博弈论——完全信息博弈

版权声明：本文为原创文章，未经博主允许不得用于商业用途。

基本概念

一场博弈中的基本属性：

• N个玩家

• 每个玩家都具有非空备选策略集$A_i,i\in N$

• 收益函数$u_i:A_1\times A_2\times ...\times A_N\to Rfori\in N$ （即所有策略的笛卡儿积作为总体策略集合，其中每个玩家的每种策略都对应一个收益）

  • 收益函数可以被偏序关系取代

• 博弈结果(outcome)：$a=(a_1,a_2,...,a_N)$，其中$a_i$对应第i个玩家所选的策略

• 结果空间(outcome space)：$A=A_1\times A_2\times ...\times A_N$

• 对于每种结果，定义$a_{-i}=(a_1,...a_{i-1},ai+1,...a_N)=a/a_i$，即当玩家i选择策略a时其余玩家采取的策略

• $A_{-i}=A_1\times ...\times A_{i-1}\times A_{i+1}\times ...\times A_N$，即其余玩家的结果空间

• 纳什均衡：策略$a$为纳什均衡点当且仅当：

  $\forall i\in N,\forall a_i\in A_i,u_i(a_i^{\ast },a_{-i}^{\ast })\ge u_i(a_i,a_{-i}^{\ast })$，即所有玩家的策略改变策略都不会获得更多收益，所有玩家都没有改变策略的动机。

• 完全信息博弈即所有玩家的策略偏序关系公开

策略式博弈(Strategy Games)

​ 策略式博弈即为最简单的博弈，具有有限的玩家、非空策略集和收益函数，可以表示为：
G = { N ， { A i } i = 1 N ， { u i } i = 1 N } G=\{N，\{A_{i}\}_{i=1}^{N}，\{u_{i}\}_{i=1}^{N}\} G={N，{Ai​}i=1N​，{ui​}i=1N​}
例如经典的囚徒困境可以表示为：

	confess	don’t confess
confess	-6 -6	0 -12
don’t confess	-12 0	0 0

玩家： N = { 1 , 2 } N=\{1,2\} N={1,2}

策略： A 1 = A 2 = { c , d } A_{1}=A_{2}=\{c,d\} A1​=A2​={c,d}

收益：$u_1(c,c)=-6,u_1(c,d)=0...$

寻找纳什均衡方法：

• $u\in Z$：

  • 1、对每个玩家，找到对于$A_{-i}$中每种策略的的最优收益策略。
  • 2、满足所有玩家最优策略的策略即为纳什均衡点。

• $u\in R$

  • 1、对每个玩家求出其收益最高的函数（以其策略为自变量，导数为0）
  • 2、联立所有玩家的等式，满足所有等式的解集

例题：古诺竞争模型(Cournot Competition)

两家公司需要决定生产量q， G = { { 1 , 2 } , { q 1 , q 2 } , { u 1 , u 2 } } G=\{\{1,2\},\{q_{1},q_{2}\},\{u_{1}, u_{2}\}\} G={{1,2},{q1​,q2​},{u1​,u2​}}

其中商品价格为$p(q_1+q_2)=max(0,a-b(q_1+q_2))$

成本为线性函数$c_i(q_i)=c{q}_i$

收益为 u i ( q 1 , q 2 ) = ( m a x { 0 , a − b ( q 1 + q 2 ) } − c ) q i u_{i}(q_{1}, q_{2})=(max\{0, a-b(q_{1}+q_{2})\}-c)q_{i} ui​(q1​,q2​)=(max{0,a−b(q1​+q2​)}−c)qi​

其中$a>b,c>0,q_1\ge 0,q_2\ge 0$

首先寻找player1的纳什均衡，不妨假设其收益大于0，否则他将停止生产。

则其收益函数为：$u_1=(a-b(q_1+q_2)-c)q_1$

对$q_1$求导：$u^{\prime }=-2b{q}_1+a-c-b{q}_2$，导数为0时取得收益最大值，此时$q_1=\frac{a-c-b{q}_2}{2b}$

对于player2根据对称性可得$q_2=\frac{a-c-b{q}_1}{2b}$，

联立两等式解得：$q_1^{\ast }=q_2^{\ast }=\frac{a-c}{3b}$，即$a^{\ast }=(\frac{a-c}{3b},\frac{a-c}{3b})$

可以拓展到N个玩家博弈，此时同理根据对称性，所有玩家的策略都为$\frac{a-c}{(n+1)b})$

混合策略博弈(Mixed Strategy)

由于纯策略式博弈经常没有纳什均衡点，因此引入混合策略博弈。

基本概念：

​ 在混合策略中每个玩家的策略集为$\Delta (A_i)$为定义在$R^N$上的所有概率分布函数。即为每种策略分配一个概率。

​ 则博弈结果即为$p=(p_1,p_2,...p_N),where{p}_i\in \Delta (A_i)$，博弈收益函数应为混合策略的收益期望值，即为$U_i(p)={\sum }_{a\in A}p(a)u_i(a)$

定理：所有有限博弈都具有混合策略纳什均衡(MNE)

可以证明当所有人的任何纯策略收益相等时可以达到纳什均衡

例题：

如图所示，Player1的最优策略为(U,L), (D, R)，Player2的最优策略的为(U, R), (D, L)，因此没有纳什均衡点。

如果使用混合策略，则令$p_1=(m,1-m),p_2=(n,1-n)$，则：

Player2取L时Player1收益$U_1=2m+5(1-m)$

Player2取R时Player1收益$U_1=4m+2(1-m)$

联立解得：m=3/5

同理求得：n=3/4

因此混合策略纳什均衡时策略为：$p_1=(3/5,2/5),p_2=(3/4,1/4)$

占优策略(Dominant Strategy)

基本概念：

• 弱(weakly)占优策略：如果任意情况下($\forall a_{-i}\in A_{-i}$)玩家某一策略的收益不差于其他任意策略，则此策略弱占优。
• 严格(strictly)占优策略：如果玩家某一策略的收益优于其他任意策略，则此策略严格占优。

显然当一个博弈中某个玩家存在占优策略时，其一定会选择占优策略作为博弈结果。

对应的也有被占优策略：

• 弱被占优策略(Weakly Dominated Strategy)：若对于所有情况下玩家的策略a不优于另一策略b，则策略a被b弱占优。
• 严格被占优策略(Strictly DS)：若一个策略a差于策略b，则a被b严格占优。

显然如果a被b严格占优则a是永远不会被选择的，因此可以借此缩小博弈的规模。

对于混合策略，如果存在某种混合策略p’收益永远高于p，则p被p’严格占优（易知如果a在纯策略中被严格占优则在混合策略中被严格占优，反之不成立）。

• 信念（Belief）：对于一种混合策略博弈博弈的结果$p=(p_i,p_{-i})$，$p_{-i}$即为一个信念。简单来说就是玩家i对于其他玩家行为在$\Delta A_{-i}$上的一种合理推测。
• 理性(rationality)：在某种信念下的最优策略就是理性的。
  • 所有在混合策略纳什均衡中概率不为零的纯策略都是理性的，换句话说只要没有被严格占优就是理性策略。

例题1：

第二高价竞拍模型：

有N个玩家参与竞拍，对于每位玩家商品的实际价值为$v_i\ge 0$，竞拍价格为$b_i\ge 0$，收益为$v_i-b_i$

竞拍规则为最高价者成功，并且按照第二高竞拍价格交易。

对于每个玩家，$b_i=v_i$为一个弱占优策略，因此纳什均衡策略为$(v_1,v_2,...,v_N)$

证明：

不失一般性的，对于第i个玩家：

• 若存在另一玩家竞价$b_k>v_i$，则玩家i会停止竞价保证收益>0。

• 若所有玩家的竞价都低于$v_i$，则玩家i的收益为$v_i-b_i$，设其余玩家最高竞价为$b_k<v_i$，则只需$b_i>b_k$即可竞拍成功，此时收益为$b_k-v_i$，和玩家i的竞价无关。因此$b_i=v_i$为弱占优策略。

例题2：

Beauty Contest(选美竞赛)

有n个玩家从[0,50]中选择一个实数作为自己的评分，越接近所有玩家评分均值2/3收益越大：

$U=50-(a_i-\frac{2}{3}\frac{{\sum }_j{a}_j}{n}{)}^2$

显然对于一种信念$a_{-i}$，玩家i的最优策略为使后一项为0，此时收益最大为50。即
$$a_i-\frac{2}{3}\frac{{\sum }_j{a}_j}{n}=0\Rightarrow (3-\frac{2}{n})a_i^{\ast }=\frac{2{\sum }_{j̸=i}{a}_j}{n}\Rightarrow a_i^{\ast }=\frac{2{\sum }_{j̸=i}{a}_j}{3n-2}\le \frac{2(n-1)50}{3n-2}$$
因此$a_i^{\ast }\in [0,\frac{2(n-1)50}{3n-2}]$

由于所有玩家都是理性的，且知道其他玩家都是理性的，因此在第二轮中重复上述推理，则：

$a_i^{\ast }\in [0,(\frac{2(n-1)}{3n-2}{)}^{2}50]$

重复上述过程，由于系数$\frac{2(n-1)}{3n-2}]<1$，因此最终 $a_i^{\ast }\in [0,\epsilon ],\epsilon \to 0$ ，则取极限后$a_i^{\ast }=0$，即所有玩家的评分都为0。