9博弈的矩阵形式试卷.ppt

博弈的矩阵形式 概要 矩阵博弈：另一种博弈理论定义 信息完全的博弈的最大最小（Minimax） 信息隐藏的博弈的最大最小（Minimax） 已有假设： 俩人对弈：玩家A与B。 信息完全：俩玩家亲历所有的状态及决定。每个决定是顺序做出。 零和：A得到的等于B损失的。 将取消这些限制。首先取消信息完全的假设，由此导出更实际的模型。 博弈的扩展形式：用树代表博弈 玩家的一个纯策略：该玩家为其所遇到的每种可能状态而做的移动（走步）。 A的纯策略： 策略1：(1?L,4?L) 策略2：(1?L,4?R) 策略3：(1?R,4?L) 策略4：(1?R,4?R) B的纯策略： 策略1：(2?L,3?L) 策略2：(2?L,3?R) 策略3：(2?R,3?L) 策略4：(2?R,3?R) 博弈的矩阵形式 A的纯策略： 策略I：(1?L,4?L) 策略II：(1?L,4?R) 策略III：(1?R,4?L) 策略IV：(1?R,4?R) 博弈的矩阵形式 博弈的矩阵范式：上表包含A与B的纯策略的所有可能组合的回报值。 该表完全表征博弈，无需关于规则等的任何额外信息。 虽然在许多场合，纯策略数目太大，不能用表来显示，但矩阵是能用来导出博弈本质的基本表征。 Minimax：矩阵形式 Minimax：矩阵形式 Minimax：矩阵形式 Minimax还是Maximin？ 注意到，两种场合下得到一样的值和一样的策略。 其它也总是这样吗？ Minimax与Maximin （von Neumann）第1基本定理 ： 对一个信息完全的俩人零和对弈： 对每位玩家，总存在一个最佳纯策略 Minimax=Maximin 注：这只是minimax搜索算法的博弈理论形式。 信息隐藏的博弈 另一个例子 俩位玩家A与B，各有一枚硬币 他们选择性地给对方看自己硬币的正面或反面。 如果他们都选择正面，则B付给A两块钱。 如果他们都选择反面，则B付给A一块钱。 如果他们选择不同的面，则A付给B一块钱。 示例的作用 这个示例能模拟大量的实际情况。 实例：A是一位店主，而B是一名检察官。检察官选一天来执行检查。店主挑某天来藏匿坏东西。如果各自的行动日不同，B赢；否则，A赢。 这类实际问题能简化为类似上面的硬币游戏。 扩展形式 问题：因为移动是同时进行的，所以B不知道A的移动。 博弈信息不再是完全的，而是有隐藏的了。 矩阵形式 为什么无纯策略解？ 直觉： 如果A考虑移动H，则他必须假设B会选择对他最为不利的移动T。 因此，A应转而尝试移动T，但这一次他必须假设B会选择对他最为不利的移动H。 因此，A应转而尝试移动H，但这一次他必须假设B会选择对他最为不利的移动T。 因此，A应转而尝试移动T，但这一次他必须假设B会选择对他最为不利的移动H。 因此，A应转而尝试移动H，但这一次他必须假设B会选择对他最为不利的移动T。 …… 采用随机策略 不是选择一个固定的纯策略，假设A以p为概率随机选择策略H，并以1-p为概率选择策略T。 如果B选移动H，A所期望的回报是： p?(+2)+(1-p)?(-1)=3p-1 如果B选移动T，A所期望的回报是： p?(-1)+(1-p)?(+1)=-2p+1 因此，最坏的情形是，B选择在上述两种场合中回报最小的那种策略： min(3p-1,-2p+1) 那么，A应调整p，以使其回报最大(这与标准maximin程序相似) ： maxp min(3p-1,-2p+1) 解的图形化 解的图形化 混合策略 A不再可能找到一种纯策略。 需将问题稍加改变：假设对弈开始时，A随机选择一种纯策略。 在此场合，A选择一种纯策略的概率为p，选择另一种纯策略的概率为1-p。 混合策略：随机选择纯策略，且由概率p完全定义。 问题：虽然A不能找到一种最佳纯策略，但是能找到一种最佳混合策略p，对吗？ 答案：对。从上面简单例子得出的结果对一般博弈仍成立。由此可产生一个为零和博弈寻找最佳混合策略的方法。 混合策略的最大最小 （von Neumann）第2定理： 对一个信息隐藏的俩人零和对弈： 总存在一个最佳混合策略，并具有下面值： maxp min(p?m11+(1-p)?m21，p?m12+(1-p)?m22) 其中，对弈的矩阵形式为： 注：这是minimax结果在混合策略上的一个直接推广。 混合策略的最大最小 （von Neumann）第2定理： 对一个信息隐藏的俩人零和对弈： 总存在一个最佳混合策略 此外，与信息完全的对弈一样，以怎样的次序来看待玩家并不重要。因此，minimax等于maximin ： maxp min(p?m11+(1-p)?m21，p?m12+(1-p)?m22)= minq max(q?m11+(1-q)?m12，q?m21+(1