囚徒困境与博弈论.docVIP

囚徒困境与博弈论博弈论（也叫对策论）是一门很深的学问，在学校里至少要讲一个学期，甚至还有专门的博士课程。但在这里不可能讲这么多，只能把它的基本概念、研究方法和一般规律做一个简单的概括。 从囚犯难题说起 我们先从一个常见的案例说起。这个故事是这样的：有一个富人在家中被谋杀，他的财产被盗。警方在侦讯过程中抓到两名嫌疑犯：甲和乙，并在他们家中搜出了被盗的财物。但甲、乙都否认杀人，声称他们进入被害 人家中时那个人已经死去。所以警方肯定他们至少犯下了盗窃罪，但对他们是否杀死了被害人并没有把握。于是警方在把他们隔离的情况下分别对他们表示：因为偷 东西已经有确凿证据，这将被判刑2年；如果拒不承认杀人而被另一方检举，将被判刑20年，而检举的一方可以受奖无罪释放；如果双方都坦白杀人，将各被判刑 10年。这样，甲乙可能面临的判决如下：通过分析可以看出，最后的结果是甲乙都会承认杀人。因为对本人来说，不管对方承认不承认，自己承认总比不承认好。如果对方不承认，自己承认相比不承认等于 从判刑2年改为无罪释放；如果对方承认，自己承认相比不承认相当于从判刑20年减到了10年。这样，对甲乙双方来说，最佳的选择都是承认杀人。这个结果与他们是否真的杀了人无关，即使他们没有杀人，也会承认杀人。由于特定的选择条件，本来对双方最有利的结局（都不承认杀人，各被判刑2年）不会出 现，出现的是对双方都不利的结果，这就是所谓的“囚犯困境”。我们想想看，“文革”时期坦白从宽、抗拒从严的政策使一大批人承认了自己从没有犯过的“罪 行”，原因就在于此。“囚徒困境”具有非常深刻的含义，它说明了为什么短视地追求自己利益将导致对大家都不利的结局。现实中类似的例子还很多，比如为了图一时的方便，大家都不 按交通规则行事，结果导致交通瘫痪；再比如前些年很多单位拿国家的钱争相发奖金，结果导致了全社会的通货膨胀。不同的是，在囚徒困境模型里只涉及两个人， 如果这种情况重复出现，两个人很容易从失败中吸取教训，从选择承认杀人改为不承认，这样，处境就可以改善。而生活中很多类似囚徒困境的情况涉及到成千上万 的单位或个人，要想让他们一致地改进策略就非常困难。在囚徒困境中，双方都承认杀人是一个稳定的结果，因为任何一方一旦单独离开这个选择，只会使自己的处境变得更坏。在多次重复的情况下，双方可能通过吸取教 训改变策略（都不承认罪行），使双方都能受益。然而这又是一个比较脆弱的均衡，因为任何一方一旦突然改变策略，承认罪行，又可以立刻得利。但这种利益也不 会长久，到了下一次，对方必然也承认罪行，从而回到最初对双方都不利的状况。所以，除非双方都能着眼于长远利益，并克服侥幸的心理，他们才可能走出困境。 博弈论的基本概念和分析方法 “囚 徒困境”其实是博弈论里一个特定的例子。博弈论又叫对策论，它研究两人或多人对局时，各方如何决定自己的策略，以求得最佳结果。在博弈中各方都有几种可供 选择的着法，各方虽然知道每种对策所导致的后果，但并不知道对方将选择何种着法。它是对利益对立条件下人的选择规律性的客观研究，它不偏袒任何一方，它既 要考虑如何进攻，又要考虑如何防御。博奕论中的对局（game），定义为有一定人数参加（不是变换着的）、每人有一定数目的策略（strategy）。各方的策略给定后，称为一个局 （play）。对所有发生的局都有一个支付数量（payoff），就称为对策。下面我们再举一个例子来说明博弈论的分析方法。设甲、乙二人参加一种游戏，甲有两种选择：A1或A2；乙也有两种选择：B1或B2。游戏规则规定：如果甲选择 A1，乙选择B1，则乙付给甲1元；如果甲选择A1，乙选择B2，甲付给乙1元；如果甲选择A2，乙选择B1，乙付给甲2元；如果甲选择A2，乙选择 B2，甲付给乙2元。我们可以把游戏规则用一个方阵来表示：?这个方阵我们称为甲的支付矩阵，矩阵中的正数表示甲的所得、乙的支付，而负数表示甲的支付、乙的所得。类似地，可以想象，乙也有一个支付矩阵，其中的数字正好跟甲的支付矩阵反号。这样，我们看甲乙二人会如何选择。对乙来说，最有利的选择是B2，这样他肯定赢钱，至少能得到1元。如果选B1，他不仅不可能赢钱，反而必须付钱。对甲来说，最有利的结果是A2B1，但他知道，乙不可能选B1，所以他只能选A1，这样能把损失降到最低。所以，最后的结果是A1B2，甲付给乙1元。对这个结果，双方都没有改进的余地，如果改变策略只能使自己的处境变得更糟，因而都不愿意改变策略，我们称之 为纳什均衡。在例中，对任何一个局，一方的收入等于另一方的付出，参与各方损益之和为零，称为零和对局。容易看出，零和对局的特点一方的支付矩阵为另一方 支付矩阵的反号。我们知道，经济活动中的商品交换不是零和对局。参与交换的人都能从中得益，所以他们才