Javascript must be enabled for the correct page display

Het modelleren van een cognitieve agent voor agent-based computational transaction cost economics

Kraaikamp, D.C. (2003) Het modelleren van een cognitieve agent voor agent-based computational transaction cost economics. Doctoral, Artificial Intelligence.

[img]
Preview
Text
AI-BKI-2003-D.C._Kraaikamp.pdf - Published Version

Download (726kB) | Preview

Abstract

Deze scriptie maakt aanpassingen op een bestaand ACTCE (Agent-based Computational Transaction Cost Economics) model. We onderzoeken of het mogelijk is om de actoren in dit model een cognitief plausibele invulling te geven met behulp van ACT-R. (ACT-R is een architectuur voor cognitie.) Hiervoor halen we uit de literatuur twee belangrijke eigenschappen van vertrouwen aan. Vertrouwen is omgaan met onzekerheid en vertrouwen is gebaseerd op persoonlijke ervaringen. De beperkt rationele actoren geven we mede vorm op basis van de concepten satisficing en instance-based learning. Vertrouwen is onderdeel van cognitie, maar het is niet gemakkelijk cognitief te doorgronden of te formaliseren. De agents worden cognitief minimaal ingevuld, zodat ze in staat zijn om relaties met elkaar aan te gaan. Het grote voordeel is, dat men nu ook in de agents kan kijken. In het model wordt gedrag, zoals vertrouwen, in termen van de inhoud en activatie van representaties uitgelegd. Er komen drie experimenten met dit vernieuwde model aan bod. De resultaten hiervan zijn tegengesteld aan een aantal uitgangspunten van TCE (Transaction Cost Economics). In het bijzonder geldt dat hogere differentiatie niet leidt tot extra ’insourcing’. De resultaten laten bovendien zien, dat elke simulatie een starteffect heeft. Het kost tijd om de markt te leren kennen en een goede partner te vinden. De resultaten tonen het belang aan van het maken van een markt. Wanneer dit initiele aanpassingsproces tot rust komt is de kans dat agents optimale relaties hebben gevormd vrijwel nul. Anders dan TCE aanneemt is er veel meer coordinatiecapaciteit nodig om tot optimale resultaten te komen dan de individuele agents bezitten. Hiermee is aangetoond dat de uitgangspunten van TCE niet zo vanzelfsprekend zijn als wordt gedacht. Waar in de toekomst naar gekeken moet worden, is de verdere uitbreiding van het agentmodel, zodat het gedrag van actoren nog plausibeler wordt.

Item Type: Thesis (Doctoral)
Degree programme: Artificial Intelligence
Thesis type: Doctoral
Language: English
Date Deposited: 15 Feb 2018 07:28
Last Modified: 15 Feb 2018 07:28
URI: https://fse.studenttheses.ub.rug.nl/id/eprint/8458

Actions (login required)

View Item View Item