讲义不完全信息动态博弈(续)——不完全信息重复博弈概述.pptVIP

不完全信息重复博弈与声誉 KMRW声誉模型 该模型首先是由Kreps（克瑞普斯）、Milgrom（米尔格罗姆）、Roberts（罗伯茨）和Wilsom（威尔荪）于1982年提出。 它主要研究不完全信息静态博弈G经过有限次重复时，博弈人之间的合作行为特征。 因此，有必要先回顾完全信息静态博弈有限次重复的结论。 （一）完全信息重复博弈及其结论 零和博弈等博弈方的利益严格对立的博弈G的有限次重复，不会使各博弈人在某阶段的战略选择有所改变（即不会发生合作行为）。 有唯一纯战略Nash均衡的博弈G，有限次重复G，不会使各博弈人在某阶段的战略选择有所改变（亦即不会发生合作行为） 。 特别地，有“连锁店悖论”。 有多个纯战略Nash均衡的博弈G，有限次重复，有可能使各个博弈人通过选择象“触发战略”等形式，实现部分阶段的行为。 “连锁店悖论”(chain-store paradox) Selten (1978); 逆向归纳 假定在位者有20个市场。直观告诉我们，如果进入者在第一个市场进入，在位者应该选择斗争，因为尽管从一个市场看，斗争是不值得的，但这样做可以遏止进入者在其他市场上的进入。 唯一的精炼纳什均衡是：进入者总是进入；在位者总是默许。 完全信息重复博弈及其结论 零和博弈等博弈方的利益严格对立的博弈G的无限次重复，不会使各博弈人在某阶段的战略选择有所改变（即不会发生合作行为）。 有纯战略Nash均衡的博弈G，无限次重复，有可能使各个博弈人通过选择象“触发战略”等形式，在适当的贴现率水平下，实现部分阶段的行为。 （二）不完全信息重复博弈情形 那么，这些结论，在不完全信息博弈G的重复博弈中，将会有什么样的变化呢？这正是本节要研究的。 我们仅讨论G为不完全信息静态博弈时的情况，特别地，就以“囚徒困境”式博弈的不完全信息情况作为主要的讨论对象。 问题在哪里？ 一个可能的原因在于：我们前面假定不仅参与人的理性是共同知识，而且每个参与人可以选择的战略和效用函数都是共同知识。但现实不是这样。 可能性：逆向归纳方法的问题（理性共识）；信息不完全； 正如我们前面讨论的谈判情况：如果信息是完全的，谈判一开始就达成协议，但现实中的谈判不是这样，原因在于信息不对称。 不完全信息 KMRW模型（1982）； 如果参与人对其他参与人的效用函数和战略空间的信息不完全，即使博弈重复的次数是有限的，人们也有积极性建立一个合作的声誉(reputation)，合作会出现。 以“囚徒困境”为例说明KMRW模型。 单方不完全信息 假定有两个参与人，A和B，进行囚徒困境博弈。如下图。 参与人A有两中可能的类型：(1)“非理性”型， 概率为p。该类型参与人A只有一种战略，针锋相对战略或者称为grim strategy； (2)“理性”型，概率为（1-p）。该类型参与人A可以选择任何战略。 参与人B有一种类型：理性型。 对“非理性”的解释 “非理性囚徒”： 是对具有上面行为特征的另一类囚徒的概括； 可以理解为讲义气、重信誉的人；内在化了声誉(reciprocity) 社会规范的人； 并不是指他的行为是不追求效用最大化，而是说他有一种特殊的成本函数或效用函数；使他更注重讲义气重声誉。 不完全信息囚徒困境重复博弈的顺序 重复博弈的顺序如下： 自然首先选择囚徒A的类型；囚徒A知道自己的类型，囚徒B只知道囚徒A属于理性的概率为1-p，非理性的概率为p. 两个囚徒进行第一阶段博弈； 观测到第一阶段博弈结果后，进行第二阶段博弈；观测到第二阶段的博弈结果后再进行第三阶段博弈；如此类推； 两理性囚徒的支付是各个阶段博弈支付的贴现值之和（设贴现率为1）。 两次重复囚徒困境博弈情形 囚徒B的期望支付情况 若参与人B在第1阶段的行动X=D，其两阶段的期望支付总合为： U2D=[p×(-1)+(1-p) ×(-10)]+[p×0+(1-p) ×(-8)]=17p-18 t=1时 t=2时 同理若参与人B在第1阶段的行动X=C，其两阶段期望支付总和为： U2C=[p×0+(1-p) ×(-8)]+[p×(-8)+(1-p) ×(-8)]=8p-16 t=1时 t=2时 两次重复时的结论 显然，当U2D≥U2c时，即 17p-18 ≥ 8p-16 亦即p ≥ 2/9时，囚徒B将选择X=D. 结论： 如果囚徒A属于非理性的概率p ≥ 2/9，囚徒B将在第一阶段选择抵赖(D)，即合作行为发生。 博弈重复3次(T=3) 参与人A（理性）的选择 可见，如果理性囚徒A和囚徒B在第一阶段选择X=D，那么后续阶段与T=2时相同。 参与人A（理性）的选择