İçeriğe geçScholarGate
KütüphaneKitaplığımMasaReview StudioAsistan
Giriş
Bu sayfada
SezgiNasıl çalışırNe zaman kullanılırGüçlü yönler & sınırlılıklarYaygın tuzaklarUygulamalarSSS🔒 Tam yöntemi okuKaynaklarİlişkili yöntemler
Bu sayfaya atıf yapBu sayfada bir hata mı var? Bildir / düzeltme öner →
Ana sayfa›Oyun teorisi›Shapley Değeri
Machine learningGame-theoretic

Shapley Değeri

Shapley Value for Coalition Games · Ayrıca şöyle bilinir: Fair Division, Cooperative Game Solution, Dividend Vector

Shapley Değeri, toplam getiriyi, oyuncuların koalisyonlara yaptıkları marjinal katkılara dayanarak adil bir şekilde dağıtan bir koalisyon oyunları çözüm kavramıdır. Lloyd Shapley tarafından 1953'te tanıtılan Shapley Değeri, dört sezgisel aksiyomu sağlayan benzersiz bir getiri dağılımıdır: etkinlik (toplam getiri dağıtılır), simetri (özdeş oyuncular eşit getiri alır), sıfır oyuncu (hiç katkıda bulunmayan oyuncular hiçbir şey almaz) ve oyunlar arasında toplamsallık.

ScholarGate
  1. Machine learning
  2. v1
  3. 2 Kaynaklar
  4. PUBLISHED
Bu sayfaya atıf yap →
Araçlar & kaynaklar
Slaytları indir
Öğren & keşfet

Tam yöntemi oku

Yalnızca üyeler

Bu bölümü okumak için ücretsiz hesapla giriş yapın.

Giriş yap

Yöntem haritası

İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.

Shapley Değeri
Nash DengesiAsil-Vekil ModeliEn İyi Alım DöngüleriVCG Mekanizması

Ne zaman kullanılır

Shapley Değerini, ortaklıklar arası kar paylaşımı, araştırma ekiplerindeki kredi tahsisi veya topluluk modellerine bireysel katkıların değerlemesi gibi koalisyon oluşumundan elde edilen ortak getirilerin adil bir şekilde dağıtılmasında kullanın. Oyuncuların heterojen katkıları olduğu ve bireysel değeri ortaya koyan piyasa fiyatlarının bulunmadığı durumlarda kullanın. Temel eşitlik ilkelerini karşılayan aksiyomatik olarak gerekçelendirilmiş adil bir bölme arandığında uygundur.

Güçlü yönler & sınırlılıklar

Güçlü yönler
  • Aksiyomatik olarak benzersiz: etkinlik, simetri, sıfır oyuncu ve toplamsallık aksiyomlarını sağlayan tek bölme
  • Adil ve teorik olarak temellendirilmiş: koalisyonlar genelindeki her oyuncunun ortalama marjinal katkısını yansıtır
  • Esnek: koalisyon değerlerinin iyi tanımlandığı herhangi bir işbirlikçi oyuna uygulanabilir
  • Ayrıştırılabilir: olasılıksal ve ağırlıklı versiyonlar dahil olmak üzere herhangi bir değerleme fonksiyonu ile kullanılabilir
Sınırlılıklar
  • Hesaplama açısından maliyetli: n oyuncu için tüm 2^n koalisyonun listelenmesini gerektirir; büyük n için uygulanamaz
  • Tam bilgi gerektirir: tüm alt kümeler için koalisyon değerleri önceden bilinmelidir
  • Bireysel rasyonelliği sağlamayabilir: bazı oyuncular büyük koalisyon dışında daha fazla kazanabilir
  • Birden fazla koalisyon oyununda benzersiz değil: birçok koalisyonun mümkün olduğu durumlarda, hangisinin oluştuğunu belirlemek belirsizdir

SSS

Shapley Değeri neden benzersizdir?

Çünkü etkinlik (tüm getirinin dağıtılması), simetri (özdeş oyuncuların eşit getiri alması), sıfır oyuncu (sıfır katkılı oyuncuların hiçbir şey almaması) ve toplamsallık (getirilerin oyunlar arasında birleşmesi) olmak üzere dört sezgisel aksiyomu sağlayan tek getiri dağılımı olmasıdır. Bu aksiyomlar değeri benzersiz bir şekilde belirler.

Shapley Değeri, büyük koalisyonun oluşmadığı oyunları nasıl ele alır?

Shapley Değeri, büyük koalisyonun oluştuğunu ve getirisini v(N) dağıttığını varsayar. Büyük koalisyon dışındaki koalisyonlar oluşabilirse, Shapley Değeri koalisyon yapısı kararlılığını doğrudan ele almaz; diğer oyun teorik kavramları (çekirdek, pazarlık) gereklidir.

Shapley Değeri negatif olabilir mi?

Evet. Bir oyuncunun koalisyonlar genelindeki ortalama marjinal katkısı negatifse (toplam getiriyi azaltırsa), Shapley Değeri negatiftir. Bu, dışsallıklar veya negatif sinerjiler içeren oyunlarda meydana gelebilir.

Kaynaklar

  1. Shapley, L. S. (1953). A value for n-person games. In H. W. Kuhn & A. W. Tucker (Eds.), Contributions to the Theory of Games II (pp. 307-317). Princeton University Press. DOI: 10.1515/9781400881970-018 ↗
  2. Roth, A. E. (1988). The Shapley value as a von Neumann-Morgenstern utility. Econometrica, 56(4), 745-794. link ↗

Bu sayfayı kaynak gösterin

ScholarGate. (2026, June 3). Shapley Value for Coalition Games. ScholarGate. https://scholargate.app/tr/game-theory/shapley-value

İlişkili yöntemler

Nash DengesiAsil-Vekil ModeliEn İyi Alım DöngüleriVCG Mekanizması

Hangi yöntem?

Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.

  • Nash DengesiOyun teorisi↔ karşılaştır
  • Asil-Vekil ModeliOyun teorisi↔ karşılaştır
  • En İyi Alım DöngüleriOyun teorisi↔ karşılaştır
  • VCG MekanizmasıOyun teorisi↔ karşılaştır
Yan yana karşılaştır →

Bu yönteme atıf yapanlar

Nash DengesiAsil-Vekil Modeli

Benzer yöntemler

SHAP (SHapley Additive exPlanations)Açıklanabilir Rastgele OrmanAçıklanabilir Gradyan ArtırmaAçıklanabilir XGBoostEn İyi Alım DöngüleriAçıklanabilir LightGBM

İlgili referans kavramlar

Ajanlar için Oyun KuramıOyun Kuramı ve Pazarlık KuramıKarar Kuramı ve FaydaCooperative GamesNoncooperative GamesMekanizma Tasarımı

Bu sayfada bir hata mı var? Bildir / düzeltme öner →

ScholarGate — Shapley Value (Shapley Value for Coalition Games). 2026-07-20 tarihinde şu adresten erişildi: https://scholargate.app/tr/game-theory/shapley-value · Veri seti: https://doi.org/10.5281/zenodo.20539026
Hızlı bilgiler
Originator
Lloyd Shapley
Subfamily
Game-theoretic
Year
1953
Type
algorithm
İlişkili yöntemler
Nash DengesiAsil-Vekil ModeliEn İyi Alım DöngüleriVCG Mekanizması
ScholarGate

Araştırma yöntemleri için içerik öncelikli bir referans kütüphanesi — her yöntemin ne olduğu, nasıl çalıştığı ve nereden geldiği.

Açık veri (CC-BY)

Keşfet

  • Kütüphane
  • Yöntemlerde ara…
  • Alanlara göre gez
  • Alanlar
  • Yolculuk
  • Karşılaştır
  • Hangi yöntem?

Başvuru

  • Konular
  • Atlas
  • Sözlük
  • Metodoloji
  • Felsefe

Çalışma alanı

  • Kitaplığım
  • Masa
  • Sohbet

Şirket

  • Hakkımızda
  • Fiyatlandırma
  • İletişim
  • Yöntem öner

Kayıtlar, başvuru amacıyla yayımlanmış kaynaklardan derlenmiştir. Herhangi bir bilginin doğruluğunu ve kendi kullanımınıza uygunluğunu denetlemek sizin sorumluluğunuzdadır.

© 2026 ScholarGate · Araştırma yöntemleri referans kütüphanesi
  • Gizlilik
  • Çerezler
  • Koşullar
  • Hesabı sil