Innovation race with continuous effort choice: a deep-learning approach

Detalhes bibliográficos
Ano de defesa: 2024
Autor(a) principal: Silva, João Pedro Catão Queiroz da
Orientador(a): Iachan, Felipe Saraiva
Banca de defesa: Não Informado pela instituição
Tipo de documento: Tese
Tipo de acesso: Acesso aberto
Idioma: eng
Instituição de defesa: Não Informado pela instituição
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Palavras-chave em Inglês:
Link de acesso: https://hdl.handle.net/10438/36585
Resumo: Nós estudamos uma corrida de inovação, usando tempo contínuo. Cada firma observa seu próprio estado e os dos oponentes e decide continuamente o seu nível de esforço. Como as recompensas são baseadas em rankings relativos, nós observamos um grande nível de esforço quando as firmas estão perto da linha de chegada ao mesmo tempo. Por outro lado, nós observamos um efeito desencorajador quando um competidor lidera por uma grande margem. Além disso, para ampliarmos a análise para um cenário com mais firmas, nós introduzimos uma solução com redes neurais informadas pela física (PINNs) devido os seus benefícios em relação aos métodos tradicionais. Por fim, nós comparamos a solução para um jogo com duas firmas com a solução usando métodos finitos.