Optimización de modelos de Stackelberg no estacionarios mediante un algoritmo evolutivo auto-adaptativo

Abstract

Los modelos de Juegos de Stackelberg engloban una importante familia de problemas de la Teoría de Juegos, que encuentra aplicaciones directas en economía. El principal objetivo es encontrar un equilibrio óptimo entre las decisiones que pueden tomar dos actores que se relacionan jerárquicamente. En general estos modelos son complejos de resolver dada su estructura jerárquica, y la frecuente aparición en estos de funciones objetivos o restricciones intratables analíticamente. Otra causa de dicha complejidad es la existencia de incertidumbre, particularmente debido a la variabilidad en el tiempo de las condiciones del mercado, estrategias de los competidores, entre otras. Un análisis de la literatura relacionada muestra muy pocos trabajos abordando estos problemas de optimización no estacionarios. En este sentido, la presente investigación propone una técnica meta-heurística auto-adaptativa para resolver modelos de Juegos de Stackelberg no estacionarios. Los resultados experimentales obtenidos muestran una mejoría significativa sobre un método existente.

Validation of the Prediction of Effectiveness of Statistical Time Series Models using an Artificial Neural Network Model

“…Tradicionalmente, el valor de corte para rechazar la hipótesis nula es 0.05, lo que significa que cuando no hay diferencia, se espera un valor tan extremo para el estadístico de prueba en menos del 5% de las veces". Según [40] afirma que: "un proceso o modelo es estacionario en sentido estricto si las funciones de distribución conjuntas como la media, las varianzas, las covarianzas y las funciones de distribución completas son constantes o invariantes con respecto al desplazamiento en el tiempo". Posteriormente, se verifico que todas las variables no eran estacionarios por lo que se procedió a realizar diferenciaciones para lograr que sea estacionario, se utiliza la función ndiffs para verificar cuantas diferencias son necesarias.…”