
Effectuation Entwickeln: Ein Auf Reinforcement Learning Aufbauender Agentenbasierter Modellierungsbeitrag Zur Formalisierung Unternehmerischen
W tej książce o otwartym dostępie opracowano ramy, które umożliwiają symulacyjne analizy efektu uczenia się, a jednocześnie tworzą podstawę do rozwoju systemów wspomagania decyzji dla start-upów.
Omówiono zakres, w jakim uczenie się oparte na efektach może być modelowane i interpretowane algorytmicznie. W oparciu o prezentację i krytyczną ocenę obecnych modeli symulacyjnych, które przedstawiają efektowność, opracowano zagregowany model wykorzystujący metody modelowania agentowego i uczenia się ze wzmocnieniem, który umożliwia efektowne zachowanie w kontekście prototypowej sytuacji start-upu.
Wyniki pokazują, że przedsiębiorczy agent jest w stanie nauczyć się efektywnych zachowań. Różnice w wydajności podczas uczenia się występują, gdy zmienia się środowisko agenta. Sukces agenta zależy od zaangażowania potencjalnych partnerów i klientów.
Co więcej, sukces uczenia się można określić, jeśli agent stosuje zasadę Affordable Loss Principle w połączeniu z zachowaniem zgodnym z zasadami rynkowymi. W przyszłości opracowany model może zostać wykorzystany do przeprowadzenia dalszych badań nad efektywnym uczeniem się, z uwzględnieniem zachowań decyzyjnych prawdziwego przedsiębiorcy.