Comparison of Methods of Organization and Management Efficiency in Dynamic Models of Cournot Oligopoly

Cover Page

Cite item

Full Text

Open Access Open Access
Restricted Access Access granted
Restricted Access Subscription Access

Abstract

Nash and Stackelberg equilibria and cooperative solutions for dynamic game-theoretic Cournot oligopoly models in normal form with inhomogeneous agents are found analytically. Cooperative game-theoretic Cournot oligopoly models of three persons in the form of the von Neumann–Morgenstern and Gromova–Petrosyan characteristic functions are studied, including the calculation of the Shapley vector. A comparative analysis of the payoffs of agents, according to the solutions obtained, is carried out for games in normal form and in the form of a characteristic function.

About the authors

A. V. Korolev

Branch of the National Research University Higher School of Economics, 190068, St. Petersburg, Russia

Email: danitschi@gmail.com
Россия, Санкт-Петербург

M. A. Kotova

Branch of the National Research University Higher School of Economics, 190068, St. Petersburg, Russia

Email: makotova_2@edu.hse.ru
Россия, Санкт-Петербург

G. A. Ugolnitsky

Southern Federal University, Rostov-on-Don, Russia

Author for correspondence.
Email: ougoln@mail.ru
Россия, Ростов-на-Дону

References

  1. Algorithmic Game Theory. Eds N. Nisan, T. Roughgarden, E. Tardos, V. Vazirany. Cambridge: Cambridge University Press, 2007.
  2. Dubey P. Inefficiency of Nash equilibria // Math. Operations Research, 1986. V. 11(1). P. 1–8.
  3. Johari R., Tsitsiklis J.N. Efficiency Loss in a Network Resource Allocation Game // Math. Oper. Res. 2004. V. 29(3). P. 407–435.
  4. Moulin H., Shenker S. Strategy Proof Sharing of Submodular Costs: Budget Balance Versus Efficiency // Econ. Theory. 2001. V. 18(3). P. 511–533.
  5. Roughgarden T. Selfish Routing and the Price of Anarchy. Cambridge: MIT Press, 2005.
  6. Papadimitriou C.H. Algorithms, Games, and the Internet // Proc. 33rd Sympos. Theory of Computing. Cambridge: 2001. P. 749–753.
  7. Угольницкий Г.А. Методика сравнительного анализа эффективности способов организации активных агентов и методов управления // Проблемы управления. 2022. Т. 3. С. 29–39.
  8. Мулен Э. Теория игр с примерами из математической экономики. М.: Мир, 1985. 200 с.
  9. Mas-Colell A., Whinston M.D., Green J.R. Microeconomic Theory. Oxford: Oxford University Press, 1995.
  10. Vives X. Oligopoly Pricing: Old Ideas and New Tools. Cambridge: MIT Press, 1999.
  11. Basar T., Olsder G.Y. Dynamic Non-Cooperative Game Theory. Philadelphia: SIAM, 1999. 506 p.
  12. Dockner E., Jorgensen S., Long N.V., Sorger G. Differential Games in Economics and Management Science. Cambridge: Cambridge University Press, 2000. 382 p.
  13. Понтрягин Л.С., Болтянский В.Г., Гамкрелидзе Р.В., Мищенко Е.Ф. Математическая теория оптимальных процессов. М.: Наука, 1983.
  14. Petrosjan L.A., Zenkevich N.A. Game Theory. Basel: World Scientific Publishing, 1996.
  15. Petrosyan L.A., Yeung D.W.K. Shapley Value for Differential Network Games: Theory and Application // J. Dynamics and Games. 2021. V. 8(2). P. 151–166.
  16. Shapley L. A Value for n-person Games // Contributions to the Theory of Games. Vol. II Eds H.W. Kuhn, A.W. Tucker. Princeton: 1953.
  17. Neumann J. von, Morgenstern O. Theory of Games and Economic Behavior. Princeton: Princeton University Press, 1953.
  18. Petrosjan L., Zaccour G. Time-consistent Shapley Value Allocation of Pollution Cost Reduction // J. Economic Dynamics and Control. 2003. V. 27(3). P. 381–398.
  19. Gromova E.V., Petrosyan L.A. On an Approach to Constructing a Characteristic Function in Cooperative Differential Games // Automation and Remote Control. 2017. V. 78. P. 1680–1692.
  20. Gromova E., Marova E., Gromov D. A Substitute for the Classical Neumann–Morgenstern Characteristic Function in Cooperative Differential Games // J. Dynamics and Games. 2020. V. 7(2). P. 105–122.
  21. Угольницкий Г.А., Усов А.Б. Исследование дифференциальных моделей иерархических систем управления путем их дискретизации // АиТ. 2013. № 2. С.109–122.
  22. Угольницкий Г.А., Усов А.Б. Динамические модели коррупции в иерархических системах управления при эксплуатации биоресурсов // Изв. РАН. ТиСУ. 2014. № 6. С. 168–176.
  23. Угольницкий Г.А., Усов А.Б. Алгоритмы решения дифференциальных моделей иерархических систем управления // АиТ. 2016. № 5. С. 148–158.
  24. Korolev A.V., Ougolnitsky G.A. Optimal Resource Allocation in the Difference and Differential Stackelberg Games on Marketing Network // J. Dynamics and Games. 2020. V. 7(2). P. 141–162.

Supplementary files

Supplementary Files
Action
1. JATS XML

Copyright (c) 2023 А.В. Королёв, М.А. Котова, Г.А. Угольницкий

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».