第三部分 不完全信息静态博弈 第四章 bayes博弈与baye西s均衡.pptVIP

第三部分 不完全信息静态博弈 第四章 Bayes博弈与Bayes均衡 不完全信息的例子 智取威虎山 空城计 散布谣言 陌生人类型 沉默是金 劳务市场中的雇工类型 上市公司类型 保险市场中的客户类型 拍卖 产品的质量类型 空城计 局中人：司马懿，诸葛亮 行动空间： A1=（打，不打），A2=（弹琴) 类型空间：司马懿是一种类型，T2=（有埋伏，没有埋伏) 信念：P(有埋伏)=0.8，P(没有埋伏)=0.2 Harsanyi转换 （Harsanyi Transformation，1967-1968） Harsanyi转换 静态Bayes博弈的正则型 定义：n人静态Bayes博弈的正则型表示确定了局中人的行动空间A1,…,An，和它们的类型空间T1,…,Tn，还有各局中人的盈利函数u1,…,un。局中人i的类型ti为局中人i私人所知，它确定了局中人i的盈利函数ui(a1,…,an; ti)。局中人i的信念 （belief）pi(t-i/ti) 描述了局中人i在给定自己的类型ti的条件下关于其他n-1个局中人的可能类型的不确定性。我们将这个博弈表示为G(A1,…,An; T1,…,Tn; p1,…,pn; u1,…,un)。 Bayes均衡 定义：在静态Bayes博弈G(A1,…,An; T1,…,Tn; p1,…,pn; u1,…,un)中，策略s*=(s1*,…,sn*)是一个（纯策略）Bayes均衡，当且仅当，对每一个局中人i和Ti中的每一个类型ti以及局中人i的每一个其他策略si(ti)，成立： 习题：声东击西 局中人：局中人1，局中人2 行动空间： A1=（守东，守西），A2=（声东) 类型空间：局中人1是一种类型，T2=（击东，击西) 信念：P(击东)=1，P(击西)=0 搭便车（free-rider） 不完全信息下的搭便车问题 行动空间：Ai= [捐款,不捐款]=[1,0]i 类型空间： Ti= [0, 1] 信念：估价是独立的，ci是区间[0,1]上的均匀分布 策略： s1(c1)， s2(c2) 策略组合： （s1(c1), s2(c2)） 盈利函数：ui(si,sj,ci) =max(s1,s2)-cisi i?j Bayes均衡(s1*(c1), s2*(c2)) 固定局中人2的Bayes均衡策略s2*(c2)，局中人1在c1类型下采取策略s1（[1.0]）的期望盈利为： 拍卖（auction） 行动空间：局中人的非负标价bi 类型空间：局中人对货物的估价vi?Ti=[0,1] 信念：估价是独立的， vi均匀的分布在[0,1]上 盈利函数 只考虑线性Bayes均衡：b1*(v1)=c1v1, b2*(v2)=c2v2 固定局中人2的bayes均衡策略b2*(v2)=c2v2，对于局中人1的每一个类型v1，局中人1的bayes均衡策略b1*(v1)=c1v1应使局中人1的期望盈利达到最大 当有n个局中人时 固定v1， 应使局中人1的期望盈利达到最大 双边拍卖（double auction) (Chatterjee and Samuelson, 1983） 局中人：卖者，买者 行动空间：卖者的要价p1，买者的买价p2 类型空间：卖者对货物的估价c ?T1=[0,1], 买者对货物的估价v?T2=[0,1]。 信念：估价是独立的， c，v均匀的分布在[0,1]上。 盈利函数 考虑线性Bayes均衡：p1*(c)=a1+e1c, p2*(v))= a2+e2v 卖者：对于任意的c?[0,1]， p1*(c)应使下式达到极大 线性Bayes均衡：p1*(c)=a1+e1c, p2*(v))= a2+e2v 习题：不完全信息下的古诺博弈 居中人：企业1，企业2 行动空间：产量q1，q2 盈利函数： ui(q1,q2) =qi(θi-q1-q2) 类型空间：企业1是一种类型, θ1=1 T2=[高成本型H,低成本型L]=[θ2H=3/4,θ2L=5/4] 信念：P(θ2H=3/4)=1/2，P(θ2L=5/4)=1/2 策略： q1，(q2H，q2L) 策略组合： （q1，(q2H，q2L)） * 诸葛亮 诸葛亮 有埋伏（0.8） 没有埋伏（0.2） 弹琴 弹琴 司马懿 打 不打 0，0 -1，1 0，0 1，-1 0, (0,0) -0.6, (1,-1) 打 不打 （弹琴，弹琴） N 有埋伏0.8 司马懿 诸葛亮 诸葛亮 没有埋伏0.2 (-1,1) 弹琴 打 不打 (0,0) 弹琴 打 不打 (0,0) (1,-1) 进入者 进入 不进入 在位者 扩展 不扩展 0，3 0，4 1，1 -1，2 扩展成本低 在位者 扩展 不扩展 0，3 0，0 1，1 -1，-1 扩展成本高 N 高成