完全信息静态博弈纯策略均衡

完全信息静态博弈纯策略均衡

半夜写推文眼酸，早上绕学校走两圈，回忆代码有bug，故重新推文

1 纯策略完全信息静态博弈

纯策略完全信息静态博弈可以通过严格占优策略反复寻找法、严格劣策略反复剔除法、划线法和箭头法寻找Nash equilibrium。由于划线法使用比较简洁，下文通过R语言模拟并寻找纯策略完全信息静态博弈的Nash equilibrium。

2 R代码操作

算法思路比较简单。假设有甲乙两个参与人，其策略集分别为$(s_1,s_2)$和$(t_1,t_2)$，各自的收益矩假定如下：

# 纯策略完全信息静态博弈=划线法R实现
# 前提：存在纯策略均衡，可求多重均衡
rm(list = ls())
# 甲收益矩阵
M1 = matrix(c(1,2,3,4),2)
# 乙收益矩阵
M2 = matrix(c(4,3,2,1),2)

定义甲乙策略空间中所有策略名称

# 策略空间定义
a = 1:nrow(M1)
b = 1:ncol(M1)
rownames(M1) = paste("s",a,sep = "")
colnames(M1) = paste("t",b,sep = "")
rownames(M2) = paste("s",a,sep = "")
colnames(M2) = paste("t",b,sep = "")
M1 # 甲
M2 # 乙

可以查看甲乙各自的收益矩阵

   t1 t2
s1  1  3
s2  2  4
======================================================================
   t1 t2
s1  4  2
s2  3  1

使用划线法寻找Nash equilibrium,定义两个空矩阵，接收0-1

A = matrix(0,nrow(M1),ncol(M1))
B = matrix(0,nrow(M2),ncol(M2))

给定乙方策略，甲方选择收益最大策略，并把甲策略收益转化为二进制

for(j in 1:ncol(M1)){
  for(i in 1:nrow(M1)){
    if(M1[i,j] == max(M1[,j])){
      A[i,j] = 1
    }else{
      A[i,j] = 0
    }
  }
}

给定甲方策略，乙方选择收益最大策略，并把乙策略收益转化为二进制

for(i in 1:nrow(M2)){
  for(j in 1:ncol(M2)){
    if(M2[i,j] == max(M2[i,])){
      B[i,j] = 1
    }else{
      B[i,j] = 0
    }
  }
}

将甲乙二进制收益矩阵相加，数值为2对应的策略则是Nash equilibrium

C = A+B
rownames(C) = paste("s",a,sep = "")
colnames(C) = paste("t",b,sep = "")
C

   t1 t2
s1  1  0
s2  2  1

可以发现，上述博弈Nash equilibrium是甲选择s2策略，乙选择t1策略。

3 一般情形

将上述过程定义为一个函数

rm(list = ls())
Nash = function(mat1,mat2){
  # mat1参与人1的支付矩阵
  # mat2参与人2的支付矩阵
  #==========================
  # 策略名
  a = 1:nrow(mat1)
  b = 1:ncol(mat1)
  rownames(mat1) = paste("s",a,sep = "")
  colnames(mat1) = paste("t",b,sep = "")
  rownames(mat2) = paste("s",a,sep = "")
  colnames(mat2) = paste("t",b,sep = "")
  
  # 定义两个空矩阵，接收0-1
  A = matrix(0,nrow(mat1),ncol(mat1))
  B = matrix(0,nrow(mat2),ncol(mat2))
  
  # 给定乙方策略，甲方选择收益最大策略
  # 将甲策略收益转化为二进制
  for(j in b){
    for(i in a){
      if(mat1[i,j] == max(mat1[,j])){
        A[i,j] = 1
      }else{
        A[i,j] = 0
      }
    }
  }
  # 将乙策略收益转化为二进制
  for(i in a){
    for(j in b){
      if(mat2[i,j] == max(mat2[i,])){
        B[i,j] = 1
      }else{
        B[i,j] = 0
      }
    }
  }
  # 将甲乙二进制收益矩阵相加，数值为2对应的策略则是Nash equilibrium
  C = A+B
  rownames(C) = paste("s",a,sep = "")
  colnames(C) = paste("t",b,sep = "")
  return(C)
}

设定一个复杂的情形，设甲乙两个参与人的策略集分别为$s_i(i=1,2\dots 5)$,$t_j(j=1,2\dots 6)$

# 收益矩阵设定为随机
N = 30
set.seed(1)
A = matrix(rnorm(N,0,1),5)
set.seed(2)
B = matrix(rnorm(N,0,1),5)
Nash(A,B)

结果为

   t1 t2 t3 t4 t5 t6
s1  0  0  1  0  2  0
s2  0  0  1  0  0  0
s3  0  1  0  1  1  0
s4  1  1  0  0  0  0
s5  0  0  1  0  0  1

结果发现，Nash equilibrium是甲选择$s_1$策略，乙选择$t_5$

---

---

-END-