| Popis: |
ÖZET DALGIÇ, Mustafa Eren. Sınırlı Rasyonellik, Yapay Zekâ Uygulamaları ve Deneysel Çalışmalar: Bir Pekiştirmeli Öğrenme Simülasyonu, Yüksek Lisans Tezi, Ankara, 2006 Gerçek yaşamda yaygın bir biçimde karşılaşılan belirsizlik, heterojenlik, kısıtlı bilgi ve hesaplama kapasitesinin sınırlı olması gibi özelliklerin iktisata içerilmesini hedefleyen yaklaşımlar, iktisatta kullanılan rasyonellik varsayımının giderek daha fazla sorgulanması sonucunu vermiştir. `Sınırlı rasyonellik` kuramı da aynı biçimde, insan davranışlarının ve karar süreçlerinin karmaşıklığım vurgulayarak, öğrenmenin ve bilişsel süreçlerin daha gerçekçi görünen davranışsal kalıplarını ortaya koymaya çalışmaktadır. Bu bakımdan izlenen yol, sınırlı rasyonellik yaklaşımından yola çıkılarak geliştirilen yapay zeka uygulamalarıyla, söz konusu karmaşıklığın, heteroj enliğin ve öğrenme süreçlerinin simüle edilmesidir. Bu tezde de, sınırlı rasyonelliğe dayanan simülasyon yöntemleri ele alınmaktadır. Bu bakımdan, tezde pekiştirmeli öğrenme, genetik algoritmalarla öğrenme ve sınıflayıcı sistemlerle öğrenme simülasyonları ele alınmakta ve bu simülasyonlar, bu konuda yapılan deneylerin sonuçlan ile karşılaştırılmaktadır. Birinci bölümde, önce Arifovic (1994)'in geliştirdiği, genetik algoritmaya dayanan simülasyon modeli incelenmekte, sonra da, bu modelin verilerinden yola çıksa da Arifovic'ten farklı olarak pekiştirmeli öğrenme metoduna dayanan bir simülasyon yapılmaktadır. Bu iki simülasyonun sonuçlan, Wellford'un (1989) çalışmasında ortaya konan deney sonuçlarıyla karşılaştırılmaktadır. Tezin ikinci bölümünde, Kiyotaki ve Wright (1989)'ın geliştirdiği bir değişim aracı olarak para modelini, genetik algoritma ve sınıflayıcı Sistemler yaklaşımlarıyla simüle eden Marimon, McGrattan ve Sargent (1990)'in modeli ele alınmakta ve bu modelin sonuçlan, Brown (1995) ve Duffy ve Ochs (1999)'un Kiyotaki- Wright modeline yönelik deneyleriyle karşılaştırılmaktadır. Sonuç olarak, bütün bu karşılaştırmalar, yapay zekâ uygulamalarından pekiştirmeli öğrenme metoduyla yapılan simülasyon sonuçlarının, genel olarak deneysel bulgulara daha yakın olduğunu göstermektedir. Yine de, söz konusu karar süreçlerinin karmaşık niteliği, bu konuda daha fazla çalışma yapılması gerektiğini işaret etmektedir.Anahtar Sözcükler Sınırlı Rasyonellik, Yapay Zekâ, Deneysel İktisat, Pekiştirmeli Öğrenme, Genetik Algoritmalar, Sınıflayıcı Sistemler, Örümcek Ağı Modeli, Kiyotaki- Wright Modeli. IV ABSTRACT DALGIÇ, Mustafa Eren. Bounded Rationality, Artificial Intelligence Applications and Experimental Studies: A Reinforcement Learning Simulation, Master's Thesis, Ankara, 2006 The approaches aiming the features like uncertainty, heterogeneity, limited information and the limited computational capacity, which are faced widespreadly in real life, to be included in economics emerge the results that the concept of rationality has become interrogated more and more. Similarly, the theory of `bounded rationality` tries to reveal the behavioural patterns of learning and cognitive processes that seem more realistic, emphasizing the complexity of human behaviour and decision making processes. From these perspectives, the way followed is to simulate the underlined complexity, heterogeneity and learning processes with the artificial intelligence applications developed through bounded rationality approach. In this thesis, the simulation methods depending on bounded rationality are handled. In this framework, the simulations of Reinforcement Learning, learning by genetic algorithms and learning by classifier systems are discussed and the results of these simulations are compared with the experimental studies about these issues. In the first part of the study, the simulation model which depends on genetic algorithms and developed by Arifovic (1994) is investigated, and then, a reinforcement learning simulation is made with the Arifovic's data. The results of these two simulations are compared with the results of experimental study of Wellford (1989). In the second part, Marimon, McGrattan and Sargent's (1990) model which simulates `Money as a Medium of Exchange` Model of Kiyotaki and Wright (1989) by genetic algorithm and classifier system approaches is inspected and the results are compared with Brown's (1995) and Duff and Ochs' (1999) experiments inclined to Kiyotaki-Wright model. Consequently, all of these comparisons reaches the fact that the artificial intelligence simulations made by reinforcement learning methods, generally, give results which are closer to experimental findings. Moreover, it is obvious that the complexity of decision making process emerges the necessity of more studies in this area.Key Words Bounded Rationality, Artificial Intelligence, Experimental Economics, Reinforcement Learning, Genetic Algorithms, Classifier Systems, Cobweb Model, Kiyotaki- Wright Model. 125 |
