读点《博弈论》（一）

读点《博弈论》（一）

Marshal Zheng 2019-06

背景

最近中美贸易摩擦引发各方面问题，不乏博弈论的影子。与此同时，在复习网络设计课程内容的时候，总是会想到其中的某些设计与《博弈论》中提到的诸多内容相契合，例如CSMA系列方案，争与不争，这是个问题。

能够想起来《博弈论》中相关的原理，但是不是记得特别清楚，而且忘了比较专业的名字是什么了，很是烦恼，那就重读一遍，并做好笔记。

正文

序言

• 零和游戏：游戏者有输有赢，但是整个游戏的总成绩永远为0，整个博弈的过程就是一个零和博弈——一个人的所得永远等于另一个人所失。

• 博弈是一种策略的相互依存状况：你的选择，即策略将会得到什么结果，取决于另一个或者另一群有目的的行动者的选择。

• 不过，更常见的是，既有共同利益，又有利益冲突，从而可能出现导致共同受益或者共同受害的策略组合。

• 如果你离开双方相互适应的简单原则，那么你的聪明是不会有好结果的。

• 任何游戏都有其规则。规则既不能太死，也不能太宽松。好的规则才给游戏者选择的空间，才好玩。

• 古老的政府形态都要确立一个领导人，他拥有绝对权威，主导重大决策。在危急的情况下，一个受认可的领导者不论多么无能，都比完全没有领导人要来得好，所有军队都明白这个道理。

• 理性的决策是重要的，但是有时候，没有选择的决策和运气也是很重要的。

• 走在鲁莽和优柔寡断之间的空间。

chapter 1

• 囚徒困境
  • 河蚌和鹬鸟的故事，相互之间谁都不放嘴，最终渔夫获利
  • 甲乙两个人被抓住，主动坦白和顽抗到底有不同的后果，也会对对方造成影响，他们都选择对自己最有利的那个选择。而非全局最优。
  • 个体对自身利益的追求会损害整体的利益。
  • 启示1：在“囚徒困境”中最好的策略直接取决于对方采用的策略。
  • 启示2：在“囚徒困境”这样的环境中，背叛是最好的选择，虽然整体结果不甚理想。
• 从另一个角度看，如果他们合作（不招供），整体会得到最好的结果
  • 经济角度，几个大企业联手形成对行业的垄断，谋求最大利润，他们结成的联盟成为“卡特尔”
  • 但是，“卡特尔”由于组成成员的自由独立性，其本身就是不稳定的
• 优势——劣势——均衡
  • 双方的策略往往都是有迹可循的，并形成某种定式，即均衡
  • 一种博弈是两者同时进行的，双方同时行动，只能根据先前的动作和当前的形势（有利或者不利）做出反应，例如《时代周刊》和《新闻周刊》同时刊发文章博取受众的眼球。
  • 下棋是相继进行的，一前一后的，每个参与者必须向前展望，估计对手的意图，从而倒后推理，决定自己的这一轮应该怎么走**（前向计算，后向传播）**
  • 同时策略的最优：站在对方的角度看，就可以确定其当前选择的对手最优策略，从而根据这个策略分析自己当前的最优策略。
  • 也就是说，在这个博弈里，当对手有优势策略的时候，双方都有一个优势策略。
• 马太效应：凡是少的，连他仅有的也夺过来；凡是多的，就加给他，让他更多。
  • 追求最佳，避免最差
  • 不是所有博弈都有一个优势策略
  • 实际上，优势与其说是一种规律，不如说是一种例外。虽然一个优势策略可以大大简化行动规则，但却并不适用于大多数生活中的博弈。
  • 剔除所有的劣势策略，选择较优的那一个，降低博弈的复杂度
• 纳什均衡
  • 一个策略组合中，所有参与者面临这样的一种情况，当其他人不改变策略的时候，他此时的策略是最好的，也就是说，此时如果他改变策略，那么他的支付将会降低。在纳什均衡点上，每一个理性的参与者都不会有单独改变策略的冲动。
  • 在囚徒困境中的纳什均衡点是：两个囚犯均选择招供，这是唯一稳定结果
  • 有些博弈纳什均衡点不止一个
  • 为什么参与者要达到这样一个结局呢？
    • 避免循环推理，没用的
    • 零和博弈中，应充分考虑对手的最佳对策
    • 注重实效检验
  • 当然，均衡并不一定是最有利的结果
  • 不一定存在纯策略纳什均衡点（唯一的），但至少存在一个混合策略纳什均衡点，即策略空间上的概率分布，不是唯一的策略
  • 策略空间上的概率分布：可以用概率论的内容来分析。
    • 例如警察和小偷的故事：一个小偷去偷银行（2万）和酒馆（1万），一个警察应该如何选择去坚守哪一个地方。这里最好的做法是抽签决定，小偷的行为是随机的，银行的价值是酒馆两倍，所以用两个签，酒馆一个，这样警察有2/3的概率就银行，1/3的概率去酒馆。同样小偷也是用抽签的方法决定自己去哪里行窃，用两个签去酒馆，1个签去银行。
• 解决问题的公式
  • 找出问题发生的原因
  • 分辨情报的价值
  • 彻底推行解决方案
  • 观察事情是否进行的顺利
• 斗鸡博弈
  • 两只公鸡相遇，每只鸡有两个选择：退下来或者进攻。如果一方进攻，一方退下来，则进攻者胜利，另一方丢了面子，如果都前进，那么两败俱伤。
  • 这个博弈有两个或者两个以上的纳什均衡点，无法预测斗鸡博弈的结果。
  • 古巴导弹危机的例子

chapter 2

• 同时行动博弈
  • 行动法则：寻找运用优势策略；避免劣势策略，同时假定对手也这样做；寻找运用均衡。
• 一报还一报的伟大胜利
  • 合作、背叛的计算机竞赛。根据比赛规则，合作和背叛都会得到不同的分数，当一方合作一方背叛时，背叛者得到5分，合作者得到0分，如果都背叛得1分，如果都合作得3分。如何设计算法，使得比赛官方给出的各种情况的整体得分最高。
  • 一报还一报的策略比其他各种复杂算法都有更好的结果
  • 一报还一报：第一步合作，对方每次一背叛之后就背叛一次，如果对方合作，那么就合作。
  • 每个正常人都会知道面对这样的对手占便宜只能是一次获利，之后都两败俱伤，而与他们合作才是最佳的选择。而一报还一报的人也给了对手自己的明确行为准则。
  • 启示：不是靠打击对方（一直背叛），而是靠从对方引出使得双方都获利的行为
  • 启示：你不必每次都赢
  • 启示：
    • 不要嫉妒
    • 不要首先背叛，不善良的规则可能付出代价
    • 对合作与背叛都要给以反馈
    • 不要耍小聪明，事实证明，参赛者设计的各种精巧复杂的算法，都不如这样的简单策略结果要好
• 笼中猪博弈
  • 笼子两头猪，一只大，一只小，按一下进食按钮有10份食物，但是按按钮要消耗2份，如果小猪按，那么大猪吃9，小猪吃1，如果大猪按，大猪吃6，小猪吃4，如果一起，那么大猪吃7，小猪吃3
  • 通过分析比较，等待（不去按）是小猪最优的策略，而大猪只剩下两个选择：等待-什么也得不到；去按-净得到4份。所以，此时大猪的劣势策略是等待，删掉。
  • 最终的情况是：大猪去按按钮，小猪坐享其成
  • 其实：资源占有者必须承担更多的义务
• 持续性和未来的影响
  • 如果未来相对于现在是足够重要的话，双方的合作是稳定的
  • 如果接触不是重复的，合作就非常空难，此时背叛就可能是最好的选择
  • 增大未来的影响：
    • 例如婚礼
    • 接触更加频繁，比如行业内部大公司之间接触的默契
• 改变收益值
  • 出租政府奖章和出售政府奖章的收益完全不同
• 利他主义：教育人们相互关心
• 教育人们要反馈
  • 一报还一报可能会造成无休止的仇恨
  • 也可以是一报还9/10报，教育人们多一点宽容（随机退避）
• 战争决策
  • 人海战术？？？现代战场不可行
  • 兰彻斯特定律：分散敌军，各个击破
    • 精巧的15支军队和地方17支军队的对决
      • 军力为人数的平方（假设）
      • 225-289显然失败
      • 不过若是地方分散：225-144，之后81-25，便得到了胜利
  • 合则两利，分则两害
  • 守而不足，攻则有余
    • 有一定的兵力，一定要用来进攻，而不是防守
    • 消极别动防御很少能坚持到最后
  • 例子：敌军三个师，守两路（通往地方大本营），我方两个师，攻打敌方大本营；规则：每次相遇，由于敌方是守方，所以我方必须人数多于敌方才能获胜，否则失败。
    • 策略分析：
      • 敌军：3A,0B; 2A1B; 1A2B; 0A3B
      • 我军：2A; 2B; 1A1B
    • 事实证明，我军的最优策略是集中两个师的兵力进攻其中一条路，在敌众我寡的情况下仍然能够拿到50%的成功率。
    • 而如果双方军队数量相同，我方则可以拿到2/3的成功率
  • 胜利方法
    • 了解对手
    • 保证自己的信息不被对方了解
• 表明立场
  • 人人都追求胜利，但不是所有的胜利都是值得的，可能有的需要付出沉重的代价
  • 成本就是为了得到某些东西必须放弃的东西

chapter 3

• 认识自己，选择自己擅长的
• 如果不断修正想法、物体或者过程，就会逐渐把任务缩小为核心的部分
• 骑虎难下的博弈
  • 最好的行动是：及早推出
  • 千万不要抱有侥幸，越陷越深
• 焦土政策
  • 显示自己绝不妥协的立场
  • 增大对手的成本
  • 破釜沉舟
• 威胁和许诺
  • 威胁和许诺必须让对方看到和明确
  • 威胁和许诺要适度，而且自己的代价应该是越小越好
• 不能取胜，就该谋和
  • 避免时间、精力等资源的浪费
  • 借妥协的时间，扭转劣势——战术