博弈计算.pdfVIP

云南大学软件学院2008 年秋季学期 系统设计与实现项目 —— 网络生成博弈 指导教师：李劲 一、博弈论简介 通过一个博弈的实例，介绍博弈论的相关概念。 例1.1 如图1.1 所示的囚徒博弈 囚徒2 招供 沉默 -6，-6 0，-9 招供 囚徒1 -9 ， 0 -1 ，-1 沉默 图1.1 囚徒博弈 囚徒博弈讲述的是如下一个情形：警方抓住了两个犯罪嫌疑人，囚徒1、囚徒2 ， 但警方掌握的证据不足，因而需要将进一步审讯提取口供。警方将两个囚徒分别置于 不同的房间，但告诉两囚徒相同的信息，即如果一方沉默，而另一方招供，那么招供 方立即释放，沉默方将被判入狱9 个月；如果双方都沉默，那么两人将在一个月后因 证据不足而释放；如果双方都招供，那么两人都将被判6 个月。如果每个囚徒都假设 对方将置自己于最不利（即博弈双方为非合作关系），此时对任一个囚徒来说，他是 选择“招供”，还是选择“沉默”呢？ 上例虽然简单，但它给出了一个博弈情形的生动实例。博弈问题一般含有五个要 素：局中人、每个局中人的可行方案集、局中人决策的先后顺序、每个局中人的收益 函数、信息。 所谓局中人，是指在问题中为自己的利益进行决策的各方，如上例中的两个囚徒。 特别地，在后文中我们把局中人称作Agent 。 可行方案集是Agent 可以采取的行动方案的全体，如上例中每个囚徒都有两个可 选的行动集{“招供” 、“沉默”} 。在博弈问题中，Agent 在其可行方案上的选择，便 是决策分析。许多学者把Game Theory 称为对策论，就是由于在对抗冲突的条件下进 行决策分析。 决策的先后顺序是实际问题动态性质的反映，任何一种博弈的规则都要明确各个 Agent 进行决策分析的时间先后。如果各个Agent 是同时进行决策，问题便是静态博 弈。还有一种情形也是静态博弈，那就是不同Agent 决策时间由先后顺序，但后决策 的Agent 并不知道前于其决策的Agent 选择了什么行为方案。除开上述两种情形，问 题都是动态博弈。囚徒博弈就是一个静态博弈的例子。 收益函数是博弈最后结果中各个Agent 利益的表示。在上面的囚徒博弈中，我们 用效用矩阵来表示每种博弈结果下两个囚徒的收益，例如，如果囚徒博弈最终的博弈 格局（结果）是“沉默”，“沉默” （表示两个囚徒都选择“沉默” ），那么囚徒 1 的利 益是-1，囚徒2 的利益是-1 ；如果博弈格局是“沉默”，“招供”，那么囚徒1 的利益 是-9，而囚徒2 的利益是0，如此等等。需要注意的是当问题中出现不确定性时，收 益通常是估值，比方说行为结果的数学期望。 信息指的是Agent 在决策时对其决策条件的知识。信息包括两类，一类是有哪些 Agents ，他们的可行方案集是什么，所有Agents 的收益函数是怎样的；另一类是Agent 决策前已作过的决策结果。在博弈中，如果所有Agents 对前一类信息有确切的了解， 就称之为完全信息的博弈，否则称之为不完全信息博弈。而在博弈中如果所有Agents 对后一类信息有确切的了解，就称之为完美信息博弈，否则称之为不完美信息博弈。 上面的囚徒博弈是一个静态完全信息博弈的实例。 在博弈分析中，我们假定所有局中人都是理性的决策者，即博弈方以最优化自己 的利益作为行动选择标准进行决策。 下面我们给出博弈的形式化定义。 定义 1.1 称三元组N , (S ), (u ) 为策略博弈（strategic game ），或正规博弈 i i （normal game ），其中 N ={Age