耶鲁大学《博弈论》课程——混合策略

混合策略 Mixed Strategy

当对方为任一选择时，这里我出石头剪刀和布的期望都为(+1) * 1/3 + (-1) * 1/3 + 0 * 1/3=0
所以这里的纳什均衡是：
以1/3的概率随机出石头，剪刀或布。 – 策略随机化

**混合策略**用Pi表示，i表示参与人，Pi表示采用每个纯策略的概率，pi(si)表示在混合策略Pi下，参与人i采用si的概率，即Pi(si)是Pi赋予纯策略si的概率。（如前面的猜拳游戏，Pi=(1/3, 1/3, 1/3)，Pi®=1/3），可以将纯策略看作是一种特殊的混合策略，即赋予某个策略的概率为1。前面讲的那些例子都是纯策略。

混合策略Pi的预期收益：每个纯策略预期收益的加权平均值。

结论：如果一个混合策略是BR，那么混合策略中的每一个纯策略也必须是BR，也就是说他们的收益必须相等。（怎么理解？ 因为混合策略是每个纯策略的加权平均，加权平均值是介于最小值和最大值之间的，也就是说，最小值只能拉低加权平均值，当加权平均值最大的时候，也就是等于最大值的时候，此时的纯策略就只有等于最大值的策略。比如说，对于策略集{3, 3, 2, 1}，每个概率为1/4，此时的加权平均为9/4，小于最大值3，若要使加权平均最大，就不能有2和1这两个纯策略，此时策略集为{3,3}，每个概率为1/2，此时的加权平均值最大，为3，此时的混合策略就是BR，它的每一个纯策略也是BR。）

**混合策略的纳什均衡：**混合策略Pi *=(P1 *, P2 *, … , Pn *)是一个NE状态，当且仅当对任意参与人i，在面对P *-i时他的混合策略Pi *是该参与人的BR。（含义：如果均衡中的某参与人采用了混合策略，则该混合策略中的纯策略，准确说是被赋予正概率的纯策略，一定是针对其他参与人策略的最佳决策。）

考虑混合策略的意义：

• 混合策略可能优于一些纯策略（这些纯策略本身并不劣于其他纯策略）；
• 混合策略的最差情况可能好于所有纯策略的最差情况；
• 如果我们只限于纯策略，那么，我们可能找不到博弈的纳什均衡。

【网球博弈】案例：

参与人：Venus VS Serena；

策略：Venus可以选择把球打到Serena的左侧（反手）或者右侧（正手）；

收益矩阵：（假设Senera右手截击水平要高于左手）

例如：U1(L, r)，Venus将球打向对手的左侧，而对手预判失误，防了右侧，那么Venus得分机会为80%，对手防守得分的机会为20%。

那么，Venus应该发挥自己的优势打右球呢，还是抓住Serena的软肋打左球？或者说，Serena应该发挥自己的优势向右倾斜呢，还是针对Venus的劣势向左倾斜呢？

不存在纯策略的NE，寻找混合策略的NE。

首先，我们找Serena的NE混合策略(q, 1-q)，找它的技巧在于分析Venus的收益，Venus面对Serena采取(1, 1-q)时的收益如下：

Serena采取混合决策，如果Venus也采取了混合策略，她有p的概率选左，1-p的概率选右，如果想要对Serena选取最佳决策，无论p多大，它必须是最佳决策，那么Venus选左和选右的收益要满足什么条件？ 换句话说，选左和选右两种情况，本身也一定是最佳决策，如果不是，Venus就会排斥它们，因为只有这样才会提高平均收益。所以，如果Venus是混合策略NE，那么选左和选右的收益一定是相等的，此时左右都是最佳决策。

所以，联立1、2两式解得：q = 0.6，此时Serena混合策略NE（也就是说，当q=0.6时，Venus攻左和攻右，Venus的收益是相等的）。

而我们也知道了Venus采取混合策略，同理，要求Venus的混合策略NE，也要通过Serena的收益来求。

联立1、2两式解得：p = 0.7，此时Venus混合策略NE（也就是说，当p=0.7时，Serena防左和防右，Serena的收益是相等的）。

所以，整体混合策略纳什均衡为： NE = [(0.7, 0.3), (0.6, 0.4)]

• 如果Serena防左的概率大于0.6，那么Venus的BR是把球打向右侧；
• 如果Serena防左的概率小于0.6，那么Venus的BR是把球打向左侧；
• 如果Venus攻左的概率大于0.7，那么Serena的BR是防守左侧；
• 如果Venus攻左的概率小于0.7，那么Serena的BR是防守右侧；

如果，Serena有了个新教练，Serena打反手球（防左侧）的水平提高了，如下图所示，

我们推测，这就会：直接影响q提高；间接影响、战略影响q降低（先是S防左的概率提高，导致V攻左的概率降低，攻右的概率提高，再导致S防右的概率提高，防左的概率相对降低），那么哪种影响的作用更大呢？

我们使用上面同样的方法，解得新的q’ = 0.5，也就是说明，间接影响更大。（此时的p‘ = 7/12 < 7/10）

**验证混合策略中的{p *=0.7, q *=0.6}是否是BR，以Venus为例，验证Venus的混合决策p 是Serena的混合决策q 的最佳对策：

Venus在对手采取(0.6, 0.4)的混合策略下纯策略的收益分别是：

Venus在采取混合策略p*的收益是：

所以，Venus不存在改变纯策略的严格有利改变，她任何一个纯策略的收益都与混合策略p*的收益相等。比如改为一直选L，即p=1，此时的收益仍然是62不变，不存在严格增益，因为混合策略的收益等于所混合纯策略收益的加权平均，那么既然改选纯策略并不严格增益，那么该选混合策略必然不是严格有利改变。

结论：要证混合策略是否是均衡(最佳对策)的，只需要考虑改变纯策略是否严格有利即可。

【约会游戏】案例：

参与人为Nina(女)和David(男)，策略为去摘苹果(apple picking)或耶鲁剧院看戏(Yale Rep and see play)，两人都有自己的偏好，但约会前两人忘记了协商，收益如下：

由上一节可知，在性别大战中，两人的纯策略均衡为(AP, AP)和(REP, REP)，那么是否存在混合策略均衡？

找David的混合策略NE的q*，要通过Nina的收益来求：

之后，我们可以算出混合策略的收益也是2/3。为什么并非最大值2呢？因为其实他们见面的概率并不大，只有1/3 * 2/3 + 1/3 * 2/3 = 4/9。那么，为什么要选择随机化呢？ 我们可以把David的混合策略看成是Nina对于David会怎么做的一种信念，David可能并不是完全随机的，同样，Nina可能也并不是完全随机的，Nina的混合策略也可以看成是David对于Nina会怎么做的一种信念。

所以，此时混合策略并不完全是随机的，我们可以把混合策略看成是处于均衡时人们的某些信念。

【税收检查】案例：

参与人：纳税人tax payer、审计员auditor

策略：对于纳税人来说有如实申报honestly和隐瞒申报cheat，对于审计员来说有审查audit和不审查no

收益：

纯策略不存在NE，寻找混合策略的NE。

通过审计员的收益来求得纳税人的混合策略：

政策实验，提高惩罚，从-10增加到-20。

此时，你觉得，什么会改变？纳税人的纳税意愿会改变吗？

审计员的收益等式并未发生变化，因为他的收益没有变，所以q‘=2/3。也就是说，提高惩罚并没有对纳税人的纳税意愿造成影响，那么什么对纳税意愿有影响呢，或者说，是什么决定了纳税人的混合策略？ => 是审计员的收益，当审计员的收益改变时，列出来的等式才会变化，q才会变化。

那么，提高惩罚影响的是什么呢？ => 审计员的审计概率。

由此可知，**提高逃税惩罚，并不会提高纳税人的纳税意愿，反而会降低审计员的审计概率(**1/6 < 2/7)。

同理，提高逃税的收益(即收益矩阵中右下角的4)，会使得审计员审计概率的增加，因此，耶鲁商学院高收入的教授反而拥有更高的纳税意愿，因为有较高的审计概率存在；联邦审查率的设计更多的去审查富人，这并不是说明穷人比富人更诚实，而是因为富人逃税的收益更大，需要更多的进行审查才能达到均衡；如果想要提高纳税人的纳税意愿，你就要提高审计员审计的收益或者降低审计的成本。