双人矩阵博弈中的纳什均衡

最新推荐文章于 2024-03-12 17:19:50 发布

春有百花巨小蟹

最新推荐文章于 2024-03-12 17:19:50 发布

阅读量1.9k

点赞数

文章标签：矩阵人工智能

本文链接：https://blog.csdn.net/weixin_45673389/article/details/129625227

版权

双人矩阵博弈学习专栏收录该内容

2 篇文章 0 订阅

订阅专栏

双人矩阵博弈

对于双人矩阵博弈，可建立一个由包含各个联合行为对回报的元素所构成的矩阵。由此，玩家i(i=1,2)的回报函数Ri可表示为一个矩阵。
如果两个玩家完全竞争，则该双人矩阵博弈称为零和博弈。在这种情况下，R1 =-R2。在期望回报上，零和博弈只有唯一的纳什均衡。这意味着，尽管在零和博弈中每个玩家可能具有多种纳什均衡策略，但在这些纳什均衡策略下，期望回报值V均相同。
一般和矩阵博弈是指各种类型的矩阵博弈。在一般和矩阵博弈中，纳什均衡不再唯一，可能具有多个纳什均衡。
在双人矩阵博弈中，定义玩家 i 行为集Ai(i =1,2)的所有概率分布集合为 $\pi _{i}=(\pi _{i}(a_{1}),...,\pi _{i}(a_{m_{i}}))$ ，由此，Vi可为 $V_{i}=\pi _{1}R_{i}\pi_{2}^{T}$ （因为Ri要靠执行对应的动作才能获得，因此两边乘上对应策略的概率，便是当前情况下的Vi）
双人矩阵博弈的纳什均衡是指对于两个玩家的策略对 $(\pi _{1}^{*},\pi _{2}^{*}),i=1,2$ ,具有 $V_{i}(\pi _{i}^{*},\pi _{-i}^{*})\geqslant V_{i}(\pi _{i},\pi _{-i}^{*}),\forall \pi _{i}\in PD(A_{i})$ ，式中，-i是指玩家i以外的其他玩家；PD(Ai)为玩家i的行为集Ai的所有概率分布集合。这个公式的含义是，固定除i以外的其他玩家的策略，玩家i采取最优策略的V值，比采取其他策略的V值要大。
假定每个玩家在游戏中只有两种行为，则双人-双行为的一般和矩阵博弈可以定义如下： $R_{1}=\begin{bmatrix} r11&r12&\\r21&r22\end{bmatrix},R_{2}=\begin{bmatrix} c11&c12&\\c21&c22 \end{bmatrix}$ ，式中， $r_{lf}>r_{-lf},c_{lf}>c_{l-f}$ ，其中 $l,f\in {1,2}$ ，式中，-l和-f分别表示除行l之外的其他行和除列f之外的其他列。

双人零和矩阵博弈中的线性规划

线性规划

求解双人零和矩阵博弈中的纳什均衡等价于寻找下列方程的最小解 $\max_{\pi _{i}\in PD(A_{i})}\min_{a _{-i}\in A_{i}}\sum_{a_{i}\in A_{i}} R_{i}\pi _{i}(a_{i})$ ， $\pi _{i}(a_{i})$ 是指玩家 i 的行为 $a_{i}$ 的概率分布， $a_{-i}$ 表示除玩家i以外的其他玩家的所有行为，根据上式，每个玩家都试图在与对手对抗的最坏情况下得到最大化回报。为求解上式，可采用线性规划方法。
假设给定一个2x2的零和矩阵博弈如下：

式中，R1为玩家1的回报矩阵，R2为玩家2的回报矩阵。
定义pj(j=1,2)为玩家1第j个行为的概率分布，而qj为玩家2第j个行为的概率分布。
由此，玩家1的线性规划问题可表示为寻找(p1,p2)以使得V1最大化，且满足：

玩家2的线性规划问题可表示为寻找(p1,p2)以使得V2最大化，且满足：

为解决上述线性规划问题，可采用单纯形法来寻找几何最优点。

线性规划举例 -- 猜硬币

猜硬币游戏中，玩家1的回报矩阵如下：

由于 p2=1-p1，则玩家1的线性规划问题为：寻找p1使得V1最大化，且满足

根据上述线性约束画图，如下：
其中横轴为V1，纵轴为p1；图中灰色区域为V1区域（V1<=那两条线上的V1值）；当p1=0.5时，V1最大，为0；则寻找到p1=0.5使得V1最大，那p2=1-0.5=0.5，那玩家1的纳什均衡为：（0.5，0.5）
对玩家2做同样操作，也能得到，玩家2的纳什均衡也为（0.5，0.5）

猜硬币纳什均衡代码

import numpy as np
def Nash_LP_Point(R:list):
    x = np.arange(0, 1.1, 0.1)
    line1 = {}
    line2 = {}
    point = []
    for i in x:
        i = round(i, 2)
        j = round(R[0][0] * i + R[1][0] * (1 - i), 2)
        line1[i] = j
    for i in x:
        i = round(i, 2)
        j = round(R[0][1] * i + R[1][1] * (1 - i), 2)
        line2[i] = j
    # print(line1)
    # print(line2)
    # print(f'line1两个端点：0:{line1[0]},1:{line1[1]}')
    # print(f'line2两个端点：0:{line2[0]},1:{line2[1]}')
    for i1 in x:
        for i2 in x:
            i1 = round(i1, 2)
            i2 = round(i2, 2)
            if i1 == i2:
                if line1[i1] == line2[i2]:
                    # print(f'交点：{i1, line1[i1]}')
                    point.append((i1, line1[i1]))
                    break

    e_point = {'10': line1[0], '11': line1[1], '20': line2[0], '21': line2[1]}
    e_point_sort = sorted(e_point.items(), key=lambda x: x[1], reverse=False)
    # print(e_point_sort)
    if e_point_sort[0][1] >= e_point_sort[1][1]:
        a = int(e_point_sort[0][0]) % 10
        b = e_point_sort[0][1]
        point.append((a, b))
    else:
        a = int(e_point_sort[1][0]) % 10
        b = e_point_sort[1][1]
        point.append((a, b))
    #print(point)
    point = sorted(point, key=lambda x: x[1], reverse=True)
    print(point[0])

R1=[[1,-1],[-1,1]]
Nash_LP_Point(R1)
R2=[[-1,1],[1,-1]]
Nash_LP_Point(R2)
R3=[[1,2],[-1,1]]
Nash_LP_Point(R3)

春有百花巨小蟹

关注

0
点赞
踩
4

收藏

觉得还不错? 一键收藏
打赏
0
评论
双人矩阵博弈中的纳什均衡

表示除玩家i以外的其他玩家的所有行为，根据上式，每个玩家都试图在与对手对抗的最坏情况下得到最大化回报。为求解上式，可采用线性规划方法。求解双人零和矩阵博弈中的纳什均衡等价于寻找下列方程的最小解。为解决上述线性规划问题，可采用单纯形法来寻找几何最优点。是指玩家 i 的行为。
复制链接

扫一扫