Dynamic decision-making under uncertainty: Bayesian learning in environmental game theory

Исследуется проблема динамических игр по борьбе с загрязнением, определенных на конечном временном горизонте, с особым акцентом на неопределенность параметров внутри экосистемы. Используется динамический байесовский метод обучения для оценки неопределенных параметров в динамическом уравнении, отличающийся от традиционного байесовского обучения на единичных примерах, которое не предполагает непрерывного приема сигнала и обновления представлений. Проведенное исследование подтверждает эффективность динамического байесовского подхода к обучению, демонстрируя, что со временем убеждения игроков постепенно приближаются к истинным значениям неизвестных параметров. С помощью численного моделирования иллюстрируется процесс конвергенции убеждений, сравниваются стратегии оптимального управления в различных сценариях и анализируется влияние сигналов на управленческие решения участников. Результаты статьи открывают новую перспективу для понимания и устранения неопределенностей в задачах борьбы с загрязнением.