دانلود ترجمه مقاله وظیفه رفتار راهبردی در مدلسازی خدمات محیطی

نتیجه گیری:
شبکه های بیزی و تئوری بازی، چندین نقطه همگرایی را ارائه می دهند. هر دو رویکرد با شفافیت بالا، امکان پذیری ترکیب داده های تجربی با دانش خبره، و اقدام صریح در زمینه عدم قطعیت ها مشخص شده اند. علاوه بر این، مشابهت هایی در ابزارها (ماتریس ها و نمودارها) برای ارائه روابط علت و تاثیر ئ توابع عملکردی وجود دارد.
بررسی مقالات نشان می دهد که بسیاری از مطالعات ES با استفاده BNها به طور ضمنی سعی در رفتار استراتژیک رویکردی دارند. مدل های شبیه سازی شده در بخش بحث و بررسی نشان داده که GT چگونه می تواند در یک چارچوب BN برای افزایش توان بالقوه این آنالیز ادغام گردد. در مدل 3، BN، خدمات مورد انتظار بازیکنان برای خروجی های مختلف را ارائه داده و محققیت باید این ارزش ها را برای انتخاب خروجی های تعادل نش در نظر بگیرند. در مدل 4، یک سری محاسبات دستی (شروع از ارزش های حاصل از BN) به منظور یافتن تعادل ضروری می باشد. به عنوان یک جایگزین، یک BN کلاسیک (یا ID) را می توان به طور دقیق به منظور ترکیب رفتار استراتژیک بدون ارائه GT ضمنی استفاده کرد (مدل 5 و 6).
ما بازی های همزمان، بازی های متوالی و بازی های اطلاعاتی ناقص را در چشم اندازهای عمومی و خصوصی در نظر گرفته ایم. ادغام منطق GT در BNها در یک سطح مفهومی و بدون نیاز به کاربردهای الگوریتمی خاص یا نرم افزارهای جدید انجام گرفته است. نرم افزا ر BN تجاری اجازه یافتن خودکار راه حل مدل هایی که در آنها چندین تصمیم در راستای عوامل مختلف ارائه شده اند را نمی دهد. ما انتظار داریم که این مقاله در زمینه توسعه الگوریتم ها و برنامه های خاص مفید بوده باشد (برینلسون و آرنبورگ، 2004؛ کولر و میلچ، 2003؛ ژو و همکاران، 2013).
سطوح مختلف پالایشی را می توان به مدل های پایه ای که در قالب نمونه استفاده کرده ایم افزود. یک جهت توسعه ای که می توان مورد استفاده قرار داد، معرفی زمان برش واکنش مدل بازیکنان در قالب نتیجه حاصل از گام های زمانی قبلی (و استراتژی های دیگر ذینفعان) می باشد. به هر حال، این رویکرد، BNهای نزدیک تری را به مدل های مبتنی بر عامل (ABMها) به ارمغان می آورد که در آنها راه حل های عددی (یعنی شبیه سازی ها) در مورد رفتار زمانی جمعیت عوامل به جای راه حل های تحلیلی مورد مطالعه قرار گرفته اند (ریگی و تاکاکس، 2014). بر خلاف ABMها، ترکیب BNها و GT هنگام استفاده از راه حل های تحلیلی بسیار مناسب تر است و این به موازات این موضوع است که مدل نیز زیاد پیچیده نباشد (یعنی بازیکنان و تصمیم گیرندگان کمی وجود دارد). در این زمینه، ارائه نمونه های آموزشی و سهیم شدن در تحلیل های یادگیری اجتماعی بسیار خوب خواهد بود.
ادغام GT و BNها می توانند به درک عقلانیت رفتار ذینفعان حتی در راستای پیش بینی اقدامات شان کمک کنند. بررسی مقالات و شبیه سازی ها نحوه تاثیر عوامل انسانی (شامل بازیکنان عمومی و خصوصی) روی ارزش مزایای سرویس های اکوسیستمی را برجسته می کنند. اقدامات مدیریتی و اقتصادی، نقش مهمی برای برقراری پتانسیل های ESها دارند. در واقع، این موضوع باعث مطرح شدن یک سری پرسش ها می گردد، چه سهمی از ارزش در قالب هدیه ای طبیعت ارائه شده است و چه سهمی از آن به واسطه تصمیمات انسانی در فرم رفتارهای همکارانه و راهبردی ایجاد گردیده است. به طور خاص، ارزش های معیار باید تحت شرایط مدیریت هماهنگ بهینه (یعنی مزیت اجتماعی ماکزیمم) به واسطه برنامه ریزی اجتماعی و مدیریت ناهماهنگ بهینه (یعنی تعادل نش) به واسطه نیروه های خصوصی محاسبه گردند (اسچفر و همکاران، 2000؛ وایت و همکاران، 2012).

Conclusions:
Bayesian networks and game theory present several points of convergence. Both approaches are characterized by high transparency, the possibility of combining empirical data with expert knowledge, and explicit treatment of uncertainties. Furthermore, there are similarities in the tools (matrixes, graphs) for the representation of cause-effect relations and utility functions.
Literature review showed that many ES studies using BNs implicitly try to approach strategic behaviour. Themodels simulated in the discussion session showed howGT can be integrated in a BN framework to increase the potentiality of this analysis. In Model 3, the BN provides the expected utilities of the players for the different outcomes, and the researcher has to consider these values to select the outcomerepresenting the Nash equilibrium. In Model 4, a fewmanual calculation is necessary (starting from the values obtained by the BN) in order to find the equilibrium. As an alternative, a classic BN(or ID) can be accurately drawn in order to incorporate strategic behaviour without an explicit GT representation (Models 5 and 6).
We considered simultaneous games, sequential games, and incomplete information games in both private and public perspectives. The integration of GT logic in BNs has been performed at a conceptual level, without necessity for specific algorithmic applications or new software. Commercial BN software do not permit to find (automatically) the solution of models where several decision and utility nodes represent the interests of different agents. We expect that this paper will be useful in fostering the development of specific algorithms and programs (Brynielsson and Arnborg, 2004; Koller and Milch, 2003; Zhou et al., 2013).
Different levels of refinement can be added to the basic models we have used as examples. One development direction that can be investigated is the introduction of time-slicing to model the reaction of players as a consequence of the results obtained in previous time steps (and of the other stockholders' strategies). Somehow, this approach would bring BNs closer to Agents Based Models (ABMs), where numerical solutions (i.e. simulations) about the behaviour over time of an agents' population are studied instead of analytical solutions (Righi and Takacs, 2014). Unlike ABMs, the combination of BNs and GT ismore appropriate when analytical solutions can be found, that is when the model is not too complex (i.e. there are few players and few decisions). In this context, it is good for pedagogical examples, and it can contribute to social learning and decision analysis.
Integration of GT and BNs may help understand the rationality of stakeholders' behaviour, even to foresee their actions. Literature review and simulations have highlighted how human agents, including public and private players, may largely affect the value of ecosystem services' benefits. Management actions and economic activities have a critical role for the fulfilment of ESs potential. Actually, this raises several questions onwhat share of the value is really provided as a gift of nature, and what share is provided by human decisions in the formof cooperative or strategic behaviours. In particular, benchmark values should be calculated under the conditions of optimal coordinated management (i.e. maximum social benefit) driven by a ‘rational social planner’, and optimal uncoordinated management (i.e. Nash equilibrium) driven by private forces (Scheffer et al., 2000; White et al., 2012).