一个想法：走向“纳什均衡”是普遍存在的大趋势

©作者 | coolmud

单位 | 中国移动研究院

研究方向 | 博弈论、机器学习

“纳什均衡”（Nash Equilibrium）是博弈（game）中一种特别状态：每个玩家单方面改变自己的策略（strategy）都不会有更好的收益。因此，所有玩家都会固守自己的策略，否则“不一定损人但一定不利己”，从而使得这个均衡状态具备一定的稳定性。1951 年，约翰·纳什就在数学上证明了均衡点存在。不过，虽然我们能体会玩家们不愿意离开均衡点，迄今为止却很少在现实世界中找到纳什均衡的存在，也找不到把玩家们推向均衡点的力量。事实上，玩家们实在没有理由主动去找均衡点而因此被困住。更重要的是，就算本着“公心”，在均衡点所有玩家收益总和还往往不是最高的。话句话说，在现实世界，无论是人类社会，还是广泛大自然，一个博弈要走向纳什均衡，要么有个超越于普通玩家的“协调者”在主动促成，要么是玩家们普遍的、不自觉的、简单的行为导致。 

我们先来排除协调者的可能性。首先协调者也没有动机搞什么“高大上”的纳什均衡，因为就算它能忍受不是最高的收益总和，也未必喜欢过于稳定而失去改变的能力。其次就是，协调者未必做得到。在玩家数量很多、策略数量也很多的情况下，协调者如何能够通悉所有玩家的收益情况？采用何种高效的算法？哪来的算力？要知道数学上可没有非常高效的算法，尤其是多人博弈。最后就是，回到刚才说的，就算协调者计算出均衡点，要为数众多的玩家通通欣然接受照做其策略也是一个大工程。因此，协调者的意愿不太可能是推动纳什均衡的动力。 

剩下的可能就是，在没有协调者的情况下， 玩家们的行为导致博弈走向均衡。假如真是这样，这种行为应该是玩家们普遍具备的，也应该是玩家本能驱动或者大自然规律强制的。因此，这个行为最终也应该是简单的，简单到每个玩家只需要看到自己的收益情况就能不断调整自身策略，而不需要考虑其他众多玩家的策略、收益情况，更不用关心均衡点在哪里。另外，简单意味着玩家们行为只需要极少的计算，最好是丁点都没有。 

而本文的主要观点就是，在现实世界玩家这种行为是普遍存在的，所以博弈走向纳什均衡是普遍存在的趋势。这种行为就是“平滑地、等比例地压制零遗憾策略”。

论文标题：

Geometrical regret matching: A new dynamics to Nash equilibrium

论文地址：

https://doi.org/10.1063/5.0012735

论文代码：

https://github.com/lansiz/eqpt

“平滑地、等比例地压制零遗憾策略”

这句话我们可以拆开来讲。先说说“零遗憾（regret）的策略”。假设某玩家具备三个策略 (A, B, C)，且该玩家使用纯策略获得的收益分别为20、-30、50，表示为 [20, -30, 50]。又假设在某次博弈中该玩家采用了混合策略，例如 (0.6, 0.3, 0.1)，那么玩家得到的收益是把混合策略当做概率分布进行计算࿱