10非零和博弈.pptVIP

非零和博弈 概要 非零和博弈的矩阵形式及其基本概念 严格控制及其应用 博弈平衡的定义 关键结果：任何有限博弈都存在平衡 合作与非合作之间的区别 连续性博弈及相应方法 复习：零和博弈的矩阵形式 复习：目前的结果 信息完全、俩人、零和： 博弈总有一个由minimax程序给出的纯策略解： 信息不完全、俩人、零和： 博弈总有一个由minimax程序给出的混合策略解： maxp min(p?m11+(1-p)?m21，p?m12+(1-p)?m22) 信息不完全、非俩人、非零和： ？ 囚犯的两难 A与B俩人被逮捕，有足够证据指控他们犯有一项轻罪，但没有足够证据指控他们犯有一项重罪。 如果俩人都供罪，则他们每人知道他们都将在狱中服刑5年。 如果他们中仅有一人供罪，他将自由，并且另一人将服刑10年。 如果他们都拒绝供罪，他们每人都将在狱中服刑1年。 囚徒两难：他被调查时不知道同伙的情况，他唯一能做的是，供还是不供？但怎么做对自己更有利呢？ 非零和博弈的矩阵形式 示例的作用 虽然简单，但此例子可模拟很多不同的实际情况，在这些场合中参与者获得类似的奖励。 合作：俩人做同一个项目。每个人可选择努力工作或休息。如果A勤奋工作后就宁肯去休息了，但俩人工作要比俩人休息有一个好的结局。 双巨头：两家公司竞争生产同一产品，并且都想使利润最大化。他们能制定两种价格，高价与低价。如果两公司都选择高价，则他们都实现利润1000块。如果他们都选低价， 则他们都实现薄利600块。否则，高价公司盈利1200块，而低价公司损失200块。 军备竞赛、机器人探测、公共财产使用、…… 非零和博弈的矩阵形式 控制性策略 控制性策略 控制性策略 迭代消去受控策略 控制性策略 俩玩家以上 能直接将俩人的形式扩展到更多人。 如有n个玩家，则需要定义n个回报函数ui，i=1,…,n。 回报函数ui把一个n元组策略转换为玩家i的相应回报。 ui(s1,…,sn)=玩家i的回报，如果玩家1,…,n采用纯策略s1,…,sn。 其它的定义(如控制性策略等)则保持不变。 形式化定义 一个n元组纯策略(s*1,…,s*n)是一个纯平衡，如对任何玩家i及其采用的任何策略si，有： 即，玩家i不能找到一个比s*i更好的策略了，如果其他玩家使用该平衡中的其余策略。 称为一个纯Nash平衡（NE）。 等同的形式化定义 一个n元组纯策略(s*1,…,s*n)是一个纯平衡，如对所有的i，有： 即，玩家i不能找到一个比s*i更好的策略了，如果其他玩家使用该平衡中的其余策略。 称为一个纯Nash平衡（NE）。 问题 已把求解博弈的概念推广到非零和博弈，即NE。 基本问题： 总存在一个NE吗？ 它唯一吗？ 多NE的例子 多NE的例子 无纯NE的例子 混合策略平衡 能将平衡概念扩展到混合策略。 在此场合，每位玩家i的一个混合策略是一个概率矢量pi=(pij)，其中，pij为i玩家选择j纯策略的概率。 一组混合策略(p*1,…,p*n)的平衡：如果把p*i改变为任何其它混合策略pi，则i玩家都将得到一个较低的回报。 例子 例子 关键结果 定理：对有限玩家的任何博弈，至少存在一个平衡。 可能不存在纯策略平衡，但至少存在一个混合策略平衡。 任何平衡都是在迭代消去受控策略后余下的。 计算平衡：示例 A与B两家公司生产同一产品。 单件产品成本是c，因此生产qA件产品的成本是C=cqA。 市场价格依总产量来定：P=??(qA+qB)。如果(qA+qB)?，则置P=0。 因此，A公司的收入是qA(??c?(qA+qB))。 问题：怎样算出A与B公司的最佳产量？ 如果他们产量过高，则价格就会下降，因此每家公司的收入也会下降。 如果他们产量过少，收入也会少。 示例 对A公司而言，qA的每个可能值都是一个纯策略。 对B公司也有相似的结论。 平衡时，随qA而变的A的收入达到极大。因此，在NE时，qA(??c?(qA+qB))对qA的导数是零。 同样地，平衡时，随qB而变的B的收入达到极大。因此，在NE时，qB(??c?(qA+qB))对qB的导数是零。 因此，(q*A, q*B)是下面方程组的解： ??c?2qA?qB=0， ??c?2qB?qA=0。 解为： q*A=q*B=(??c)/3。 每家公司的收入为(??c)2/9 NE就是俩玩家的最佳表现吗？ 假设不是独立地去寻找一个A与B的平衡，而是去使总收入极大： 即计算总收入对总产量qA+qB的导数为零，则在qA=qB=(??c)/4时，收入达到极大。 这相当于每家公司收入(??c)2/8，它大于由NE算得的收入。因此，公司可以运作得比理论预测的更好，对吗？ 协调与非协调 理论没什么错。原因是，在第二种计算中，俩公司是合作的，而不是相互独立地选择其策略。 一般情况是，