纳什均衡与极大极小值算法

这篇主要是接上一篇：博弈论初步

支付矩阵

简单的来说，也可以叫收益矩阵，比如硬币案例中的支付矩阵为：

在上一篇中，我们通过分析知道，如果作为纯策略问题，它的纳什均衡点是A正面，B反面：

对于A，反面收益将大于正面收益：max正 = max反 ; min正 < min反
但对于B而言，正面收益将比反面大：max正 > max反 ; min正 = min反

如果两个参与者，策略有限个，我们或许还能画出这支付矩阵，但如果参与者很多？这时候就不能简单画支付矩阵，然后一个个分析了，必要的引入符号表示。

完全信息博弈三要素

参与者集合N ，策略集合 S，支付函数P，简记：[N , {S} , {P}]

极大极小值搜索

以硬币游戏为例，我们采取策略的过程中，每个参与者分别比较了在每种策略下的最大收益和最小损失，才做出了选择。

在我们之前的分析中，采用横向比较：max正 = max反 ; min正 < min反；所以应该选反。
如果我们采用纵向分析，便可以演变出极大极小值搜索了。

和之前的比较不同，极大极小值算法是一个比较保险的算法，可以说是只考虑损失，也可以理解为止损算法，它考虑的更多是将损失降到最低。为什么呢？
\qquad
在我们之前的案例中，双方是同时采取策略的，并没有先后顺序。如果双方有顺序的话，比如A优先考虑到当前的最大收益，肯定采取拥有最大收益的策略，而轮到B时，B也会时自己收益最大，由于是零和博弈，所以B的收益越大，A的损失就越大，结果就如下：

所以maxmin算法呢，min是指旗下所有可能选择中产生的最小收益（损失最大），max指的是旗下所有选择中最大的收益（损失最小）；所以最后的结果是A反面，B出正面

剪枝算法

α-β剪枝算法引用了两个参数（α，β）来代表（max，min），并且初始的时候max=-∞，min=+∞。

因为需要对max更新，一个数和max比较，比max大就更新max，如果你max初值不为-∞，如果出现比你初值还小的max，你就没法更新。min也同理。

现在我们采用深度优先搜索的顺序对博弈树展开搜索

这样搜索在深度不深的时候也是可行的，但是深度一深，就会有爆炸的搜索量。α-β剪枝算法主要就是减去一些没有必要搜索的旁枝，那么什么样的旁枝是没必要搜索的呢？

比如有如下的博弈树，第一次更新了一个节点：

由于这一级选min，再往上一级就得选max了，所以这个max值必然是>=14的，如果右枝的值比14小，就没必要搜索了。

但是我们现在还不知道右枝的值是多少，所以得继续搜索更新：

我们搜索完13后，由于这一级是取最小值，就能得出右枝的值必然<=13。而要对上一级max>=14产生影响，这一级值必须得min>=14，所以这一级其实就没必要搜索，17那枝直接放弃，返回上一级，然后继续搜索：

同理，再继续搜索右枝下一级的值，如果大于14，就没必要继续了。但右枝空白状态，我们还得继续，直到知道他的值：

由于该级是取极大值，所以最后结果必然是max>=15，不可能影响最顶上的min<=14，所以整个右枝被抛弃，直接回顶部：

直接完成了博弈树的搜索。

在α-β剪枝算法中，并不是这样直接传递参数的，它用了两个参数（α，β）来传递（max，min）参数，我们可以思考之前的过程：

开始时，所有（α，β）都为（-∞，+∞）

第一次开始搜索并更新min：

然后继续向上更新max：

然后开始对右枝传递上层参数：

如果继续往下搜索时，遇到任意值x<14时，说明右枝不对（14，+∞）节点产生影响，因为它取的是max，所以就可以直接返回（14，+∞）节点了，从而产生剪枝效果：

继续向上传递参数，然后向右传递参数：

然后继续往下搜索：

此时，再返回上一级，由于15已经大于上级的14，所以上级的极大值被更新后就直接结束了，因为15根本不对再上一级的min产生影响：

α-β剪枝算法

虽然上面那样也是可以剪枝的，我们采用的参数传递是α传到β，β传到α，但是这实际上并没有同时使用两个参数。真正的α-β剪枝算法采用的是α传到α，β传到β，剪枝比较的时候，就用α和β进行比较。我们之前是α传到β，然后β和待更新值比较，真正的α-β剪枝算法相当于把传递的比较值存储在了不更新的那个参数上：

α-β剪枝算法规则：
max层 调整α值，比较自己原先的α，下一层的α和β，取三者最大值
min层 调整β值，比较自己原先的β，下一层的α和β，取三者最小值
当α>=β时进行剪枝。
初值为（α，β）=（-∞，+∞）

然后更新父节点的β值，β=min{ β ，15}=min{ +∞ ，15}=15：

然后继续搜索，更新父节点的β值，β=min{ β ，14}=min{ 15 ，14}=14：

然后继续搜索，更新父节点max层的α值，α=max{ α ，子节点α、β }
α=min{ -∞，-∞，14}=14：

继续往下搜索和传递（α，β）：

继续往下搜索，由于是min层，所以更新β参数，β=min{ β ，13}=min{ +∞，13}=13：

此时（α，β）=（14，13），有α>=β，发生了剪枝，返回父节点，并更新其α值，α=max{ α ，子节点α、β }=14:

继续搜索，并更新父节点β值，β=min{ β ，子节点α、β}=min{ +∞，14、+∞}=14：

继续搜索，并传递参数：

和之前一样更新β值，更新后我们会发现β值并没有变化：

然后我们继续搜索，更新父节点α值，α=max{ α ，子节点α、β }
α=min{ 14，-∞、14}=14：

此时（α，β）=（14，14），由于α>=β，发生了剪枝，返回父节点，并更新其β值，β=max{ β ，子节点α、β }=14: