( 3 ( 3 ( y( y( 1 dt ((0),y(0)) =(0.05, 0.05) gewählt. Die rechte Abbildung zeigt eine nummerische Lösung der obigen Gleichung, wobei der Anfangswert zu ((0),y(0)) =(0.05, 0.05) gewählt wurde. Im Gegensatz zu allen anderen möglichen Klassen von Bimatrispielen, treten bei der Klasse der Zentrumsspiele periodische Verläufe der Populationsanteile ( und y( auf - die Populationsanteile enden nicht in einer evolutionär stabilen Strategie.
10 Beispiel 2: Klasse der Zentrumsspiele (Center Class) Strat. 1 Strat. 2 Strat. 1 (2, -2) (0, 0) Strat. 2 (0, 0) (1, -1) Das Phasenportrait des zweiten Beispiels besitzt das folgende Aussehen: Zentrum: Gemischtes Nash-Gleichgewicht des Spiels Die rechte Abbildung zeigt das zeitliche Verhalten von drei nummerischen Lösungen mit unterschiedlichen Anfangsbedingungen. Dieses Bimatrispiel besitzt keine evolutionär stabile Strategie, da die einzelnen Phasenraum-Trajektorien sich keinem Punkt annähern, sondern auf einer geschlossenen, zyklischen Bahn um das gemischte Nash-Gleichgewicht kreisen.
11 Beispiel 3: Klasse der Eckenspiele (Corner Class) Strat. 1 Strat. 2 Strat. 1 (-2, 2) (0, 0) Strat. 2 (0, 0) (1, 1) Das gekoppelte System von Differentialgleichung für dieses Beispiel lautet: Die Lösung der Gleichung erfolgt wiederum durch d( Integration bzw. kann mithilfe des Computers ( y( ( y( ( 1 dt nummerisch berechnet werden. Es wurde der Anfangswert zu dy( y( 3 ( 3 ( y( y( 1 ((0),y(0)) =(0.9, 0.4) gewählt. dt Die rechte Abbildung zeigt eine nummerische Lösung der obigen Gleichung, wobei der Anfangswert zu ((0),y(0)) =(0.9, 0.4) gewählt wurde. Bei der Klasse der Eckspiele gibt es eine evolutionär stabile Strategie, die unabhängig von der gewählten Anfangsbedingung stets von der Population angestrebt wird.
12 Beispiel 3: Klasse der Eckspiele (Corner Class) Das Phasenportrait des dritten Beispiels besitzt das folgende Aussehen: Die rechte Abbildung zeigt das zeitliche Verhalten von drei nummerischen Lösungen mit unterschiedlichen Anfangsbedingungen. Dieses Bimatrispiel besitzt eine evolutionär stabile Strategie, da es nur ein gemeinsames symmetrisches Nash- Gleichgewicht gibt ((,y)=(0,0)). Der rote Spieler besitzt sogar bei (0,0) eine dominante Strategie. Strat. 1 Strat. 2 Strat. 1 (-2, 2) (0, 0) Strat. 2 (0, 0) (1, 1) Einziges gemeinsames Nash-Gleichgewicht des Spiels
13 Klassifizierung von Bi-Matri Spielen Eckspiele Sattelspiele Zentrumsspiele Die Spielklasse der Gruppe A oder der Gruppe B ist ein Dominantes Spiel Spiel A: Koordinationspiel Spiel B: Koordinationspiel oder Spiel A: Anti-Koordinationspiel Spiel B: Anti-Koordinationspiel Spiel A: Koordinationspiel Spiel B: Anti-Koordinationspiel oder Spiel A: Anti-Koordinationspiel Spiel B: Koordinationspiel
14 Bi-Matri Spiele mit Python V1
15 Bi-Matri Spiele mit Python V2 (Feldliniendiagramm)
16 Bi-Matri Spiele mit Python Version bimatri1.py
17 1,2,3 $ $ $ $ $ $ $ $ $ $ $ $ ) ( ) ( $ ) ( $ ) ( ) ( j dt d t t t t dt t d j j j j j k l k k k kl k jk j j Replikatordynamik (für symmetrische (23)-Spiele) Wir beschränken uns nun auf symmetrische (23)-Spiele, d.h. zwei Personen - 3 Strategien Spiele (M=3). Die Differentialgleichung der Replikatordynamik vereinfacht sich unter dieser Annahme wie folgt: $
18 Replikatordynamik (für symmetrische (23)-Spiele) Man erhält ein System von drei gekoppelten Differentialgleichungen: d dt d dt d dt $ $ $ $ 12 $ $ $ 2 13 $ $ $ $ $ Das System von Differentialgleichungen lässt sich bei gegebener Auszahlungsmatri $ˆ und Anfangsbedingung 1 ( 0), 2(0), 3(0) meist nur nummerisch (auf dem Computer) lösen. Die Lösungen bestehen dann aus den drei (zeitlich abhängigen) Populationsanteilen, (, ( ). 1( 2 3 t
19 Replikatordynamik (für symmetrische (23)-Spiele, Beispiel 1) Wir betrachten im Folgenden ein Beispiel eines (23)-Spiels mit der rechts angegebenen Auszahlungsstruktur: Die rechte Abbildung zeigt die zeitliche Entwicklung der relativen Populationsanteile der gewählten Strategien für drei mögliche Anfangsbedingungen. Die einzige evolutionär stabile Strategie dieses Beispiels befindet sich beim gemischten Nash-Gleichgewicht Die einzelnen Pfeile im Dreieck veranschaulichen den durch die 1 1 1,, Spielmatri bestimmten Strategien- Richtungswind, dem die Population zeitlich folgen wird. Strategie 1 Strategie 2 Strategie 3 Strategie 1 (0, 0) (2, -1) (-1, 2) Strategie 2 (-1, 2) (0, 0) (2, -1) Strategie 3 (2, -1) (-1, 2) (0, 0) Reine Strategie 3 Gemischtes Nash- Gleichgewicht und ESS Reine Strategie 1 Reine Strategie 2
20 Replikatordynamik (für symmetrische (23)-Spiele, Beispiel 2) Wir betrachten im Folgenden ein Beispiel eines (23)-Spiels mit der rechts angegebenen Auszahlungsstruktur: Strategie 1 Strategie 2 Strategie 3 Strategie 1 (0, 0) (-3, -3) (-1, -1) Strategie 2 (-3, -3) (0, 0) (-1, -1) Strategie 3 (-1, -1) (-1, -1) (0, 0) Die rechte Abbildung zeigt die zeitliche Entwicklung der relativen Populationsanteile der gewählten Strategien für drei mögliche Anfangsbedingungen. Das Spiel besitzt drei Nash-Gleichgewichte in reinen Strategien, die ebenfalls evolutionär stabile Strategien darstellen. Welche der drei ESS die Population realisiert hängt von dem Anfangswert der Populationsanteile ab. Die zeitliche Entwicklung folgt wieder dem Strategien- Richtungswind der zugrundeliegenden Auszahlungsmatri. Reine Strategie 1 Reine Strategie 3 Reine Strategie 2
21 Replikatordynamik (Klassifizierung symmetrische (23)-Spiele) E. C. Zeeman, POPULATION DYNAMICS FROM GAME THEORY, In: Global Theory of Dynamical Systems, Springer 1980 E. C. Zeeman zeigt in seinem im Jahre 1980 veröffentlichten Artikel, dass man evolutionäre, symmetrische (23)-Spiele in 19 Klassen einteilen kann. Die Abbildung rechts zeigt das evolutionäre Verhalten dieser 19 Spieltypen. Die ausgefüllten schwarzen Punkte markieren die evolutionär stabilen Strategien der jeweiligen Spiele. Es gibt Spielklassen, die besitzen lediglich eine ESS und Klassen die sogar drei ESS besitzen.
22 Das Räuber-Beute Spiel
23 Die Lotka-Volterra-Gleichung (Räuber-Beute-Gleichung) für N-Populationen Anzahl der Räuber/Beute Wesen der i-ten Population zur Zeit t Reproduktionsbzw. Sterberaten Interaktionsmatri
24 Mögliche Projekte
25 Anwendungsfelder der evolutionären Spieltheorie (I) Biologie Verteilung von Bakterien in Organismen Siehe z.b.: Kerr, Feldmann, Nature 2002 Kooperation von Virus-Populationen Siehe z.b.: Turner, Chao, Nature 1999 Paarungsstrategien von Eidechsen Siehe z.b.: Sinervo, Hazard, Nature 1996 Evolutionäre Entwicklung von Makromolekülen Siehe z.b.: Eigen, Schuster, Naturwissenschaften 64, 1977
26 Anwendungsfelder der evolutionären Spieltheorie (II) Ökonomie Public Goods - (Öffentliches Gu- Spiele Trust in Private and Common Property Eperiments, Elinor Ostrom, et al. Evolutionary Dynamics in Public Good Games, CHRISTIANE CLEMENS and THOMAS RIECHMANN, Computational Economics (2006) 28: Institution Formation in Public Goods Games, Michael Kosfeld, Akira Okada, and Arno Riedl, American Economic Review 2009, 99:4, Eperimentelle Ökonomie Cooperation in PD games: Fear, greed, and history of play, T.K. AHN, ELINOR OSTROM, DAVID SCHMIDT, ROBERT SHUPP, Public Choice 106: , Behavioral - Verhaltensökonomie (Altruismus, Empathie, ) z.b.: Fehr et al. Evolution von Informationsnetzwerken
27 Anwendungsfelder der evolutionären Spieltheorie (III) Sozialwissenschaft Kulturelle und moralische Entwicklungen Evolution of social learning does not eplain the origin of human cumulative culture, Magnus Enquist, Stefano Ghirlanda, Journal of Theoretical Biology 246 (2007) EVOLUTION OF MORAL NORMS, William Harms and Brian Skyrms, For Oford Handbook on the Philosophy of Biology ed. Michael Ruse Evolution der Sprache Finite populations choose an optimal language, Christina Pawlowitsch, Journal of Theoretical Biology 249 (2007) Soziales Lernen Evolution of social learning does not eplain the origin of human cumulative culture, Magnus Enquist, Stefano Ghirlanda, Journal of Theoretical Biology 246 (2007) Evolution von sozialen Normen Collective Action and the Evolution of Social Norms, Elinor Ostrom, The Journal of Economic Perspectives, Vol. 14, No. 3 (Summer, 2000), pp Evolution von sozialen Netzwerken GOVERNING SOCIAL-ECOLOGICAL SYSTEMS, MARCO A. JANSSEN and ELINOR OSTROM A General Framework for Analyzing Sustainability of Social-Ecological Systems, Elinor Ostrom, et al., Science 325, 419 (2009)
28 Aufgaben auf Lon-Cappa Weitere
29 Evolutionäre Spieltheorie auf kompleen Netzwerken Viele in der Realität vorkommende evolutionäre Spiele werden auf einer definierten Netzwerkstruktur (Topologie) gespielt. Die Spieler der betrachteten Population sind hierbei nicht gleichwertig, sondern wählen als Spielpartner nur mit ihnen durch das Netzwerk verlinkte (verbundene) Partner aus. zeitliche Entwicklung der Population auf vorgegebener Netzwerkstruktur (0)=0.5 (10)=0.75 Mögliche Strategien: (grün, schwarz), Parameter t stellt die Zeit dar. ( : Anteil der Spieler, die im Zeitpunkt t die Strategie grün spielen. Die roten Verbindungslinien beschreiben die möglichen Spielpartner des Spielers
30 Theorie der kompleen Netzwerke (I) Da die Theorie der kompleen Netzwerke aus dem mathematischen Zweig der Graphentheorie entstanden ist benutzt sie nicht die mathematischen Vokabeln der Spieltheorie. Man spricht z.b. nicht von Spielern, sondern von Knoten (bzw. Vertices). Die Verbindungen zwischen den Knoten werden als Kanten (bzw. Links) bezeichnet. Während die Spieler eines (klassischen) evolutionären Spiels mit allen anderen Spielern der Population in Kontakt treten können, ist dies bei einem Spiel auf einem kompleen Netzwerk im allgemeinen nicht möglich.
31 Theorie der kompleen Netzwerke (II) Komplee Netzwerke lassen sich wie folgt untergliedern: Handelt es sich nur um eine Knotenart (Spielergruppe), oder besteht das Netzwerk aus mehreren Knotenarten (z.b. Bi-Matri Spiele). Sind die Kanten (Verbindungslinien zwischen den Knoten) gerichtet oder ungerichtet. Besitzen die Kanten zahlenmäßige Gewichtungen oder geben sie einfach an ob ein Knoten mit einem anderen verbunden oder nicht verbunden ist. Gibt es zeitliche Veränderungen des Netzwerks; ist die Anzahl der Knoten konstant oder wächst bzw. schrumpft sie im laufe der Zeit.
32 Theorie der kompleen Netzwerke (III) (Beispiele unterschiedlicher kompleer Netzwerke) a) Nicht gerichtetes und ungewichtetes Netzwerk einer einzigen Knotenart. b) Nicht gerichtetes und ungewichtetes Netzwerk dreier verschiedener Knotenarten, wobei zusätzlich drei verschiedene Kantenarten eistieren. c) Nicht gerichtetes aber gewichtetes Netzwerk. Sowohl die Knoten als auch die Kanten des Netzwerks besitzen zahlenmäßige Gewichtungen. d) Gerichtetes aber nicht gewichtetes Netzwerk. Es eistiert nur eine Knoten- und gerichtete Kantenart. Abbildung: Unterschiedliche Netzwerktypen Die Abbildung ist dem folgenden Artikel entnommen: M. E. J. Newman, The structure and function of comple networks
33 Theorie der kompleen Netzwerke (IV) (Größen die ein Netzwerk charakterisieren) Der Knotengrad k i Der Knotengrad des Knotens i ist gleich der Anzahl der Kanten die der Knoten i besitzt. Bei gerichteten Netzwerken unterscheidet man zwischen dem eingehenden und ausgehenden Knotengrad. Bei gewichteten Netzwerken summiert man über die Zahlenfaktoren der gewichteten Kanten. Der Clusterkoeffizient C i Der Clusterkoeffizient gibt die Wahrscheinlich-keit an, dass zwei nächste Nachbarn eines Knotens ebenfalls nächste Nachbarn untereinander sind. Der globale Wert C des Netzwerks stellt demnach eine Art von Cliquen - Nachbarschafts-Eigenschaft des Netzwerks dar Der Durchmesser des Netzwerks Der Durchmesser des Netzwerks gibt die maimale kürzeste Kantenlänge zwischen zwei beliebigen Knoten des Netzwerkes an. k 8 1 k 9 2 k 1 1 k 2 3 k4 2 k 5 1 k 3 1 k 14 7 k 6 1 k 7 1
34 Theorie der kompleen Netzwerke (IV) (Die Verteilungsfunktion der Knotengrade) Die Verteilungsfunktion der Knotengrade P(k) (bzw. N(k)) ist eine wichtige das Netzwerk charakterisierende Größe. Sie gibt an, wie groß der Anteil an Netzwerkknoten mit Knotengrad k ist. Bei realen (endlichen) Netzwerken ist diese Funktion keine kontinuierliche, sondern eine diskrete Funktion. In dem rechten Beispiel besitzt die Verteilungsfunktion das folgende Aussehen: P(k) 0,70 0,60 0,50 0,40 0,30 0,20 0,10 k 8 1 k 9 2 k 1 1 k 2 3 k4 2 k 5 1 k 3 1 k 14 7 k 6 1 k 7 1 0, k
35 Netzwerk-Klassen Aufgrund ihrer unterschiedlichen Eigenschaften unterscheidet man die folgenden Netzwerk-Klassen: i. Zufällige Netzwerke Die einzelnen Kanten bei zufälligen Netzwerke werden von den Knoten (Spielern) nach einem rein zufälligen Muster ausgewählt. ii. Kleine Welt -Netzwerke (small-world networks) i. Kleine Welt -Netzwerke zeichnen sich durch einen kleinen Wert der durchschnittlichen kürzesten Verbindung zwischen den Knoten des Netzwerkes und einem großen Wert des Clusterkoeffizienten aus. iii. Eponentielle Netzwerke iv. Skalenfreie Netzwerke
36 Netzwerke in der Realität Netzwerke finden sich in den unterschiedlichsten sozialen, physikalischen und biologischen Systemen o Biologische Netzwerke o Protein- und Gennetzwerke o Soziale Netzwerke o Beziehungs- und Freundschaftsnetzwerke o Netzwerke von Geschäftsbeziehungen und Firmenbeteiligungen o Internetbasierte, soziale Web2.0 Netzwerke o Technologische Netzwerke o Transportnetzwerke (Flug-, Zugrouten) o Internetverbindungen zwischen Computerservern o Informationsnetzwerke o Wissensnetzwerke, Verlinkungen von Internetseiten o Zitationsnetzwerke von wissenschaftlichen Artikeln o Linguistische Netzwerke
37 Beispiel eines kompleen Netzwerks
38 Frankfurt als mächtiger Knoten der Informationsströme Internet-Knoten Das Internet stellt ein skalenfreies Netwerk. Trägt man die 80 wichtigsten Internet-Knoten sortiert auf, so erhält man den typischen Verlauf eines skalenfreien Netzwerks. Frankfurt am Main mit seinem Internet-Knoten DE-CIX ist in der veralteten Grafik an Stelle 2, laut Wikipedia ist er jetzt sogar auf Rang 1 Beispiel eines kompleen Netzwerks
39 Die Frankfurter Wertpapierbörse (FWB) ist die bedeutendste deutsche Börse mit Sitz in Frankfurt am Main. Betreiberin und Träger ist die Deutsche Börse AG. Im Jahr 2000 wurde die Neue Börse im Industriehof in Frankfurt am Main in einem neuen Gebäude bezogen. Im Jahr 2005 wurden an den deutschen Börsen rund 3,8 Billionen Euro umgesetzt. Dabei entfielen vom Gesamtumsatz rund 3,2 Billionen Euro auf Aktien, Optionsscheine und börsengehandelte Fonds und rund 615 Milliarden Euro auf Anleihen. Der Aktienumsatz betrug 1,3 Billionen Euro, bei deutschen Aktien entfallen rund 98 % des Handels auf die Frankfurter Wertpapierbörse und Xetra, das elektronische Handelssystem der Deutschen Börse. Im Oktober 2008 entfielen 97 % der Umsätze in deutschen Aktien auf Xetra und die Frankfurter Parkettbörse. Bei ausländischen Aktien liefen über 86 % des Umsatzes über Xetra und den Präsenzhandel.'
40 Zitationsnetzwerke Wissenschaftliche Artikel Internetseiten
41 Zitationsnetzwerk wissenschaftlicher Artikel
42 Schematische Darstellung des implementierten Zitationsnetzwerks
43 Das Java Simulationsapplet
44 Vergleich des simulierten Artikelnetzwerks mit empirischen Daten Das auf der Artikelebene simulierte Zitationsnetzwerk (Abbildung b) stimmt gut mit der in Realität beobachteten Netzwerkstruktur (Abbildung a) überein. In Abbildung a sind die Zitationsnetzwerke der Zeitschrift Physical Review D und der Datenbank ISI (Institute of scientific Information) aufgetragen.
45 Der Atlas der Wissenschaft
46 Der Atlas der Wissenschaft
47 Netzwerkstrukturen in unterschiedlichsten Systemen
48 Netzwerkstrukturen in unterschiedlichsten Systemen
49 Verlinkungswahrscheinlichkeit p
50 Zufällige Netzwerke Verteilungsfunktion der Knotengrade P(k)
51 Simulation und Darstellung von kompleen Netzwerken mit Python (Version 1)
52 Python (Version 2)
53 Python (Version 3)
54 Python (Version 3)
55 Eponentielle und Skalenfreie Netzwerke Bei eponentiellen und Skalenfreien Netzwerken besitzen viele Knoten wenig Kanten und einige wenige Knoten sehr viele Kanten. Im folgenden wollen wir die Konstruktion eines solchen Netzwerks mittels einer Agenten-basierten Computersimulation betrachten:
56 Konstruktion eines Skalenfreien Netzwerks Das im folgenden konstruierte skalenfreie Netzwerk besitz zwei wesentliche Eigenschaften: Zeitliches Anwachsen der Knoten Die Kantenwahl eines neu in das Netzwerk hinzukommenden Knotens erfolgt nach dem Prinzip des Preferential Attachment (Die Knoten die schon viele Kanten haben bekommen mit einer höheren Wahrscheinlichkeit eine neue Kante, als die Knoten die bisher keinen, oder wenige Kanten aufweisen können)
57 Das Java-Applet der Netzwerksimulation
Physik der sozio-ökonomischen Systeme mit dem Computer. 7. Vorlesung
Physik der sozio-ökonomischen Systeme mit dem Computer PC-POOL RAUM 01.120 JOHANN WOLFGANG GOETHE UNIVERSITÄT 01.12.2017 7. Vorlesung MATTHIAS HANAUSKE FRANKFURT INSTITUTE FOR ADVANCED STUDIES JOHANN WOLFGANG
MehrPhysik der sozio-ökonomischen Systeme mit dem Computer. 5. Vorlesung
Physik der sozio-ökonomischen Systeme mit dem Computer PC-POOL RAUM 0.0 JOHANN WOLFGANG GOETHE UNIVERSITÄT 7..07 5. Vorlesung MATTHIAS HANAUSKE FRANKFURT INSTITUTE FOR ADVANCED STUDIES JOHANN WOLFGANG
MehrPhysik der sozio-ökonomischen Systeme mit dem Computer. 6. Vorlesung
Physik der sozio-ökonomischen Systeme mit dem Computer PC-POOL RAUM 01.120 JOHANN WOLFGANG GOETHE UNIVERSITÄT 23.11.2018 6. Vorlesung MATTHIAS HANAUSKE FRANKFURT INSTITUTE FOR ADVANCED STUDIES JOHANN WOLFGANG
MehrVorlesung im Rahmen des Deutsch-Französischen Dozenten-Austauschprogramms Minerve
Vorlesung im Rahmen des Deutsch-Französischen Dozenten-Austauschprogramms Minerve Dr. Matthias Hanauske Institut für Wirtschaftsinformatik Goethe-Universität Frankfurt am Main Grüneburgplatz 1, 60323 Frankfurt
MehrVorlesung im Rahmen des Deutsch-Französischen Dozenten-Austauschprogramms Minerve
Vorlesung im Rahmen des Deutsch-Französischen Dozenten-Austauschprogramms Minerve Dr. Matthias Hanauske Institut für Wirtschaftsinformatik Goethe-Universität Frankfurt am Main Grüneburgplatz, 6033 Frankfurt
MehrVorlesung im Rahmen des Deutsch-Französischen Dozenten-Austauschprogramms Minerve
Vorlesung im Rahmen des Deutsch-Französischen Dozenten-Austauschprogramms Minerve Dr. Matthias Hanauske Institut für Wirtschaftsinformatik Goethe-Universität Frankfurt am Main Grüneburgplatz 60 Frankfurt
MehrAllgemeine Relativitätstheorie mit dem Computer. 1. Vorlesung
Allgemeine Relativitätstheorie mit dem Computer PC-POOL RAUM 01.120 JOHANN WOLFGANG GOETHE UNIVERSITÄT 21. APRIL, 2017 1. Vorlesung MATTHIAS HANAUSKE FRANKFURT INSTITUTE FOR ADVANCED STUDIES JOHANN WOLFGANG
MehrAllgemeine Relativitätstheorie mit dem Computer
Allgemeine Relativitätstheorie mit dem Computer PC-POOL RAUM 01.120 JOHANN WOLFGANG GOETHE UNIVERSITÄT 11. MAI, 2017 5. Vorlesung MATTHIAS HANAUSKE FRANKFURT INSTITUTE FOR ADVANCED STUDIES JOHANN WOLFGANG
MehrAlgorithmische Methoden zur Netzwerkanalyse
Algorithmische Methoden zur Netzwerkanalyse Prof. Dr. Henning Meyerhenke Institut für Theoretische Informatik 1 KIT Henning Universität desmeyerhenke, Landes Baden-Württemberg Institutund für Theoretische
MehrAlgorithmische Methoden zur Netzwerkanalyse
Algorithmische Methoden zur Netzwerkanalyse Juniorprof. Dr. Henning Meyerhenke Institut für Theoretische Informatik 1 KIT Henning Universität desmeyerhenke, Landes Baden-Württemberg Institutund für Theoretische
MehrNetworks, Dynamics, and the Small-World Phenomenon
Seminar aus Data und Web Mining Mining Social and Other Networks Sommersemester 2007 Networks, Dynamics, and the Small-World Phenomenon, Eine kleine Welt? Ein Erlebnis das wahrscheinlich fast jedem schon
MehrGeometrie in der Spieltheorie
Evolutionäre Spieltheorie November 3, 2011 Evolution der Spieltheorie John von Neumann, Oskar Morgenstern 1944: The Theory of Games and Economic Behavior John Nash 1950: Non-cooperative Games Nash Gleichgewicht:
MehrAblauf. 1 Imitationsdynamik. 2 Monotone Auszahlung. 3 Entscheidung gegen iterativ dominierte Strategien. 4 Beste-Antwort-Dynamik 2 / 26
Spieldynamik Josef Hofbauer and Karl Sigmund: Evolutionary Games and Population Dynamics, Cambridge, Kap. 8 Simon Maurer Saarbrücken, den 13.12.2011 1 / 26 Ablauf 1 Imitationsdynamik 2 Monotone Auszahlung
MehrAllgemeine Relativitätstheorie mit dem Computer
Allgemeine Relativitätstheorie mit dem Computer PC-POOL RAUM 01.120 JOHANN WOLFGANG GOETHE UNIVERSITÄT 04. MAI, 2017 4. Vorlesung MATTHIAS HANAUSKE FRANKFURT INSTITUTE FOR ADVANCED STUDIES JOHANN WOLFGANG
MehrAsymmetrische Spiele. Eric Barré. 13. Dezember 2011
Asymmetrische Spiele Eric Barré 13. Dezember 2011 Gliederung 1 Einführung Allgemeines Definition Begründung Nash-Gleichgewicht 2 Kampf der Geschlechter Allgemein Auszahlungsmatrix Nash-Gleichgewicht Beispiel
MehrAusarbeitung zum Seminarvortrag Skalenfreie Netze
Ausarbeitung zum Seminarvortrag Skalenfreie Netze Jens Arnold 14.07.2005 Inhaltsverzeichnis 1 Einleitung 2 2 Skalenfreie Netze in der Realität 2 2.1 Beschreibung komplexer Netzwerke.....................
MehrMathematik für Biologen mathematische Ergänzungen und Beispiele Teil I
Mathematik für Biologen mathematische Ergänzungen und Beispiele Teil I 1. Mengen und Abbildungen In der Mathematik beschäftigt man sich immer -direkt oder indirekt- mit Mengen. Wir benötigen den Mengenbegriff
MehrPhysik der sozio-ökonomischen Systeme mit dem Computer. 4. Vorlesung
Physik der sozio-ökonomischen Syseme mi dem Compuer PC-POOL RAUM 0.0 JOHANN WOLFGANG GOETHE UNIVERSITÄT 0..07 4. Vorlesung MATTHIAS HANAUSKE FRANKFURT INSTITUTE FOR ADVANCED STUDIES JOHANN WOLFGANG GOETHE
MehrSpatial Games. Vortrag im Rahmen der Vorlesung Spieltheorie von M.Schottenloher. Anne-Marie Rambichler, Christoph Wichmann. 23.
Spatial Games Vortrag im Rahmen der Vorlesung Spieltheorie von M.Schottenloher Anne-Marie Rambichler, Christoph Wichmann 23. März 2009 Anne-Marie Rambichler, Christoph Wichmann () Spatial Games 23. März
MehrQUASI-SPLINE-INTERPOLATION BEZÜGLICH GLEICHMÄSSIGER UNTERTEILUNGEN
QUASI-SPLINE-INTERPOLATION BEZÜGLICH GLEICHMÄSSIGER UNTERTEILUNGEN IRYNA FEUERSTEIN Es wir ein Verfahren zur Konstruktion einer quasiinterpolierenden Funktion auf gleichmäßig verteilten Konten vorgestellt.
MehrGraphentheorie 2. Diskrete Strukturen. Sommersemester Uta Priss ZeLL, Ostfalia. Hausaufgaben Kantenzüge Small-World Networks Humor SetlX
Graphentheorie 2 Diskrete Strukturen Uta Priss ZeLL, Ostfalia Sommersemester 26 Diskrete Strukturen Graphentheorie 2 Slide /23 Agenda Hausaufgaben Kantenzüge Small-World Networks Humor SetlX Diskrete Strukturen
MehrNetzwerkverbindungsspiele
Netzwerkverbindungsspiele Algorithmische Spieltheorie Sommer 2017 Annamaria Kovacs Netzwerkverbindungsspiele 1 / 12 Local Connection Spiel Computer (oder autonome Systeme) sind die Spieler (Knoten). Sie
MehrÖkologische Gleichungen für zwei Spezies
Ökologische Gleichungen für zwei Spezies Florian Kern 06.Dezember 2011 Josef Hofbauer and Karl Sigmund: Evolutionary Games and Population Dynamics, Cambridge, Kapitel 4 Inhaltsverzeichnis 1 Satz von der
MehrKapitel 13. Evolutionäre Spieltheorie. Einleitung. Evolutionäre Biologie. Übersicht 2. Alternative: Biologische Evolutionstheorie
Übersicht : Evolutionäre Spieltheorie Einleitung Evolutionäre Biologie Evolutionäre Spieltheorie: Idee Gefangenendilemma (Beispiel) Evolutionäre Stabilität Beispiele Wiederholtes Gefangenendilemma Chicken-Spiel
MehrSystemtheorie. Vorlesung 6: Lösung linearer Differentialgleichungen. Fakultät für Elektro- und Informationstechnik, Manfred Strohrmann
Systemtheorie Vorlesung 6: Lösung linearer Differentialgleichungen Fakultät für Elektro- und Informationstechnik, Manfred Strohrmann Einführung Viele technischen Anwendungen lassen sich zumindest näherungsweise
MehrKapitel 13. Evolutionäre Spieltheorie. Einleitung. Evolutionäre Biologie. Übersicht 2. Alternative: Biologische Evolutionstheorie
Übersicht : Evolutionäre Spieltheorie Einleitung Evolutionäre Biologie Evolutionäre Spieltheorie: Idee Gefangenendilemma (Beispiel) Evolutionäre Stabilität Beispiele Wiederholtes Gefangenendilemma Chicken-Spiel
MehrRational Choice Theory
Rational Choice Theory Rational Choice and Rationale Entscheidung ist eine Sammelbezeichnung für verschiedene Ansätze in den Wirtschafts- und Sozialwissenschaften. Generell schreiben diese Ansätze handelnden
MehrTheoretische Überlegungen zur Ausbreitung von Infektionserregern auf Kontaktnetzen. Hartmut Lentz, Maria Kasper, Ansgar Aschfalk und Thomas Selhorst
Theoretische Überlegungen zur Ausbreitung von Infektionserregern auf Kontaktnetzen Hartmut Lentz, Maria Kasper, Ansgar Aschfalk und Thomas Selhorst Netzwerke / Graphen verschiedene Typen von Graphen: einfache
MehrVorlesung im Rahmen des Deutsch-Französischen Dozenten-Austauschprogramms Minerve
Vorlesung im Rahmen des Deutsch-Französischen Dozenten-Austauschprogramms Minerve Dr. Matthias Hanauske Institut für Wirtschaftsinformatik Goethe-Universität Frankfurt am Main Grüneburgplatz 1, 60323 Frankfurt
MehrMathematische Grundlagen
G-CSC Goethe-Center for Scientific Computing der Universität Frankfurt 2 Übung zur Vorlesung Modellierung und Simulation 3 (WS 2013/14) Prof Dr G Queisser Markus Breit, Martin Stepniewski Abgabe: Dienstag,
Mehrx=r cos y=r sin } r2 =x 2 y 2
6. Grenzzyklen Grenzzyklen eistieren in Systemen, die nach einer äußeren Störung wieder ein stabiles periodisches Verhalten annehmen. Sie sind eine weitere Ursache für periodisches Verhalten. 6.1. Modell
MehrD Spieltheorie und oligopolistische Märkte
D Spieltheorie und oligopolistische Märkte Verhaltensannahmen in der Markttheorie, die bisher analysiert wurden Konkurrenz: viele sehr kleine Wirtschaftssubjekte, die für sich genommen keinen Einfluss
MehrDas Paket raeuber_beute_modelle enthält 3 Modelle mit denen das Verhalten von Lotka-Volterra-Systemen simuliert werden kann.
Räuber Beute Modell 1. Versionsgeschichte: Version 0.1 2. Aufgabenstellung für das Modell Das Paket raeuber_beute_modelle enthält 3 Modelle denen das Verhalten von Lotka-Volterra-Systemen simuliert werden
MehrAuslastungs- und Potenzialspiele
Definition Existenz Konvergenzzeit Matroidspiele Algorithmische Spieltheorie Sommer 2017 Definition Existenz Konvergenzzeit Matroidspiele Auslastungsspiele Existenz eines reinen Nash-Gleichgewichtes Konvergenzzeit
MehrLocal Search Algorithmen 1
Local Search Algorithmen 1 Seminar über Algorithmen Manuel Gellfart 18.05.2012 Fachbereich Mathematik und Informatik 18.05.2012 2 Gliederung 1. Einleitung 2. Theorie 3. Beispiel: Vertex Cover 4. Beispiel:
MehrVorlesung Datenstrukturen
Vorlesung Datenstrukturen Graphdarstellungen Maike Buchin 0.6.017 Graphen Motivation: Graphen treten häufig als Abstraktion von Objekten (Knoten) und ihren Beziehungen (Kanten) auf. Beispiele: soziale
MehrPopulationsdynamik mit grafischer Modellbildung
Universität Leipzig Fakultät für Physik und Geowissenschaften Bereich Didaktik der Physik Populationsdynamik mit grafischer Modellbildung Bachelorarbeit im Studiengang polyvalenter Bachelor Lehramt im
MehrÜbungen mit dem Applet Rangwerte
Rangwerte 1 Übungen mit dem Applet Rangwerte 1 Statistischer Hintergrund... 2 1.1 Verteilung der Einzelwerte und der Rangwerte...2 1.2 Kurzbeschreibung des Applets...2 1.3 Ziel des Applets...4 2 Visualisierungen
MehrAllgemeine Relativitätstheorie mit dem Computer
5. und 6. Vorlesung Allgemeine Relativitätstheorie mit dem Computer PC-POOL RAUM 01.120 JOHANN WOLFGANG GOETHE UNIVERSITÄT 12. MAI, 2017 MATTHIAS HANAUSKE FRANKFURT INSTITUTE FOR ADVANCED STUDIES JOHANN
MehrAllgemeine Relativitätstheorie mit dem Computer
Vorlesung 10 Allgemeine Relativitätstheorie mit dem Computer PC-Pool Raum 01.120 Johann Wolfgang Goethe Universität 20. Juni, 2016 Matthias Hanauske Frankfurt Institute for Advanced Studies Johann Wolfgang
MehrAlgorithmische Methoden zur Netzwerkanalyse
Algorithmische Methoden zur Netzwerkanalyse Prof. Dr. Henning Meyerhenke Institut für Theoretische Informatik 1 KIT Henning Universität desmeyerhenke, Landes Baden-Württemberg Institutund für Theoretische
MehrKomplexe Netzwerke Einführung
Ernst Moritz Arndt Universität Greifswald 17. 4. 2009 Komplexe Netzwerke Einführung Dr. Matthias Scholz www.network-science.org/ss2009.html 1 Komplexe Netzwerke Fachübergreifendes Gebiet: Physik, Mathematik,
MehrAufgaben zur Veranstaltung Grundzüge der Spieltheorie von Prof. Dr. Stefan Winter, Ruhr-Universität Bochum.
Aufgaben zur Veranstaltung Grundzüge der Spieltheorie von Prof. Dr. Stefan Winter, Ruhr-Universität Bochum. Fassung vom 1. Dezember 1 Weitere Materialien sind erhältlich unter: http://www.rub.de/spieltheorie
MehrMathematisches Modellieren. snowdrift game. Lukas Grossar Alexander Jesner
Mathematisches Modellieren snowdrift game Lukas Grossar Alexander Jesner 26. Juli 2009 1 Einführung Die Spieltheorie hat breite Verwendung in der Modellbildung gefunden und wird auch für quantitative Studien
MehrProbleme bei reinen Strategien. Nash Gleichgewichte in gemischten Strategien Kopf 1, 1 1, 1 Zahl 1, 1 1, 1. Gemischte Strategien
Probleme bei reinen Strategien Bisher hatten wir angenommen, daß sich jeder Spieler b auf genau eine Strategie S b S b festlegt. Das ist nicht immer plausibel. Nash Gleichgewichte in gemischten Strategien
MehrSpieltheorie. Kapitel 6 Evolutionär stabile Strategien
Kapitel 6 2 Agenda Einführung Klassische Entscheidungstheorie Nash-Gleichgewichte in reinen Strategien Nash-Gleichgewichte in gemischten Strategien Anwendungen des Nash-Konzepts Alternative Gleichgewichtskonzepte
Mehr- 1 - angeführt. Die Beschleunigung ist die zweite Ableitung des Ortes x nach der Zeit, und das Gesetz lässt sich damit als 2.
- 1 - Gewöhnliche Differentialgleichungen Teil I: Überblick Ein großer Teil der Grundgesetze der Phsik ist in Form von Gleichungen formuliert, in denen Ableitungen phsikalischer Größen vorkommen. Als Beispiel
MehrReaktions-Diffusions-Modelle
Reaktions-Diffusions-Modelle Gegenstück zu zellulären Automaten: ebenfalls raumorientiert, mit fester Nachbarschaftsrelation und kontextsensitiven Regeln aber: kontinuierlich in Raum, Zeit und Strukturen
MehrKapitel 3. Matrix Spiele. 3.1 Matrix-Spiele
Kapitel 3 Matrix Spiele Seminar Spieltheorie, SS 006 3. Matrix-Spiele Vorgegeben sei ein Nullsummenspiel Γ = (S, T, φ, φ mit endlichen Strategiemengen S und T, etwa S = (s,..., s m und T = (t,..., t n.
MehrDiskrete Strukturen. Chair for Foundations of Software Reliability and Theoretical Computer Science Technische Universität München
Diskrete Strukturen c Javier Esparza und Michael Luttenberger Chair for Foundations of Software Reliability and Theoretical Computer Science Technische Universität München Montag 16 Oktober, 2017 p.2 Was
Mehr6. Vorlesung. Power Laws Modell der bevorzugten Verbindung Small World-Phänomen und -Netze Watts-Strogatz Modell. Kompression des Web-Graphen
6. Vorlesung Web Struktur I Power Laws Modell der bevorzugten Verbindung Small World-Phänomen und -Netze Watts-Strogatz Modell Kompression des Web-Graphen Seite 146 Beobachtete Phänomene Wenige Multi-Milliardäre,
MehrTITELMASTERFORMAT DURCH KLICKEN BEARBEITEN
TITELMASTERFORMAT DURCH KLICKEN BEARBEITEN PROSEMINAR SOZIOLOGISCHE FORSCHUNG Vorlesung Wirtschaftssoziologie VL 3: Sind wir alle Egoisten? - Exemplarische Anwendungen zum Kapitel ältere Klassiker der
MehrTechnische Universität München Zentrum Mathematik Propädeutikum Diskrete Mathematik. Weihnachtsblatt
Technische Universität München Zentrum Mathematik Propädeutikum Diskrete Mathematik Prof. Dr. A. Taraz, Dipl-Math. A. Würfl, Dipl-Math. S. König Weihnachtsblatt Aufgabe W.1 Untersuchen Sie nachstehenden
MehrMotivation Kenngrößen von Graphen Modelle. Small Worlds. in Vorlesung Semantische Suche in P2P-Netzwerken. Florian Holz
Small Worlds in Vorlesung Florian Holz 14.06.2005 in Vorlesung Small Worlds Florian Holz bekannte Arten der Vernetzung zur Zusammenarbeit (Graphen) regelmäßige, z.b. parallele Hardwarestrukturen vollständige
MehrTheoretische Physik 2 (Theoretische Mechanik)
Theoretische Physik 2 (Theoretische Mechanik) Prof. Dr. Th. Feldmann 15. Januar 2014 Kurzzusammenfassung Vorlesung 21 vom 14.1.2014 6. Hamilton-Mechanik Zusammenfassung Lagrange-Formalismus: (generalisierte)
Mehr13 Mehrdimensionale Zufallsvariablen Zufallsvektoren
3 Mehrdimensionale Zufallsvariablen Zufallsvektoren Bisher haben wir uns ausschließlich mit Zufallsexperimenten beschäftigt, bei denen die Beobachtung eines einzigen Merkmals im Vordergrund stand. In diesem
MehrMathematische Modellierung Lösungen zum 3. Übungsblatt
Mathematische Modellierung Lösungen zum Klaus G. Blümel Lars Hoegen 12. November 25 Aufgabe 1 (a) Die Schadstoffkonzentration zum Zeitpunkt t = beträgt s =, 8% = 8 =, 8. Es werden pro Monat 5% der jeweiligen
Mehrvon Dennis Aumiller Proseminar Technische Informatik Sommersemester 2014 Datum:
von Dennis Aumiller Proseminar Technische Informatik Sommersemester 2014 Datum:09.07.2014 Lehrstuhl für Automation Prof. Dr. sc. techn. Essameddin Badreddin Betreuer: Alexander Alexopoulos 1 1. Motivation
Mehr( ) Diskretes dynamisches Chaos. 1. Einleitung: Diskrete dynamische Systeme
Diskretes dynamisches Chaos. Einleitung: Diskrete dynamische Systeme Verschiedene Problemstellungen können zu zeitlich diskreten Systemen (Differenzengleichungen) führen: Zinseszinsrechnung: x(n+) = x(n)
MehrGraphische Spiele. M i (p) M i (p[i : p i]) M i (p) + ε M i (p[i : p i])
Seminar über Algorithmen 19. November 2013 Michael Brückner Graphische Spiele Wolfgang Mulzer, Yannik Stein 1 Einführung Da in Mehrspielerspielen mit einer hohen Anzahl n N an Spielern die Auszahlungsdarstellungen
Mehrdie Relevanz von Webseiten bestimmt Alexander Pohl
Wie die Relevanz von Webseiten bestimmt Alexander Pohl Gliederung 1. Einleitung 2. Das Web als Graph 3. Das Random Surfer Modell 4. Gleichgewicht im Random Surfer Modell (?) 5. Vervollständigung des Modells:
MehrKapitel 8: Gewöhnliche Differentialgleichungen 8.1 Definition, Existenz, Eindeutigkeit von Lösungen Motivation: z.b. Newton 2.
Kapitel 8: Gewöhnliche Differentialgleichungen 8.1 Definition, Existenz, Eindeutigkeit von Lösungen Motivation: z.b. Newton 2. Gesetz: (enthalten Ableitungen der gesuchten Funktionen) Geschwindigkeit:
MehrProgrammierung 2 Studiengang MI / WI
Programmierung 2 Studiengang MI / WI Dipl.-Inf., Dipl.-Ing. (FH) Michael Wilhelm Hochschule Harz FB Automatisierung und Informatik mwilhelm@hs-harz.de Raum 2.202 Tel. 03943 / 659 338 Fachbereich Automatisierung
MehrGeburtenratenselektion
Geburtenratenselektion Laura Kursatz 17.01.2012 Literatur: Hofbauer J., Sigmund K. (1998). Evolutionary Games and Population Dynamics. Cambridge University Press: Cambridge Inhaltsverzeichnis 1 Allgemeines
Mehr(x, x + y 2, x y 2 + z 3. = e x sin y. sin y. Nach dem Umkehrsatz besitzt f dann genau auf der Menge
ÜBUNGSBLATT 0 LÖSUNGEN MAT/MAT3 ANALYSIS II FRÜHJAHRSSEMESTER 0 PROF DR CAMILLO DE LELLIS Aufgabe Finden Sie für folgende Funktionen jene Punkte im Bildraum, in welchen sie sich lokal umkehren lassen,
MehrGeistige Anforderungen im Studium
Geistige Anforderungen im Studium Einleitung Unter geistigen Anforderungen ist zu verstehen, wie viel Aufmerksamkeit, Konzentration, Präzision und Sorgfalt das gewählte Studium erfordert und ob mehrere
Mehr8 Experimentelle Spieltheorie. 8.1 Einleitung. Literaturhinweise zu Kapitel 8:
Spieltheorie (Winter 2008/09) 8-1 Prof. Dr. Klaus M. Schmidt 8 Experimentelle Spieltheorie Literaturhinweise zu Kapitel 8: Fehr, Ernst und Simon Gächter, Fehr, E. and Gaechter, S., Fairness and Retaliation:
MehrBericht zur Mathematischen Eingangsprüfung im Mai 2008
Bericht zur Mathematischen Eingangsprüfung im Mai 8 Heinz-Willi Goelden, Wolfgang Lauf, Martin Pohl Am 7. Mai 8 fand die Mathematische Eingangsprüfung nach der Prüfungsordnung 3. der DAV statt. Es waren
MehrModell der Punktmasse
Kinematik Die Kinematik (kinema, griech., Bewegung) ist die Lehre von der Bewegung von Punkten und Körpern im Raum, beschrieben durch die Größen Weg (Änderung der Ortskoordinate) s, Geschwindigkeit v und
MehrEvolutionäre Spiele. Wolfgang Mulzer, Yannik Stein
Seminar über Algorithmen 11.02.2014 Julian Ritter Evolutionäre Spiele Wolfgang Mulzer, Yannik Stein 1 Idee Motivation aus der Natur: Interesse der theoretischen Biologie an einer Bevölkerung, die um Ressourcen
MehrZusatzmaterial zu Kapitel 6
ZU KAPITEL 62: METHODEN ZUR STABILITÄTSPRÜFUNG Zusatzmaterial zu Kapitel 6 Zu Kapitel 62: Methoden zur Stabilitätsprüfung Einleitung Bei der Feststellung der asymptotischen Stabilität (siehe Kapitel 63)
MehrSpieltheorie mit. sozialwissenschaftlichen Anwendungen
Friedel Bolle, Claudia Vogel Spieltheorie mit sozialwissenschaftlichen Anwendungen SS 2010 Simultane Spiele 1. Einführung: Spiele in Normalform Nash-Gleichgewicht Dominanz 2. Typen von Spielen Gefangenendilemma
MehrWahrscheinlichkeitsverteilungen
Universität Bielefeld 3. Mai 2005 Wahrscheinlichkeitsrechnung Wahrscheinlichkeitsrechnung Das Ziehen einer Stichprobe ist die Realisierung eines Zufallsexperimentes. Die Wahrscheinlichkeitsrechnung betrachtet
Mehr2.4 Gekoppelte lineare Differentialgleichungen
48 Kapitel 2 Lineare Algebra II 24 Gekoppelte lineare Differentialgleichungen Die Untersuchung der Normalformen von Matrizen soll nun auf die Lösung von gekoppelten Differentialgleichungen angewendet werden
MehrSeminarankündigung SS Lehrstuhlübergreifendes Seminar: Connections Netzwerke unter ökonomischen Aspekten
Universität Karlsruhe (TH) Institut für Wirtschaftstheorie und Operations Research Lehrstuhl Prof. Dr. Siegfried Berninghaus Lehrstuhl Prof. Dr. Clemens Puppe Prof. Dr. S. K. Berninghaus Prof. Dr. C. Puppe
MehrDynamische Spiele mit unvollständiger Information. Perfektes Bayesianisches Gleichgewicht
Dynamische Spiele mit unvollständiger Information Perfektes Bayesianisches Gleichgewicht Spieltheorie University of Bonn Dezsö Szalay Dieser Teil basiert auf Kapitel 4 "Gibbons (1992), A primer in Game
MehrBimatrix-Spiele. Sarah Hidlmayer
Bimatrix-Spiele Sarah Hidlmayer 13.12.2011 Literatur: Josef Hofbauer and Karl Sigmund: Evolutionary Games and Population Dynamics (Ch. 11), Cambridge. Bimatrix-Spiele 1 Dynamik für Bimatrix-Spiele 2 Partnerschaftsspiele
MehrC7 Differentgleichungen (DG) C7.1 Definition, Existenz, Eindeutigkeit von Lösungen Motivation: z.b. Newton 2. Gesetz: Ort: Geschwindigkeit:
C7 Differentgleichungen (DG) C7.1 Definition, Existenz, Eindeutigkeit von Lösungen Motivation: z.b. Newton 2. Gesetz: (enthalten Ableitungen der gesuchten Funktionen) [Stoffgliederung im Skript für Kapitel
MehrAlgorithmische Spieltheorie. Martin Gairing
Algorithmische Spieltheorie Martin Gairing Folien zur Vorlesung vom 26.04.2004 Organisatorisches: Vorlesung Montags, 14:15-15:45 Uhr Übungen Montags, 16:00-17:00 Uhr Folien zur Vorlesung unter http://www.upb.de/cs/ag-monien/lehre/ss04/spieltheo/
MehrGraphentheorie Graphentheorie. Grundlagen Bäume Eigenschaften von Graphen Graphen-Algorithmen Matchings und Netzwerke
Graphen Graphentheorie Graphentheorie Grundlagen Bäume Eigenschaften von Graphen Graphen-Algorithmen Matchings und Netzwerke 2 Was ist ein Graph? Ein Graph ist in der Graphentheorie eine abstrakte Struktur,
MehrRolf Wanka Sommersemester Vorlesung
Peer-to to-peer-netzwerke Rolf Wanka Sommersemester 2007 9. Vorlesung 26.06.2007 rwanka@cs.fau.de basiert auf einer Vorlesung von Christian Schindelhauer an der Uni Freiburg Inhalte Kurze Geschichte der
MehrKantengraphen und Planare Graphen. Seminararbeit
Kantengraphen und Planare Graphen Seminararbeit in Mathematisches Seminar für LAK 621.378 SS 2018 vorgelegt von Anna Maria Gärtner bei: Baur, Karin, Univ.-Prof. Dr.phil. Graz, 2018 Inhaltsverzeichnis 1
MehrDynamische Systeme in der Mikrobiologie
Dynamische Systeme in der Mikrobiologie Gruppe G Mi: Severine Hurni, Esther Marty, Giulia Ranieri, Matthias Engesser, Nicole Konrad Betreuer: Roman Kälin 1. Einleitung Ein dynamisches System ist ein System,
MehrAlgorithmische Methoden zur Netzwerkanalyse Vorlesung 8, Henning Meyerhenke
Algorithmische Methoden zur Netzwerkanalyse Vorlesung 8, 07.12.2011 Henning Meyerhenke 1 KIT Henning Universität desmeyerhenke: Landes Baden-Württemberg und nationales Algorithmische Forschungszentrum
MehrTaube und Falke. Czauderna Peter, Duerre Max. Taube und Falke p.1/15
Taube und Falke Czauderna Peter, Duerre Max Taube und Falke p.1/15 Taube und Falke: Spielidee Das Tauben und Falken Modell ist ein symmetrisches -Personenspiel mit S 1 = S =. Motivation: In einer Population
MehrSpieltheorie Teil 4. Tone Arnold. Universität des Saarlandes. 20. März 2008
Spieltheorie Teil 4 Tone Arnold Universität des Saarlandes 20. März 2008 Tone Arnold (Universität des Saarlandes) Spieltheorie Teil 4 20. März 2008 1 / 64 Verfeinerungen des Nash GGs Das Perfekte Bayesianische
MehrAlgorithmische Graphentheorie
Algorithmische Graphentheorie Vorlesung 7 und 8: Euler- und Hamilton-Graphen Babeş-Bolyai Universität, Department für Informatik, Cluj-Napoca csacarea@cs.ubbcluj.ro 17. April 2018 1/96 WIEDERHOLUNG Eulersche
MehrAttached! Proseminar Netzwerkanalyse SS 2004 Thema: Biologie
Rheinisch-Westfälischen Technischen Hochschule Aachen Lehr- und Forschungsgebiet Theoretische Informatik Prof. Rossmanith Attached! Proseminar Netzwerkanalyse SS 2004 Thema: Biologie Deniz Özmen Emmanuel
MehrKlassische Themen der Computerwissenschaft. Spieltheorie: Ein kleiner Ausflug zu NIM & Co Literatur:
Klassische Themen der Computerwissenschaft Spieltheorie: Ein kleiner Ausflug zu NIM & Co Literatur: Winning Ways for Your Mathematical Plays E.R. Berlekamp, J.H. Conway and R.K. Guy: Second Edition 2001,
MehrGraphentheorie. Zufallsgraphen. Zufallsgraphen. Zufallsgraphen. Rainer Schrader. 23. Januar 2008
Graphentheorie Rainer Schrader Zentrum für Angewandte Informatik Köln 3. Januar 008 1 / 45 / 45 Gliederung man könnte vermuten, dass ein Graph mit großer chromatischer Zahl einen dichten Teilgraphen enthalten
MehrUniversität Ulm Abgabe: Donnerstag,
Universität Ulm Abgabe: Donnerstag,.5.03 Prof. Dr. W. Arendt Stephan Fackler Sommersemester 03 Punktzahl: 0 Lösungen Elemente der Differenzialgleichungen: Blatt 4. Gradientenfelder. Welche der folgenden
MehrSchnecke auf expandierendem Ballon
Schnecke auf expandierendem Ballon Kann in einem sich expandierenden Uniersum das Licht einer Galaxie auch die Punkte erreichen, die sich on ihr mit mehr als Lichtgeschwindigkeit entfernen? 1 Als einfaches
MehrAuslastungspiele Smoothness Dichte Spiele Intuition und Grenzen. Preis der Anarchie. Algorithmische Spieltheorie. Sommer 2017
Algorithmische Spieltheorie Sommer 2017 Erinnerung: für reine Nash-Gleichgewichte: Strategisches Spiel Γ, soziale Kosten cost(s) für Zustand s von Γ Betrachte Σ RNG als die Menge der reinen Nash-Gleichgewichte
MehrSpieltheorie. Yves Breitmoser, EUV Frankfurt (Oder)
Spieltheorie Yves Breitmoser, EUV Frankfurt (Oder) Was ist Spieltheorie? Was ist Spieltheorie? Analyse strategischer Interaktionen Was ist Spieltheorie? Analyse strategischer Interaktionen Das heißt insbesondere
MehrSpieltheorie Kapitel 7, 8 Evolutionary Game Theory Modelling Network Traffic using Game Theory
Spieltheorie Kapitel 7, 8 Evolutionary Game Theory Modelling Network Traffic using Game Theory 01.12.2010 Arno Mittelbach 1 Spieltheorie Einführung Evolutionary Game Theory Spieltheorie in Netzwerken Erstens
MehrAndré Krischke Helge Röpcke. Graphen und Netzwerktheorie Grundlagen Methoden Anwendungen
André Krischke Helge Röpcke Graphen und Netzwerktheorie Grundlagen Methoden Anwendungen 8 Grundbegriffe der Graphentheorie für die Kante, die die beiden Knoten und verbindet. Der linke Graph in Bild. kann
MehrMathematische Modelle in den Naturwissenschaften Proseminar
Mathematische Modelle in den Naturwissenschaften Proseminar Johannes Kepler Universität Linz Technische Mathematik Der Algorithmus von Ford und Fulkerson Ausgearbeitet von Julia Eder, Markus Eslitzbichler,
Mehr