博弈论——非完全信息博弈

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。

​ 在实际情况中，博弈对手的收益大多为不可见的，即每个玩家有公共信息和私有信息。

贝叶斯博弈

基本概念

• 在贝叶斯博弈中为每位玩家增加一个类型空间${\Theta }_i$包含其所有的私有信息(针对不同策略的不同收益函数)

• 所有玩家类型空间的选择满足概率分布$p=p({\theta }_1,...,{\theta }_N)on{\times }_{i=1...n}{\Theta }_i$

• 玩家i的一种纯策略$a_i=(a_i({\theta }_i^1),a_i({\theta }_i^2),...,a_i({\theta }_i^{n_i}))$，其中$n_i$为玩家i类型空间的大小（可以看成${\Theta }_i\to A_i$的映射）。

• 收益函数可以写作$u_i(a_1,...a_N,{\theta }_1,...,{\theta }_N),{\theta }_i\in {\Theta }_i$，即针对每一种博弈结果，玩家的每种类型都有一个收益。

• 贝叶斯博弈中类型空间的选取满足贝叶斯公式，即$p({\theta }_{-i}|{\theta }_i)=\frac{p({\theta }_i,{\theta }_{-i})}{p({\theta }_i)}$

• 博弈结果需要每位玩家在每个类型上选择一种最优策略，因此最终结果表示为$((a_1({\theta }_1^1),...,a_1({\theta }_1^{n_1})),...,(a_N({\theta }_N^1),...,a_N({\theta }_N^{n_N}))$

• 玩家i某一类型收益为所有其余玩家所有策略的期望：$U_i(a_i({\theta }_i),a_{-i})={\sum }_{{\theta }_{-i}}p({\theta }_{-i}|{\theta }_i)u_i(a_{-i}({\theta }_{-i}),a_i,{\theta }_{-i},{\theta }_i)$

  综上，贝叶斯博弈可以表示为 G = { N , { A i } , { Θ i } , { u i } , p } G=\{N,\{A_i\},\{\Theta_i\},\{u_i\},p\} G={N,{Ai​},{Θi​},{ui​},p}。

例题1：

Bank Runs

两名客户在银行中都有100的资产，如果遇到好的银行家则两人都可以获得150，否则失去所有资产。

客户可以取出自己的存款，但银行只有100的资金，一个取出另一个资产为0，如果两个人都选择取出则每人获得50。

其中：Player1以概率p相信银行家，Player2知道银行家的好坏。

化规为贝叶斯博弈：

策略集为：$A_1=A_2=W,N$（W即withdraw, N即not）

类型空间为： Θ 1 = { 1 } , Θ 2 = { G , B } \Theta_1=\{1\},\Theta_2=\{G,B\} Θ1​={1},Θ2​={G,B}，Player1只有一种类型，Player2具有类型G(好银行家)和B(坏银行家)

概率分布只针对玩家1，$p_1({\theta }_2=G)=p$

则：

• 如果Player1选择W，则玩家2最优策略为： B 2 ( W , G ) = { W } ;   B 2 ( W , B ) = { W } B_2(W,G)=\{W\}; \ B_2(W,B)=\{W\} B2​(W,G)={W}; B2​(W,B)={W}。则：
  • $U_1(W,B_2)=50p+50(1-p)=50$
  • $U_1(N,B_2)=0p+0(1-p)=0$

显然此时Player1无理由更换策略，因此达到贝叶斯纳什均衡。

• 如果Player1选择N，则玩家2最优策略为： B 2 ( N , G ) = { N } : B 2 ( N , B ) = { W } B_2(N,G)=\{N\}:B_2(N,B)=\{W\} B2​(N,G)={N}:B2​(N,B)={W}。则：
  • $U_1(W,B_2)=100p+50(1-p)$
  • $U_1(N,B_2)=150p+0(1-p)$

因此当$U_1(N,B_2)\ge U_1(W,B_2)$时达到贝叶斯均衡，即$p\ge 0.5$

例题2：

第一高价拍卖：

更改之前的规则：两名玩家参与竞拍，玩家只知道自己的实际价值，其他玩家的实际价值为[0,1]的任意实数，且等概率，竞拍价格为$b_i=a{v}_i,(a>0)$

玩家1收益函数定义为：

​ $v_1-b_{1}if{b}_1>b_2$

​ $v_1/2-b_{1}if{b}_1=b_2$

​ $0otherwise$

则玩家1的收益为：$U_1(b_i,bj(v_j),v_i)=(v_i-b_i)p[b_i>b_j(v_j)]+(v_i-b_i)/2p[b_i=b_j(v_j)]+0p[b_i<b_j(v_j)]$，其中$b_i>b_j\iff b_i>a{v}_j\iff b_i/a>v_j$

​ 由于$v_j$z在[0,1]为均匀分布，因此$b_i在[0,a{v}_j]$为均匀分布，因此:

$p[b_i>b_j]=b_i/a,U_i(b_i,b_j,v_i)=(v_i-b_i)b_i/a,当b_i=v_i/2$时取得最大值。

​ 如果拓展到N个博弈玩家则 U 1 ( b i , b j ( v j ) , v i ) = ( v i − b i ) p [ b i &gt; m a x { b j ( v j ) } ] + ( v i − b i ) / 2 p [ b i = m a x { b j ( v j ) } ] U_1(b_i,bj(v_j),v_i)=(v_i-b_i)p[b_i&gt;max\{b_j(v_j)\}]+(v_i-b_i)/2p[b_i=max\{b_j(v_j)\}] U1​(bi​,bj(vj​),vi​)=(vi​−bi​)p[bi​>max{bj​(vj​)}]+(vi​−bi​)/2p[bi​=max{bj​(vj​)}]

且 b i &gt; m a x { b j } ⇔ v i &gt; m a x { v j } b_i&gt;max\{b_j\}\Leftrightarrow v_i&gt;max\{v_j\} bi​>max{bj​}⇔vi​>max{vj​}，且各玩家的真实价值相互独立，因此 p [ v i &gt; m a x { v j } ] = ∏ j ≠ i p [ v i &gt; v j ] = v i N − 1 = ( b i / a ) N − 1 p[v_i&gt;max\{v_j\}]=\prod_{j\neq i} p[v_i&gt;v_j]=v_i^{N-1}=(b_i/a)^{N-1} p[vi​>max{vj​}]=∏j̸​=i​p[vi​>vj​]=viN−1​=(bi​/a)N−1，收益为$(v_i-b_i)(b_i/a{)}^{N-1}$。

求导得：$b_i^{n-2}(((N-1)v_i-N{b}_i)=0\Rightarrow b_i=\frac{N-1}{N}{v}_i$