第三章 扩展型博弈论.pptVIP

第四节 重复博弈 单次博弈重复进行构成的博弈过程，但博弈方的行为和博弈结果不一定是单次博弈的简单重复，其中，单次博弈可称为阶段博弈 重复博弈的基本特征： 单次博弈之间没有实质联系，即前一阶段的博弈不改变其它阶段的博弈结构； 所有局中人能够观测并记忆以往的博弈历史； 局中人的总支付为各阶段支付的贴现值之和或者加权平均值。 重复博弈的分类： 有限次博弈 由单次博弈的有限次重复构成的重复博弈，有明确的重复次数或结束时间 无限次博弈 由单次博弈一直重复进行下去的重复博弈，没有可以预见的结束时间，各博弈方主观上认为博弈会不断进行下去 企业甲（在位者）在20个相同的市场各开了一家连锁店，每个市场有一个潜在进入者，每个进入者序贯决定是否进入相应市场，企业甲对各个市场的进入者选择默认或者打压策略，忽略进入者之间的微小差异，这个问题可以看成是一个20次（阶段）重复博弈。 （0，300） 默认 进入者 E N 打压 甲 （40，50） （-10，0） 思考：在位者是否应对开头几个市场的进入者采取打击策略，使打击的示范效应吓退其他市场的潜在进入者，从而能够独享其余市场的利益？ 子博弈完美纳什均衡为：在位者在每一个市场选择默许，进入者在每一个市场选择进入。 以阶段博弈G构成的重复T次（T ∞）的重复博弈中，如果G中仅存在唯一的纳什均衡，那么重复博弈G(T)的唯一子博弈完美均衡是阶段博弈的唯一纳什均衡重复T次，即每次博弈结局都是该纳什均衡。 乙 甲 坦白 不坦白 坦白 -6，-6 -1，-8 不坦白 -8，-1 -2，-2 支付函数的表达——贴现因子 贴现因子在数值上可以理解为贴现率，就是1个份额经过一段时间后所等同的现在份额。 设局中人的支付函数为 ,并且在第t(t=1,2,…)次阶段博弈中获得的阶段博弈支付是 ，则 冷酷策略 也称作触发策略，以囚徒困境为例：开始选择“不坦白”，一旦对手“坦白”，那么以后永远选择“坦白”。 思考：局中人都选择冷酷策略时是否会构成一个子博弈完美纳什均衡？ 乙 甲 坦白 不坦白 坦白 -6，-6 -1，-8 不坦白 -8，-1 -2，-2 （1） 若之前没有人选“坦白”， A若选“坦白”，该阶段得益为-1，但此举将触发B之后永远的报复，即B在之后永远选“坦白”，A在之后也只能永远选“坦白”，其总得益贴现最多为 A若选“不坦白”，并且之后每阶段都选“不坦白”时，B之后也会配合，即每阶段都选“不坦白”，A总得益贴现为 当 时，A选“不坦白”是最优的，即 给定囚徒B选择冷酷策略，证明囚徒A选择冷酷策略是最优的。 当 时，A在没有人先选“坦白”时选“不坦白”是最优的，并且A在之后每阶段都选“不坦白”是最优的选择。 乙 甲 坦白 不坦白 坦白 -6，-6 -1，-8 不坦白 -8，-1 -2，-2 （2） 若之前有人选“坦白”， B若在之前选了“坦白”，则B之后会永远选“坦白”，显然，给定B在此时及之后永远选“坦白”，A在此时及之后都选“坦白”是最优的。 A若在之前选了“坦白”，则B在此时及以后必一直选“坦白”，故A在此时及以后一直选“坦白”是最优的。 综上，给定B选冷酷策略，A选冷酷策略是最优的。由对称性可知，当A选冷酷策略时，B选冷酷策略也是最优的。 在无限次重复博弈里，如果博弈者有足够长远的利益考虑，给定对方表现出合作的行为，自己采用合作行为对自己是最优的，而一旦自己表现出了合作行为，对方也继续合作对于对方也仍然是最优的，这样，合作均衡就出现了。 第三章 扩展型博弈 授课人: 吴昱设有k=1堆硬币，各堆分别含有N1，N2，……NK枚。游戏法则如下： 1．两个游戏人交替进行游戏； 2．当轮到每个游戏人取子时，选择这些堆中的一堆，并从所选的堆中取走至少一枚硬币（可以取走所选堆中的全部硬币）； 3．如果轮到某个游戏人时所有的硬币堆都已经被拿空了，则判负。 第一节 扩展型博弈的含义及其表示 在完全信息博弈中，局中人的行动有先有后，后行动者可以观察到先行动者的行动，又可称为完全信息动态博弈，或者序贯博弈。 只剩一张门票免费发送，先到先得，若得到效用都为100。甲、乙二人可以选择两种交通工具，B或T，B需要花5个单位，T需要花50个单位。假设甲先下班先行动，乙可以观察到甲的行动选择后行动。 博弈树 （1）同一个局中人的一些结点构成的集合； （2）表示博弈到了这个集合，但不知到了这个集合的哪一个结点上。 决策结：局中人采取行动的时点 初始