耶鲁大学博弈论公开课全24集第19集笔记:招商引资和战略投资

1. 视频地址

Bilibili耶鲁大学博弈论公开课全24集

2. 本集思维导图

图2.1 博弈论第19集思维导图

3. 上集回顾

  1. 信息集:用于帮助对不完善信息进行建模。
  2. 不完善信息:使我们在同一个博弈中获知同时行为(simultaneous movement)和序贯行为(sequential movement)的方法。
  3. 策略:对于每个参与人来说,策略在每一个信息集中给予他们指示。
  4. 子博弈:简单来说就是博弈中的博弈。
  5. 子博弈精炼纳什均衡:指导参与人在每个子博弈中都达到纳什均衡。是整个博弈的纳什均衡,在每个子博弈中也仍然存在纳什均衡。

4. 案例一:“别搞砸了”

图4.1 别搞砸了

4.1 问题分析

首先采用逆向归纳法(Backward Induction)分析,可以得到参与人做出的选择是(U,L,U)。但是在课堂投票中出现了参与人1选择一开始就退出(选择D)的情况和参与人2在参与人1选择U后选择R的情况。

第一种情况来源于参与人1担心参与人2会在第二步搞砸(不去选择L而去选择R)导致自己本可以获得4个单位的收益最后只能获得1个单位。所以参与人1更愿意先退出获得2个单位的收益。

第二种情况来源于参与人2担心参与人1会在第三步搞砸(不去选择U而去选择D)导致自己本可以获得3个单位的收益最后只能获得1个单位。所以参与人2更愿意选择R获得2个单位的收益。

所以需要参与人1相信参与人2不会搞砸,参与人2相信参与人1不会搞砸,参与人1相信参与人2相信参与人1不会搞砸…(类似序贯理性)才能使得(U,L,U)成立。

使用4*2矩阵表示该序贯博弈:

参与人1/参与人2 L R
UU 4,3 1,2
UD 3,1 1,2
DU 2,1 2,1
DD 2,1 2,1

可以找到三个纳什均衡,分别为(U,L,U),(D,R,U),(D,R,D)。第一个显然是我们通过逆向归纳法得到的,而后俩个则并不适合逆向归纳法(符合之前我们分析的害怕把对方把事情搞砸的想法)我们需要去找到子博弈精炼纳什均衡。

4.2 冗余的指示告诉我们如何行动

最后一个结点形成的子博弈中,纳什均衡是选择U,得到(4,3)。(U,L,U)和(D,R,U)指示我们去选择U,而(D,R,D)中指示我们选择D,不能构成子博弈的纳什均衡,故是冗余指示,所以可以排除(D,R,D)。

倒数第二个结点形成的子博弈中,博弈矩阵如下,存在两个纯策略纳什均衡(U,L),(D,R):

参与人1/参与人2 L R
U 4,3 1,2
D 3,1 1,2

(U,L,U)的后两步符合(U,L),指示正确;(D,R,U)的后两步不符合(U,L)和(D,R),即指示错误;(D,R,D)的后两步符合(D,R),指示正确(虽然(D,R,D)已经被排除了,但是它正确指示了此时形成的纳什均衡)。因此我们排除(D,R,U)。

再考虑原博弈,我们已经排除了(D,R,U)和(D,R,D),唯一剩下的(U,L,U)是子博弈精炼纳什均衡,而且符合我们逆向归纳法的结果。

4.3 结论

子博弈精炼纳什均衡很容易求出,只需要考虑子博弈,是否使得每个子博弈都达到纳什均衡,只需从后面往前开始分析,从最后一个子博弈到主博弈。

②子博弈精炼纳什均衡和逆向归纳法结果一样,逆向归纳法选出的纳什均衡是子博弈精炼纳什均衡

③行动似乎多余的步骤可以帮助我们分析别人怎么预测我在下一节点运动的。,在我终止前我会考虑你对我的行为是怎么想的

5. 案例二:介绍人博弈

图5.1 介绍人博弈

5.1 问题描述

参与人1会选择是否撮合一对男女(参与人2和参与人3),若不撮合则无任何效用发生,若撮合则男女进行“性别之战(Battle of sexes)”,如果他们见面(协调成功)则三者皆大欢喜,如果男女未能做出相同的选择,则撮合人因没能成功撮合,效用为-1。

5.2 纯策略情况分析

首先从最后一个子博弈(即参与人2所处结点,因为3处在同一信息集内那里不能构成子博弈)进行倒推。我们可以得到“性别之战”的博弈矩阵(不妨也在收益里加上参与人1的收益):

参与人2/参与人3 G S
G 1,2,1 -1,0,0
S -1,0,0 1,1,2

我们可以得到两个纯策略纳什均衡(G,G)和(S,S)。对于参与人1来说此时只关注参与人2和参与人3是否能见面,很幸运的是,此时的两个纯策略纳什均衡都可以给他带来收益。

考虑原博弈,此时参与人1将会在不撮合的0收益和撮合而产生的1收益(因为他知道另外两人会形成纳什均衡)中选择,他会选择撮合。故纯策略情况下,子博弈精炼纳什均衡有两个:(撮合,G,G)和(撮合,S,S)

5.3 混合策略情况分析

在参与人2和参与人3选择混合策略的情况下,参与人1是否会选择撮合参与人2和参与人3?

根据我方使用混合策略必然使得对方使用任何策略都没有区别,我们可以得出双方混合两种策略的概率:

参与人2/参与人3 1 3 \frac{1}{3} 31G 2 3 \frac{2}{3} 32S
2 3 \frac{2}{3} 32G 2,1 0,0
1 3 \frac{1}{3} 31S 0,0 1,2

此时两人协调成功的概率为:
2 3 × 1 3 + 1 3 × 2 3 = 4 9 \frac{2}{3}\times \frac{1}{3}+\frac{1}{3}\times \frac{2}{3}=\frac{4}{9} 32×31+3

  • 3
    点赞
  • 6
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: ORL(Olivetti Research Laboratory)和Yale是人脸识别领域中常用的实验数据集。这两个数据集都包含了大量的人脸图像,用于训练和评估人脸识别算法。 ORL数据集包含了40个人的400张人脸图像,每个人的图像都有10张。这些图像是在不同的天气、灯光和一些表情变化的条件下采集的。这个数据集的优点是规模较小,包含了不同人的变化,适合用于快速算法验证和初步评估。 Yale数据集是由Yale大学提供的,包含了15个人的165个人脸图像。每个人都有11种不同表情和灯光条件下的多张图像。这个数据集的特点是有较大的光照变化,对于研究光照不变性有一定的意义。在实验中,研究者通常使用这个数据集进行算法性能的比较和分析。 通过使用这些数据集,研究者可以训练不同的人脸识别算法,并通过对测试集进行验证和评估,来比较算法的准确性和棒性。这些数据集的广泛使用,使得研究者能够更好地了解人脸识别算法的效果,并为实际应用提供支持。 ### 回答2: ORL和Yale都是人脸识别领域广泛使用的实验数据集。 ORL数据集是欧洲院士大会(ORL)提供的一个常用人脸识别数据集。该数据集包含了40个人的400张灰度人脸图像。每个人脸图像都有10个不同的姿势(实验条件)下的40张照片。这些图像涵盖了光照、表情和姿势变化等常见变化。 Yale数据集则是大学提供的另一个常用人脸识别数据集。该数据集包含了15个人的165张人脸图像。每个人脸都包含了11个不同的光照条件下的15张照片。这些图像包含不同程度的光照变化,从强烈光照到弱光照等变化。 这两个数据集都在人脸识别算法评估和比较中被广泛使用。由于它们包含了不同的人脸变化情况,可以用于测试算法在光照、表情和姿势等方面的棒性和准确性。同时,这些数据集规模相对较小,便于在实验室环境中进行快速的算法开发和测试。 ORL和Yale数据集的使用有助于推动人脸识别技术的发展和优化。研究者们可以利用这些数据集来验证自己的算法的性能,并与其他算法进行比较。通过对这些数据集的分析,可以提高人脸识别系统的准确性、棒性和适应性。 ### 回答3: ORL数据集是用于人脸识别研究的常用数据集之一。该数据集包含了40个不同人物的400张灰度人脸图像,每个人都有10张图像。这些图像以实验室的自然光线和不同的面部表情拍摄,并且在图像中尽可能地栅格化。此外,每个人的图像还在不同的时间间隔内拍摄,以模拟现实情况下的变化。 Yale数据集也是另一个常用的人脸识别数据集。该数据集包含15个人的165张人脸图像,每个人有11张图像。这些图像是在不同的环境下拍摄的,包括不同的光照条件和面部表情。此外,还有一些图像带有遮挡物,如墨镜和口罩,以增加实验的难度。 这些人脸识别实验数据集被广泛用于评估和比较不同的人脸识别算法。研究人员可以使用这些数据集来测试他们的算法在不同环境下的性能,并从中获得有关人脸识别准确性、棒性和健壮性的信息。此外,这些数据集还可以用于实验中的训练和验证,以提高人脸识别算法的性能。 总之,ORL和Yale等人脸识别实验数据集提供了一个标准的和实用的工具,用于研究和评估人脸识别算法的性能。通过使用这些数据集,研究人员可以更好地理解和改进现有的人脸识别技术,以满足不同应用场景的需求。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值