博弈论中的“囚徒困境”模型.pdfVIP

新探 200B年第8期(总第195期) 博弈论中的 模型 ■王家辉 “囚徒困境”模型是博弈论中的经典 会重复进行，比如犯罪团伙会被警方多 白，为了报复对手的背叛，以后都选择坦 范例，它是1950年Tucker提出的，其完 次审讯，日常生活中买卖会重复进行，国 白。 全信息下的静态博弈为广大博弈论的工 际间的战争此伏彼起。而且人们也发现 假定囚徒j严格执行上述冷酷战 作者和初学者所掌握，成为解释生活现 基本博弈的重复进行并非基本博弈的简 略，考察囚徒i的最优策略是否为冷酷 象的有力工具。其实“囚徒困境”模型随 单累加，比如商业中的回头客问题。下面 战略?如果i在博弈的某个阶段首先选 着博弈论的深入发展，具有各种不同的 继续以表1所示的“囚徒困境”模型为例 择了坦白，他在该阶段得到0，而不是一 形式，通常分为：完全信息的静态博弈， 对多重博弈进行探讨。 1，但他的这次背叛会遭到囚徒j的永远 完全信息的动态博弈，不完全信息的静 首先观察“囚徒困境”的有限博弈， 惩罚，因此i在随后每个阶段的支付都 态博弈及不完全信息的动态博弈四种形 以T记基本博弈的重复次数。博弈重复 是一3。如果下列条件满足，给定j没有选 式。 进行所耗时间会比较长，支付的时间价 择坦白，i将不会选择坦白： 一 、 完全信息静态“囚徒困境”博弈 值必须考虑，记r为折现因子。在有限博 0+r(一3)+r2(一3)+…≤一1+r(_1)+r2(一1)+ 完全信息静态“囚徒困境”博弈部分 弈的情况下，可简化在r=l的情况下讨 … B0．一 ≤一 地奠定了非合作博弈论的理论基础。它 论，并采用动态博弈的逆向归纳法进行 的基本模型是：警察抓住了两个合伙犯 研究：危分析t=T阶段两博弈方的选择， 解上述不等式得：r ≥1／3(这个条件容易 罪的罪犯，由于缺乏足够的证据指证他 这仍然是一个基本的囚徒困境博弈，此 满足)。就是说，如果r≥1／3，给定j坚持 们的罪行，所以希望这两人中至少有一 时前一阶段的结果已成为事实，又无后 冷酷战略并且j没有首先坦白，i不会选 择首先坦白。 人供认犯罪，就能确认罪名成立。为此警 续阶段，因此不难得出结论，这一阶段的 察将这两个罪犯分别关押以防止他们串 结果是(坦白，坦白)，双方得益(一3，一3)。 进一步假定j首先选择坦白，那么 i 供，并告诉他们警方的政策是 “坦白从 现在回到t=T一1阶段，理性的博弈方对 是否有积极性坚持冷酷战略以惩罚j的 宽，抗拒从严”：如果两人中只有一人坦 于后一阶段的结局非常清楚，其结果必 不合作行为?如果i坚持冷酷战略，他随 白认罪，则坦白者立即释放，而另一人则 然是(坦白，坦白)，因此不管现阶段的博 后每个阶段的支付是一3，但如果他选择 将重判5年徒刑；如果两个同时坦白认 弈结果是什么，双方在本阶段以后的最 其他战略，他在任何单一阶段的支付都 罪，则他们将各判3年监禁。当然罪犯知 终得益都是在本阶段得益的基础上各加 不会大于一3，因此，无论r是多大，i都有 道如果他们两人都拒不认罪，则警方只 上一3，此时的得益矩阵是： 积极性坚持冷酷战略。在博弈重复无数 能以较轻的妨碍公务罪判处他们1年徒 表 2 囚徒2 次的情况下，只要r1／3，子博弈精炼 刑。用矩阵表示两个罪犯的得益如下(得 坦白 不坦白 均衡是每个阶段博弈双方都采用抵赖进 益向量的第一个数字是囚徒1的得益， 囚 坦白 (一6，一6) (一3，一8) 行合作。 第二个数字是囚徒2的得益)： 徒 三、不完全信息静态“囚徒困境”博