MADRID, 16 Feb. (EUROPA PRESS) -
Científicos de las universidades de Maryland y Stanford y Microsoft Research han resuelto un escenario de la teoría de juegos que ha desconcertado a los investigadores durante casi un siglo.
El juego, conocido como "coronel Blotto", se ha utilizado para analizar los posibles resultados de elecciones y otros conflictos entre dos partes similares desde su invención en 1921. Hasta ahora, sin embargo, el juego ha sido de uso limitado, ya que carecía de una definitiva solución.
El nuevo algoritmo desarrollado para resolver este dilema podría también proporcionar a los estrategas políticos, líderes empresariales y otros responsables de tomar decisiones una nueva y poderosa herramienta para la toma de decisiones informadas.
"Nuestro algoritmo potencialmente puede utilizarse para calcular la mejor estrategia de inversión de recursos para cualquier competidor contra un solo oponente," dijo Mohammad Hajiaghayi, líder del proyecto en la Universidad de Maryland. "Siempre y cuando se disponga de datos suficientes sobre un escenario dado, podemos utilizar nuestro algoritmo para encontrar la mejor estrategia para una amplia variedad de líderes, como candidatos políticos, equipos deportivos, empresas y líderes militares."
Coronel Blotto enfrenta a dos competidores entre sí, y cada uno debe tomar decisiones difíciles sobre cómo implementar recursos limitados. En su forma más simple, cada jugador asigna un número limitado de recursos, o tropas, a una serie de campos de batalla. Los jugadores deben hacer esto sin ningún conocimiento de la estrategia de su oponente. Los jugadores ganan un campo de batalla dado si asigna más tropas que su oponente; el jugador que gana la mayoría de los campos de batalla también gana el juego.
El juego se puede extender a escenarios del mundo real, tales como las elecciones presidenciales en EE.UU. En este ejemplo, cada candidato es un jugador; que emplea el personal de la campaña, el tiempo y la financiación; y cada estado es un campo de batalla. El juego también se puede aplicar a la competencia de alto perfil entre productos de consumo, tales como la batalla en curso entre el iPhone de Apple y los productos de telefonía móvil Android de Google.
"Desde las elecciones presidenciales a las decisiones de marketing, la competencia por la atención y la lealtad es una parte de la vida diaria. Sin embargo, el comportamiento de los individuos en respuesta a este tipo de competiciones aún no está bien entendido", dijo Hajiaghayi. "Se demuestra que este tipo de comportamiento estratégico es computacionalmente tratable. Dada la descripción de la competición, podemos determinar qué estrategias pueden aplicarse para maximizar los resultados para un jugador dado."
Aunque las reglas del coronel Blotto son relativamente simples, las estrategias potenciales que un jugador puede emplear son casi ilimitadas, dependiendo del número de campos de batalla y los recursos totales disponibles para cada jugador. La solución alcanzada por Hajiaghayi y sus colegas no favorece necesariamente a un jugador sobre otro, sino que más bien representa un equilibrio en el que ambos jugadores han desplegado la mejor estrategia que sea posible en relación con la estrategia de su oponente.
La gran variedad de posibles estrategias ha sido el obstáculo clave para encontrar una solución computacional para el juego. Hajiaghayi y su equipo superaron este problema limitando el número total de posibles estrategias para un puñado de opciones representativas.
"Hemos encontrado que las estrategias de los jugadores se pueden representar con precisión por un razonablemente pequeño número de posibilidades", dijo Hajiaghayi. "Este es un enfoque más general, pero funciona bien como una prueba de concepto. Muchos otros han tratado de resolver el juego del coronel Blotto para escenarios específicos, pero somos los primeros en adoptar un enfoque más general", añadió
Esta solución permitió al equipo desarrollar un algoritmo generalizado, que ahora se pueden aplicar a situaciones específicas, tales como la elección presidencial de 2016.
