博弈模型.docVIP

1 人质困境　　此为博弈模型之一，人质困境：多个人的囚徒困境 　　要理解这个定义，我们可以从这样一个童话故事开始： 　　老鼠们意识到，假如可以在猫脖子上系一个铃铛，那么，他们的安全就会有保障。问题在于，谁会愿意冒赔上小命的风险给猫系上铃铛呢？老鼠所面临的这个问题同样摆在人类面前：人们在直接面对威胁或损失时，也面临同样的心理困境。 　　在一群人面对威胁或损失时，“第一个采取行动”的决定是很难做出的，因为它意味着将付出惨重代价。这个困境便就叫做人质困境。 酒吧博弈2008年04月11日 星期五 23:16美国著名的经济学专家阿瑟教授于1994年提出了少数人博弈这个理论。其理论模型是这样的： 有100个人很喜欢泡酒吧。这些人在每个周末，都要决定是去酒吧活动还是待在家里休息。酒吧的容量是有限的，也就是说座位是有限的。如果去的人多了，去酒吧的人会感到不舒服。此时，他们留在家中比去酒吧更舒服。 假定酒吧的容量是60人，如果某人预测去酒吧的人数超过60人，他的决定是不去，反之则去。这100人如何作出去还是不去的决定呢？ 这个博弈的前提条件做了如下限制：每一个参与者面临的信息只是以前去酒吧的人数，因此，他们只能根据以前的历史数据，归纳出此次行动的策略，没有其他的信息可以参考，他们之间更没有信息交流。这就是著名的酒吧问题，即少数人博弈。 酒吧问题所模拟的情况，非常接近于一个赌博者下注时面临的情景，比如股票选择、足球博彩。这个博弈的每个参与者，都面临着这样一个困惑：如果许多人预测去的人数超过60，而决定不去，那么酒吧的人数会很少，这时候作出的这些预测就错了。反过来，如果有很大一部分人预测去的人数少于60，他们因而去了酒吧，则去的人会很多，超过了60，此时他们的预测也错了。 因而一个作出正确预测的人应该是，他能知道其他人如何作出预测。但是在这个问题中每个人预测时面临的信息来源都是一样的，即过去的历史，同时每个人无法知道别人如何作出预测，因此所谓正确的预测几乎不可能存在。 阿瑟教授通过真实的人群以及计算机模拟两种实验得到了两个迥异的、有趣的结果。 在对真实人群的实验中，实验对象的预测呈有规律的波浪状形态，实验的部分数据如下： 从上述数据看，虽然不同的博弈者采取了不同的策略，但是其中共同点是这些预测都是用归纳法进行的。我们完全可以把实验的结果看作现实中大多数理性人作出的选择。 　　在这个实验中，更多的博弈者是根据上一次其他人作出的选择而作出这一次的预测。 然而，这个预测已经被实验证明在多数情况下是不正确的。那么，在这个层面上说明，这种预测是一个非线性的过程。 所谓这样一个非线性的过程是说，系统的未来情形对初始值有着强烈的敏感性，这就是人们常说的蝴蝶效应：在某地的一只蝴蝶动了一下翅膀，遥远的另一个地方就下了一场大暴雨。 通过计算机的模拟实验，得出了另一个结果：起初，去酒吧的人数没有一个固定的规律，然而，经过一段时间后，这个系统去与不去的人数之比接近于60：40，尽管每个人不会固定地属于去或不去的人群，但此系统的这个比例是不变的。如果把计算机模拟实验当做更为全面的、客观的情形来看，计算机模拟的结果说明的是更为一般的规律。 生活中有很多例子与这个模型的道理是相通的。股票买卖、交通拥挤以及足球博彩等等问题都是这个模型的延伸。对这一类问题一般称之为少数人博弈。 例如，在股票市场上，每个股民都在猜测其他股民的行为而努力与大多数股民不同。如果多数股民处于卖股票的位置，而你处于买的位置，股票价格低，你就是赢家；而当你处于少数的卖股票的位置，多数人想买股票，那么你持有的股票价格将上涨，你将获利。 在实际生活中，股民采取什么样的策略是多种多样的，他们完全根据以往的经验归纳得出自己的策略。在这种情况下，股市博弈也可以用少数人博弈来解释。 少数人博弈中还有一个特殊的结论，即：记忆长度长的人未必一定具有优势。因为，如果确实有这样的方法的话，在股票市场上，人们利用计算机存储的大量的股票的历史数据就肯定能够赚到钱了。而这样一来，人们将争抢着去购买存储量大、速度快的计算机了，在实际中人们还没有发现这是一个炒股必赢的方法。 少数人博弈还可以应用于城市交通。现代城市越来越大，道路越来越多、越来越宽，但交通却越来越拥挤。在这种情况下，司机选择行车路线就变成了一个复杂的少数人博弈问题。 在这个过程中，司机的经验和司机个人的性格起作用。有的司机因有更多的经验而更能躲开塞车的路段；有的司机经验不足，往往不能有效避开高峰路段；有的司机喜欢冒险，宁愿选择短距离的路线；而有的司机因为保守而宁愿选择有较少堵车的较远的路线等等。最终，不同特点、不同经验司机的路线选择，决定了路线的拥挤程度。 专家指点：少数人博弈这个理论的提出，为解决日常生活中的交通拥挤等问题提供了一个新的思路和方法，但并不能找到一个炒股必