76
Cap¶³tulo 3. Comportamiento de los agentes y evoluci¶on de los sistemas econ¶omicos
Muchas veces los agentes econ¶omicos, en su esfuerzo por optimizar, enfrentan problemas del tipo no polin¶ omico (N P ), en los que la alternativas a elegir explotan combinatoriamente (v¶ease la secciones 3.4.1 y 3.4.2). Podr¶³a suceder tambi¶en que los problemas que deben enfrentar los agentes del sistema no esten claramente de¯nidos, por lo cual muchas veces se tomen decisiones que mantienen al sistema inde¯nidamente fuera de un estado estacionario consistente. Es en estos punto en donde la met¶ afora deductiva puede perder poder predictivo como hip¶otesis constructiva.
Aprendizaje Inductivo Los estudios realizados en psicolog¶³a cognitiva han demostrado que todas las personas crean o clasi¯can categor¶³as que resumen los aspectos m¶as salientes de lo que perciben. Constantemente se reconstruyen y desechan representaciones internas del mundo aceptando aquellas que m¶ as se ajustan con la realidad percibida y que parecen ofrecer mejores posibilidades de predecir futuras eventualidades [1]. Es posible as¶³ transferir experiencias de un problema a otro en busca de generalizaciones a trav¶es del reconocimiento de patrones percibidos como regulares. Este tipo de proceso cognitivo es, b¶ asicamente, de car¶ acter inductivo puesto que tiene lugar la continua adaptaci¶on de lo que se cree percibir como estable del entorno. Los modelos y representaciones internas se utilizan para salvar la brecha que produce la ignorancia, especialmente cuando el entorno no es estacionario. En estas circunstancias debemos destacar que la validez de los modelos internos que las personas formulan es s¶olo temporaria. Estas ideas pudieron ser contrastadas con experiencias realizadas en psicolog¶³a cognitiva experimental [68]. Un experimento interesante realizado en la d¶ecada del '60, consisti¶ o en mostrarles a un conjunto de personas una secuencia o ventana de 50 \bits" cuyos valores (0's ¶ o 1's) estaban distribuidos al azar. Los participantes del experimento desconoc¶³an el proceso de generaci¶ on de los datos. Se ped¶³a a los sujetos que, dada la ventana de \bits", predigan el siguiente que sigue en la secuencia. Luego se les mostraba el bit verdadero y as¶³ sucesivamente. El an¶alisis de los resultados demostr¶ o que las personas basaban sus predicciones en la b¶ usqueda y veri¯caci¶on de patrones regulares que virtualmente observaban al sucederse la secuencia de 0's y 1's. Esta b¶ usqueda de regularidades generaba modelos internos que no eran inmediatamente desechados ante la posibilidad de algunos fracasos en la predicci¶ on aunque, se demostr¶ o que exist¶³a un determinado n¶ umero cr¶³tico de fracasos que motivaba a los participantes a modi¯car el patr¶ on de predicci¶ on por la percepci¶ on de una nueva y arbitraria regularidad. No es sorprendente que Hey [99] haya encontrado en experimentos econ¶omicos que los agentes, lejos de la optimalidad, reaccionan en la direcci¶ on que sugieren modelos imperantes en ese momento. Bajo estas premisas, la conducta de agentes econ¶ omicos no parece necesariamente seguir el esquema de la \met¶ afora deductiva" sino que podr¶³a hablarse en cambio de \expectativas temporariamente satisfechas", t¶³picas de un comportamiento basado en la hip¶ otesis de racionalidad acotada. Recientemente se han investigado numerosos modelos evolutivos de aprendizaje. Muchos se han centrado en modelos que utilizan AAA, modelados con algoritmos computacionales de adaptaci¶ on, aprendizaje, y b¶ usqueda. Este tipo de modelizaci¶ on fu¶e usada por Axelrod (1987) [16], Miller (1989) [8], Rust, Miller y Palmer (1992) [166], Marks (1992) [138], Marks (1995) [142], A. Kirman [117] as¶³ como los antes citados en la secci¶ on 3.5.1 del cap¶³tulo 3. El prop¶ osito de esta secci¶on es explorar algunas posibilidades de los AAA en un entorno arti¯cial donde agentes pueden interactuar y adaptarse. Se estudia pues el proceso de relajaci¶ on al estado estacionario y la robustez de los comportamientos emergentes. Para modelar el proceso de aprendizaje se utilizar¶an algoritmos gen¶eticos. En la secci¶on 3.5.1 se detallan algunas caracter¶³sticas de los mismos. Se analizan varios modelos que son variantes de la interacci¶ on de una numerosa clientela con una o dos proveedur¶³as que venden un bien no diferenciado, cuyo costo suponemos nulo, a dos precios posibles ¯jados por cada una de ellas. En todos los casos los clientes ¯jan una estrategia de compra basada en los pasados precios y en funci¶ on de ella deciden comprar el bien en aquel lugar que lo ofrezca al menor precio posible o no comprarlo si es que el precio del mismo excede un precio de reserva que representa la existencia de una fuente externa.
3.6.2
Descripci¶ on de los tres modelos
Modelo A Se analiza, en los siguientes modelos, la evoluci¶on de la presi¶on competitiva que tiene lugar en un mercado, en el que los compradores buscan ofertasde precios bajos y los oferentes ¯jan el precio. En el primer caso (modelo A), el sistema se compone de un n¶ umero grande de (N ) compradores de un bien y una proveedur¶³a que obtiene el bien a un costo constante, que suponemos nulo por simplicidad. Hay una \fuente externa", donde los compradores pueden adquirir el bien a un precio