1 modèles economiques en informatique michel de rougemont université paris ii
TRANSCRIPT
![Page 1: 1 Modèles Economiques en Informatique Michel de Rougemont Université Paris II](https://reader035.vdocuments.pub/reader035/viewer/2022062417/551d9d81497959293b8ba8d2/html5/thumbnails/1.jpg)
1
Modèles Economiques en Informatique
Michel de Rougemont
Université Paris II
![Page 2: 1 Modèles Economiques en Informatique Michel de Rougemont Université Paris II](https://reader035.vdocuments.pub/reader035/viewer/2022062417/551d9d81497959293b8ba8d2/html5/thumbnails/2.jpg)
2
A. Jeux et Mécanismes1. Modèle de calculs, adapté à un nombre important
d’agents, suivant une fonction d’utilité. 2. Jeux: N joueurs suivant chacun un but. Quels sont
les Equilibres?3. Mécanismes: observons un équilibre, de quel jeu
sommes nous l’équilibre?
B. Valeur de l’Information1. Distances structurées2. Approximation de distances
Jeux, Mécanismes, Valeur de d’Information
![Page 3: 1 Modèles Economiques en Informatique Michel de Rougemont Université Paris II](https://reader035.vdocuments.pub/reader035/viewer/2022062417/551d9d81497959293b8ba8d2/html5/thumbnails/3.jpg)
3
1. Modèle de calculs, adapté à un nombre important d’agents, suivant une fonction d’utilité. WEB.
2. Jeux: N joueurs suivant chacun un but. Quels sont les Equilibres?
3. Mécanismes: observons un équilibre, de quel jeu sommes nous l’équilibre?
A. Jeux et Mécanismes
![Page 4: 1 Modèles Economiques en Informatique Michel de Rougemont Université Paris II](https://reader035.vdocuments.pub/reader035/viewer/2022062417/551d9d81497959293b8ba8d2/html5/thumbnails/4.jpg)
4
1. Dilemme des PrisonniersDeux décisions C (collaborer), T (Trahir)
2. Version répétée.
3. Jeux de vérification. Graphes d’accessibilité.
4. MaxSAT, MaxCUT: jeux à N joueurs
4. Jeux logiques: Nord-Est, dames, Echecs.
Exemples de Jeux
3,31,4
4,12,2
![Page 5: 1 Modèles Economiques en Informatique Michel de Rougemont Université Paris II](https://reader035.vdocuments.pub/reader035/viewer/2022062417/551d9d81497959293b8ba8d2/html5/thumbnails/5.jpg)
5
Mécanisme pour réduire le SPAM
1. Comment faire la différence entre un vrai mail et un SPAM?
2. Modifications au protocole de mail (pop, smtp)
3. Valeur d’un Email?
![Page 6: 1 Modèles Economiques en Informatique Michel de Rougemont Université Paris II](https://reader035.vdocuments.pub/reader035/viewer/2022062417/551d9d81497959293b8ba8d2/html5/thumbnails/6.jpg)
6
Valeur proportionnelle aux calculs demandés à A (Alice) par B (Bob)
Modifications au protocole de mail (pop, smtp)
1. A prend un ticket sur la page Web de B. (Entrée x d’un problème)2. A calcule f(x)=y3. A envoie y et l’Email4. B vérifie y
A B1. ticket
3. Résultat et Email
![Page 7: 1 Modèles Economiques en Informatique Michel de Rougemont Université Paris II](https://reader035.vdocuments.pub/reader035/viewer/2022062417/551d9d81497959293b8ba8d2/html5/thumbnails/7.jpg)
7
A calcule une fonction polynomiale
A prend un ticket sur la page Web de B. B : génère un polynôme aléatoire de degré n
B: choisit n+1 valeurs aléatoires
Ticket=
A doit trouver P(x) à partir du ticket.
Interpolation ou Inversion matricielle
nnxaxaxaxP .....)( 221
)(),...,(),( 112211 nn xPyxPyxPy
)(),...,,(),,( 112211 nn yxyxyx
![Page 8: 1 Modèles Economiques en Informatique Michel de Rougemont Université Paris II](https://reader035.vdocuments.pub/reader035/viewer/2022062417/551d9d81497959293b8ba8d2/html5/thumbnails/8.jpg)
8
B vérifie le calcul
B garde P(x) lorsqu’il génère le ticket.Vérifier consiste à comparer les coefficients de P(x) avec ceux envoyés par A.
On peut paramétrer:le degré, la précision des valeurs aléatoires pour forcer A à calculer 10 minutes 30 minutes….
Interpolation est polynomiale
La vérification est triviale
nnxaxaxaxP .....)( 221
![Page 9: 1 Modèles Economiques en Informatique Michel de Rougemont Université Paris II](https://reader035.vdocuments.pub/reader035/viewer/2022062417/551d9d81497959293b8ba8d2/html5/thumbnails/9.jpg)
9
Jeux à somme nulle
Deux joueurs I et II:
Gain de II = - Gain de I
Jeu Morra: chaque joueur cache 1 ou 2 Euros et cherche à deviner le choix de l’autre joueur. Il gagne s’il devine correctement. Si 1 seul joueur gagne, son gain est le montant caché total, payé par l’autre joueur, sinon le gain est de 0
04304003
30020320
![Page 10: 1 Modèles Economiques en Informatique Michel de Rougemont Université Paris II](https://reader035.vdocuments.pub/reader035/viewer/2022062417/551d9d81497959293b8ba8d2/html5/thumbnails/10.jpg)
10
Gain du Jeu
Gain du jeu :
Joueur I : x.A.yMiny
txaMinx.A.yMin iji
n
ijy
. ,
1
jiji
n
j
n
i
yxa . ,11
Réponse de II peut être pure
Toute solution pure doit satisfaire
ttyxayx.A.yn
jjiji
n
i
n
jj
1,
11
. ). (
txaMinx.A.yMin iji
n
ijy
. ,
1
tx.A.yMiny : Donc
![Page 11: 1 Modèles Economiques en Informatique Michel de Rougemont Université Paris II](https://reader035.vdocuments.pub/reader035/viewer/2022062417/551d9d81497959293b8ba8d2/html5/thumbnails/11.jpg)
11
Stratégie optimale
Conclusion
Joueur II peut jouer une stratégie pure
1
.
1
,1
i
n
i
iji
n
ij
x
xaMinMax
t x.A.yMint y
t x.A.yMiny
1
0.
1
,1
i
n
i
iji
n
i
x
xaz
zMax
![Page 12: 1 Modèles Economiques en Informatique Michel de Rougemont Université Paris II](https://reader035.vdocuments.pub/reader035/viewer/2022062417/551d9d81497959293b8ba8d2/html5/thumbnails/12.jpg)
12
Stratégie optimale
Conclusion
1043043032032
4321
32
41
41
32
xxxxxxz
xxzxxz
xxzzMax
Solution x*= [0,3/5,2/5,0]
Résolution par simplex.
Trouver une solution initiale
![Page 13: 1 Modèles Economiques en Informatique Michel de Rougemont Université Paris II](https://reader035.vdocuments.pub/reader035/viewer/2022062417/551d9d81497959293b8ba8d2/html5/thumbnails/13.jpg)
13
Théorème Minimax
Situation pour le joueur II
1
.
1
,1
j
n
j
jji
n
ji
y
yaMaxMin
1
0.
1
,1
j
n
j
jji
n
j
y
yaw
wMin
Problème dual du précédent. Par dualité:
Théorème (Von Neuman) : Max Min = Min Max
![Page 14: 1 Modèles Economiques en Informatique Michel de Rougemont Université Paris II](https://reader035.vdocuments.pub/reader035/viewer/2022062417/551d9d81497959293b8ba8d2/html5/thumbnails/14.jpg)
14
Dualité: Simplex
Résolution d’un système linéaire de maximisation:
•Introduction de variables d’écart•Solution initiale•Itération pour augmenter la valeur de la solution.•Terminaison
0,...,
.
.cMax
21
t
nxxx
bxA
x
![Page 15: 1 Modèles Economiques en Informatique Michel de Rougemont Université Paris II](https://reader035.vdocuments.pub/reader035/viewer/2022062417/551d9d81497959293b8ba8d2/html5/thumbnails/15.jpg)
15
Bases de la Dualité
0,,,3532
5583513
35 4Max
4321
4321
4321
4321
4321
xxxxxxxxxxxxxxxxxxxx
Estimation de z > az>5 avec (0,0,1,0)z>22 avec (3,0,2,0)….
Estimation de z <b ?Quel est le témoin?
![Page 16: 1 Modèles Economiques en Informatique Michel de Rougemont Université Paris II](https://reader035.vdocuments.pub/reader035/viewer/2022062417/551d9d81497959293b8ba8d2/html5/thumbnails/16.jpg)
16
Dualité : z < b
0,,,3532
5583513
35 4Max
4321
4321
4321
4321
4321
xxxxxxxxxxxxxxxxxxxx
Montrons que z <275/3
2nd contrainte . 5/33/2753/4053/53/25 4321 xxxx
3/2753/4053/53/25354 43214321 xxxxxxxx
Donc z <275/3
![Page 17: 1 Modèles Economiques en Informatique Michel de Rougemont Université Paris II](https://reader035.vdocuments.pub/reader035/viewer/2022062417/551d9d81497959293b8ba8d2/html5/thumbnails/17.jpg)
17
Dualité
0,,,3532
5583513
35 4Max
4321
4321
4321
4321
4321
xxxxxxxxxxxxxxxxxxxx
2nd contrainte +3ème contrainte
583634 4321 xxxx
Donc z <58
Méthode systématique.
![Page 18: 1 Modèles Economiques en Informatique Michel de Rougemont Université Paris II](https://reader035.vdocuments.pub/reader035/viewer/2022062417/551d9d81497959293b8ba8d2/html5/thumbnails/18.jpg)
18
Dualité : méthode
0,,,3532 .
55835 . 13 .
35 4Max
4321
43213
43212
43211
4321
xxxxxxxxyxxxxyxxxxyxxxx
332123211321 ).33().2().5( xyyyxyyyxyyy
Conditions pour que le membre gauche >
)355().583( 3214321 yyyxyyy
4321 354 xxxx
358353312 45
321
321
321
321
yyyyyyyyyyyy
![Page 19: 1 Modèles Economiques en Informatique Michel de Rougemont Université Paris II](https://reader035.vdocuments.pub/reader035/viewer/2022062417/551d9d81497959293b8ba8d2/html5/thumbnails/19.jpg)
19
Dualité: exemple
On obtient donc le système dual:
358353312 45
3 55 Min
321
321
321
321
321
yyyyyyyyyyyyyyy
3114321 355354 yyyzxxxx
![Page 20: 1 Modèles Economiques en Informatique Michel de Rougemont Université Paris II](https://reader035.vdocuments.pub/reader035/viewer/2022062417/551d9d81497959293b8ba8d2/html5/thumbnails/20.jpg)
20
Remarques générales
Problème Primal de Maximisation donne un problème Dual de minimisation.
3114321 355354 yyyzxxxx
jijim
i
n
jjjn
jxyaxc ,111
iim
iijjin
j
m
iybyxa
1,11
*1
*1 ii
m
ijjn
jybxc
A l’optimum:
![Page 21: 1 Modèles Economiques en Informatique Michel de Rougemont Université Paris II](https://reader035.vdocuments.pub/reader035/viewer/2022062417/551d9d81497959293b8ba8d2/html5/thumbnails/21.jpg)
21
Démonstration Minimax
Considérons la dernière ligne du dernier système du primal:
kkmn
kxczz .'
1*
*1
* . jjn
jxcz
mipourcy nii ...1'*
Posons:
Vérifions que y* satisfait :*
1*
1.. ii
m
ijjn
jybxc
![Page 22: 1 Modèles Economiques en Informatique Michel de Rougemont Université Paris II](https://reader035.vdocuments.pub/reader035/viewer/2022062417/551d9d81497959293b8ba8d2/html5/thumbnails/22.jpg)
22
Démonstration Minimax
Les variables d’écart sont définies comme:
kkmn
kjn
j j xczxc .. '1
*1
*1
*1
.. iim
ijjn
jybxc
mixabx jjin
jiin ...1.,1
mipourcy nii ...1'*
inim
ikkn
kjn
j j xyxczxc ... *1
'1
*1
jjin
jiim
ikkn
kjn
j j xabyxczxc .... ,1*
1'
1*
1
kjjin
jkn
kiim
ijn
j j xyacbyzxc .)(. *,1'
1*
1*
1
iim
ibyz *
1* Comparant les coefficients
de xj
Et on conclut:
![Page 23: 1 Modèles Economiques en Informatique Michel de Rougemont Université Paris II](https://reader035.vdocuments.pub/reader035/viewer/2022062417/551d9d81497959293b8ba8d2/html5/thumbnails/23.jpg)
23
Complémentarité
0*4*3 xx
Contraintes saturées du dual (m=3) et variables nulles du primal (n=2)
1,2,2 *5*2*1 xxx
0,0,0,1,2 *5*4*2*3*1 yyyyy
1 2
22
32
21
321
yyyy
yyyMin2*1x2*2x
Soit xi=0 soit contrainte duale est saturée
![Page 24: 1 Modèles Economiques en Informatique Michel de Rougemont Université Paris II](https://reader035.vdocuments.pub/reader035/viewer/2022062417/551d9d81497959293b8ba8d2/html5/thumbnails/24.jpg)
24
Complémentarité
0*4*3 xx
Contraintes saturées du primal (n=2) et variables nulles du dual (m=3)
1,2,2 *5*2*1 xxx
0,0,0,1,2 *5*4*2*3*1 yyyyy
2*1y0*2y
Soit yi=0 soit contrainte primale est saturée
Théorème : Ces deux conditions caractérisent une solution x*,y* optimum.
2 1 2
2
2
21
1
21
xxx
xxxMax
1*3y
![Page 25: 1 Modèles Economiques en Informatique Michel de Rougemont Université Paris II](https://reader035.vdocuments.pub/reader035/viewer/2022062417/551d9d81497959293b8ba8d2/html5/thumbnails/25.jpg)
25
Interprétation économique
Exemple de fabrication de produits en quantité x1, x2, x3.
Chaque produit utilise des composants e1,e2,e3,e4 et contribue à un profit ci ($ par unité de xi)
Contraintes du primal : Ax < b
Contraintes du dual A’ y >c yj = $ par unité de composant ej
Min y.b : coût minimum des composants
![Page 26: 1 Modèles Economiques en Informatique Michel de Rougemont Université Paris II](https://reader035.vdocuments.pub/reader035/viewer/2022062417/551d9d81497959293b8ba8d2/html5/thumbnails/26.jpg)
26
Jeux matriciels
Deux joueurs: les gains des I et II sont définies par deux matrices A,B de même dimension. Pour n joueurs, n hypercubes.
Solution possible: x*= [2/3,1/3] , y*= [1/3,2/3]
Solution (x*,y*) est un équilibre de Nash.
314
231
132
312BA
exE
yAxMax T
.
..
yAuE
ueMin
T
T
..
.
![Page 27: 1 Modèles Economiques en Informatique Michel de Rougemont Université Paris II](https://reader035.vdocuments.pub/reader035/viewer/2022062417/551d9d81497959293b8ba8d2/html5/thumbnails/27.jpg)
27
Jeux matriciels
Par dualité: DualPrimal ... ueyAx TT
tt ExexE .e . t
.... uExyAx ttT 0)...( yAuEx tT
0.. yAuEt
Pour le joueur II:
fxF
yBxMax T
.
..
0)...( xBvFy ttT
dualitépar 0)..( xBvF tt
![Page 28: 1 Modèles Economiques en Informatique Michel de Rougemont Université Paris II](https://reader035.vdocuments.pub/reader035/viewer/2022062417/551d9d81497959293b8ba8d2/html5/thumbnails/28.jpg)
28
C.N.S. pour être un équilibre de Nash
Un couple (x,y) est un équilibre de Nash ssi il existe u,v tel que:
. exE
0)...( yAuEx tT
0.. yAuEt
Programme linéaire + contraintes quadratiques de complémentarité.
Simplex + complémentarité= Lemke-Howson
fyF .
0)...( xBvFy ttT
0.. xBvF tt
![Page 29: 1 Modèles Economiques en Informatique Michel de Rougemont Université Paris II](https://reader035.vdocuments.pub/reader035/viewer/2022062417/551d9d81497959293b8ba8d2/html5/thumbnails/29.jpg)
29
Algorithmique des Jeux
1. Etant donné deux matrices A,B, trouver un équilibre.Algorithme de Lemke-Howson, exponentiel dans n.
2. Généralisation à N joueurs: représentation compacte de l’hypercube.
3. Approximations.
4. Vérification approchée.
![Page 30: 1 Modèles Economiques en Informatique Michel de Rougemont Université Paris II](https://reader035.vdocuments.pub/reader035/viewer/2022062417/551d9d81497959293b8ba8d2/html5/thumbnails/30.jpg)
30
B. Valeur de l’Information
1. Modèles d’Information structurée• Base de données relationnelles• Echange de données
2. Information Semi-structurée• Données XML• Systèmes P2P
3. Distances• Mots• Arbres• Structures générales
4. Evaluation de distances• Approximations
![Page 31: 1 Modèles Economiques en Informatique Michel de Rougemont Université Paris II](https://reader035.vdocuments.pub/reader035/viewer/2022062417/551d9d81497959293b8ba8d2/html5/thumbnails/31.jpg)
31
Robustesse informatique
1. Robustesse• Données bruitées: si f(x)=y, est-ce que A(x+ε)=y +ε’?• Programmes erronés: A utilise des composants imparfaits
2. Problème classique • Décider si • Version robuste:
3. Testeur: décide si x est ε-loin de L ou si x est dans L, O(1).
4. Correcteur: si x est ε-proche de L, trouve y dans L proche de x , O(n).
5. Applications:• Sublinear algorithms• XML• Vérification de programmes
x2
x1x3
L
* ?
x L ou -loin de L ?
x L x
![Page 32: 1 Modèles Economiques en Informatique Michel de Rougemont Université Paris II](https://reader035.vdocuments.pub/reader035/viewer/2022062417/551d9d81497959293b8ba8d2/html5/thumbnails/32.jpg)
32
1. Distance d’Edition: Insertions, Effacements, Modifications
2. Distance Edition avec déplacements:
0111000011110011001
0111011110000011001
3. Distance Edition avec déplacements se généralise aux arbres ordonnés
Distance d’Edition avec déplacements
'( , ') ; ( , ) ( , ')
W Ldist W W dist W L Min dist W W
![Page 33: 1 Modèles Economiques en Informatique Michel de Rougemont Université Paris II](https://reader035.vdocuments.pub/reader035/viewer/2022062417/551d9d81497959293b8ba8d2/html5/thumbnails/33.jpg)
33
Statistiques uniformes d’un mot
W=001010101110 longueur n, n-k+1 blocs de longueur k=1/ε
1
1.#....
#)(.
2
1
knn
nWstatu
k
...."00...1" ofnumber #"00...0" ofnumber #
2
1
nn
"11...1" ofnumber #
....2kn
Pour k=2, n-k+1=11
1
4 1. ( ) . . ( )
4 11
2
u stat W u stat W
( , ') . ( ) . ( ') ,
dist W W u stat W u stat W proche,longueur desont mots les lorsque
Distance de mots: • NP-complet• Testable, O(1): échantillonner N sous-mots de longueur k: Y(W) et Y(W’) Si |Y(w)-Y(w’)| <ε. accepter, sinon rejeter
![Page 34: 1 Modèles Economiques en Informatique Michel de Rougemont Université Paris II](https://reader035.vdocuments.pub/reader035/viewer/2022062417/551d9d81497959293b8ba8d2/html5/thumbnails/34.jpg)
34
Testeur pour un langage régulier
W: 0000000000111111111111Y: 000001000011111101111Z: 1111111111110000000000
T: 01001010001011000111010101
a b
0
1
1H A
0.5 / 2
/ 2. ( ) . ( ) . ( )
/ 2
0.5 / 2
u stat W u stat Z u stat Y
0001
1000
)(.25,025,025,025.0
Tstatu
T YW
Z
Automate A définit L, et un polytope H dans l’espace des u.stats
Testeur x dans L: • Testable, O(1): calculer Y(W),
• Si dist(Y(w),H) <ε. accepter, sinon rejeter Remarque: robustesse au bruit.
![Page 35: 1 Modèles Economiques en Informatique Michel de Rougemont Université Paris II](https://reader035.vdocuments.pub/reader035/viewer/2022062417/551d9d81497959293b8ba8d2/html5/thumbnails/35.jpg)
35
Exemple de couple (A,H)
Blocs, k=2, m=4, | Σ |=4, | Σ| k +1=17:
Boucles de taille 1 bloc: {(aa,ca:1),(bb,2),(cc,ac:3),(dd:4)}
1 2
3 4
a
b
b
ca
cd
d
aa ca
H A
ac cc
bb
dd
![Page 36: 1 Modèles Economiques en Informatique Michel de Rougemont Université Paris II](https://reader035.vdocuments.pub/reader035/viewer/2022062417/551d9d81497959293b8ba8d2/html5/thumbnails/36.jpg)
36
Correcteur d’un langage régulier
Y: 000001000011111101111 est ε -proche de L(A)
Correction déterministe:1. Décomposition en sous-mots admissibles
000001000011111101111 000001 000111111 1111 2. Décomposition en composantes connexes
000001 000 111111 11113. Recomposition (déplacements)
000 000001 111111 1111 distance 3 de Y
a b
0
1
1
A
![Page 37: 1 Modèles Economiques en Informatique Michel de Rougemont Université Paris II](https://reader035.vdocuments.pub/reader035/viewer/2022062417/551d9d81497959293b8ba8d2/html5/thumbnails/37.jpg)
37
Correction d’un arbre ordonné
2 moves, dist=2
Automate d’arbre ou DTD: t: l,r r: l,r
![Page 38: 1 Modèles Economiques en Informatique Michel de Rougemont Université Paris II](https://reader035.vdocuments.pub/reader035/viewer/2022062417/551d9d81497959293b8ba8d2/html5/thumbnails/38.jpg)
38
Correcteur XML: http://www.lri.fr/~mdr/xml/
![Page 39: 1 Modèles Economiques en Informatique Michel de Rougemont Université Paris II](https://reader035.vdocuments.pub/reader035/viewer/2022062417/551d9d81497959293b8ba8d2/html5/thumbnails/39.jpg)
39
Applications
Testeur: • Estimateur de la distance entre deux fichiers XML,• Décide si un fichier XML F est ε-valide,• Décide si deux DTDs sont proches.
Correcteur: Si un fichier XML F est ε-proche d’une DTD,• Trouve F’ valide ε-proche de F; • Classe les fichiers XML du Web pour un ensemble de DTD’s
Vérification de programmes:• Décide si deux automates sont ε-proches en temps polynomial.• Model-Checking approché: http://www.lri.fr/~mdr/vera/
• Langage de spécification• Modèle • Distance
![Page 40: 1 Modèles Economiques en Informatique Michel de Rougemont Université Paris II](https://reader035.vdocuments.pub/reader035/viewer/2022062417/551d9d81497959293b8ba8d2/html5/thumbnails/40.jpg)
40
Conclusion1. Jeux et Mécanismes: Equilibres de Nash
2. Testeurs et Correcteurs: • Techniques statistiques• Logique et hasard
3. Valeur de l’Information
– Approximation de distances
Références:1. Robust characterizations of polynomials, R. Rubinfeld, M. Sudan, 19942. O. Goldreich, S. Goldwasser and D. Ron, Property Testing and its connection to
Learning and Approximation, 1996.
3. Property testing for regular tree languages, Mdr, F. Magniez (Icalp 2004) (.pdf) 4. Correctors for XML data, U. Boobna, M. de Rougemont (XSym 2004) (.pdf) 5. Property and Equivalence Testing on strings, E. Fischer, F. Magniez, M. de Rougemont
(ECCC 2005)(.pdf) 6. http://www.lri.fr/~mdr/xml/ et http://www.lri.fr/~mdr/vera/