有限合理性の数理モデル化
Herbert A. Simonと意思決定理論における有限合理性の数理モデル化 はじめに Herbert A. Simonは、ノーベル経済学賞を受賞した経済学者であり、「有限合理性」という概念を提唱したことで知られています。Simonは、人間は完全な情報を持つ理想的な意思決定主体ではなく、認知能力の限界や情報不足などの制約下で意思決定を行うと主張しました。この概念は、従来の経済学における完全合理性の仮定に新たな視点を提供し、意思決定研究に大きな影響を与えました。 本論文では、Simonの有限合理性の概念を数理モデルに組み込むことで、その理論的な側面を深掘りしていきます。特に、9つの関数合成によって表される複雑なシステムにおいて、有限合理性がどのようにシステムの最終状態に影響を与えるかを数学的なモデルを用いて分析します。 有限合理性の数理モデル 問題設定 * 9つの関数合成: あるシステムが、9つの異なる関数f_1, f_2, ..., f_9の合成によって表されるとします。各関数は、システムの状態をある状態から別の状態へと変換します。 * 初期状態と目的の状態: システムは、初期状態xから出発し、9つの関数を順次適用することで、最終状態F(x)に到達します。目的の状態をx_0とします。 * 有限合理性: 各関数は、完全に正確な変換を行うのではなく、ある程度の誤差を含みます。この誤差は、人間の認知能力の限界や情報不足などを表します。 数理モデル 有限合理性を数理モデルに組み込むために、以下の仮定を置きます。 * 各関数の誤差: 各関数f_iに、平均0、標準偏差σの正規分布に従うノイズ項を加えます。 * 定義域D: システムの最終状態が取り得る値の範囲をDとします。 9つの関数合成を単一の関数Fで表すと、以下のようになります。 F(x) ∈ D ここで、 * F(x)は、9つの関数合成後の最終状態を表します。 * xは、初期状態を表します。 * ∈は、属することを意味します。 Pythonによるシミュレーション 上記のモデルをPythonで実装し、シミュレーションを行います。 import numpy as np # 単一の変換ステップをシミュレートする関数 def...