博奕论讲稿(上海财大施锡诠)幻灯片.ppt

* * 博弈论初步及其应用 施锡铨 触发策略和好行为 囚徒困境阶段博弈周而复始地进行，没有明确的最后阶段。 考虑如下策略对，每个局中人对应一个策略：由采用（n, n）开始。如果在任何阶段没有一个局中人认罪，那么继续采用（n, n）。但是，如果在某个阶段两个局中人中只要有一个认罪，那么从此以后每个阶段一直采用（c, c）。像这样的策略称为严厉的触发策略：对可取行动（n, n）的偏离，开启了“惩罚阶段”（c, c）。触发在下述意义下是严厉的，惩罚阶段一旦开始，决不撤消。 对于严厉触发策略，实际上只有两类子博弈——（1）在首t个阶段重复采用（n, n）之后的子博弈，和（2）其它的子博弈。 对于类型（2），策略明确说明从此以后都采用（c, c）。在这个子博弈里面，它的确是纳什均衡。没有一个局中人能在任何阶段通过取n来对付c从而增加自己的盈利；而且，他不会改变今后预期的行动方式。 对于类型（1）的子博弈，让我们检查一下局中人在任何阶段是否有认罪的动机——而其他的局中人在那个阶段取的是n。做这样的事将给认罪的局中人带来眼前的盈利7，但在以后的每一个阶段结果盈利为0。（为什么？）继续采用这个策略将为这个局中人产生当前阶段的盈利5和未来每一个时期中一连串的盈利5。因而，继续采用这个策略的总盈利为 显然，只要 ，即，只要? 大于 2/7 ，继续采用所提出的严厉触发策略较好一些。 在无限重复博弈中“好”是可以持续的，因为在每一个阶段有可能做出有条件的好人承诺——如果今天你“好”，那么明天我也“好”。（伴随的威胁是，如果今天你“恶”，那么此后我一直“恶”。）承诺保证了盈利5的持续不断；凶恶地威胁表明了从此以后盈利降为零。 如果一个局中人单方面决定今天当一回恶人，那么在他们中间，构成了将来损失5? /（1- ?）的盈利。如果很在乎未来，即，如果? 大的话，这种“大棒?胡萝卜”是十足的威慑。 严厉的触发策略由两个部分组成：第一，存在严厉的惩罚，永远地（c, c）下去。第二，存在可取的“好人”行为，永远地（n, n）。对可取行为的任何背离会触发惩罚。如果? 足够地大，那么严厉惩罚是十足的威慑以及“好人”行为是可以如愿以偿的。 严厉惩罚的威慑也可以有助于实现其他行为。 伴随不同的（和不太苛刻的）惩罚，“好人”行为也许是可实现的。 其它的惩罚 考虑下述内容：由取（n, n）开始，如果没有一个局中人认罪则继续采用（n, n）；然而，如果任一个局中人在某个阶段认罪，那么在下面T个阶段采用（c, c）。此后，返回到（n, n），不过，记住以后每一次背离（n, n）也将遇到T阶段的（c, c）。像这样的策略称为宽容触发。对可取行为（n, n）的偏离触发了惩罚阶段（c, c）的开启，但是所有这些在T阶段惩罚之后得到宽容。 宽容触发是充分威慑吗？当一个局中人被认为取n时他却取了c，他得到了盈利7，然后跟着T个阶段得0，接下来——一旦行动回到（n, n）——得到5的无限序列。这样从这个“异常”行为得到的总盈利是 但是，继续采用提出的不认罪 行为产生了5的无限序列，即，终身盈利为 如果 或者等价地 那么触发是确实有效的。当折扣因子接近于1，公式的左边近似地为5(T + 1）。因此，当未来重要时——即，当? 接近于1时——即使一个周期的惩罚——即，即使T = 1——惩罚也是充分的。  定义 一个行为循环是行动的重复周期；T1个阶段采用（n, n），然后T2个阶段实施（c, c），接着T3个阶段的（n, c），然后T4个阶段的（c, n）。在这些T1 + T2 + T3 +T4个阶段结束时，又开始了循环，然后再开始。如此等等。 无名氏定理 均衡行为 考虑任何个人理性行为循环。每当折扣因子? 接近于1，那么这个循环可实现为子博弈完美均衡的行为。 均衡策略 构成均衡的一个策略是严厉触发；从可取的行为循环开始，如果两个局中人不做其它事则继续采用它。如果两者之中任何一个局中人偏离去做其它某些事情，那么此后一直采取（c, c）。 所有可能的行为都是均衡行为 在任何均衡中，每一个局中人在循环上的盈利必定至少为零。该陈述是正确的，因为每一个局中人可以使自己的盈利高于在每一阶段完全地都认罪。无名氏定理的结果指出了对于均衡来说，正盈利不仅是必要的，而且也是充分的；每一个具有正盈利的行为循环都是关于高? 值的均衡。? 考虑所有的盈利 你也许认为，只考虑循环，我们排斥了一定类型的行为。虽然是的确如此，然而这种限制并不造成损失，因为我们并没有排斥任何可能的盈利。说明一下，从盈利到行为循环的一个考虑方法是利用它的每一阶段平均盈利，。当我们察看不同的行为循环时我们得到不同的每阶段平均盈利。假如我们察看的行为不是