博弈论基础

文档概述

博弈论是研究决策主体行为相互作用及策略选择的数学理论。本指南系统介绍标准形式博弈与扩展形式博弈、Nash均衡的存在性证明、演化博弈论、合作博弈论（Shapley值）以及机制设计（Vickrey拍卖）等核心内容。为后续学习对抗算法奠定坚实的理论基础。

---

零、写在前面：博弈论是什么？

你有没有遇到过这种情况：考试前夜，你纠结要不要熬夜复习。熬夜复习可能考得更好，但第二天精神差；早睡休息充足，但总觉得还有知识点没看完。这个决定看起来是你自己的事，但实际上你要考虑的不是单纯的”复习 vs 不复习”，而是要猜测室友会不会熬夜——如果室友熬夜复习第二天精神差，老师的提问可能减少，你或许不需要那么拼命。

你看，这就是一个最简单的博弈场景。

博弈论（Game Theory）就是研究这种**“我的选择会影响你，你的选择也会影响我”** 情境的数学工具。它不是教你”赢”的技巧，而是帮你理解在互相依存的决策中，什么样的结果是”稳定”的——也就是说，当大家都足够聪明、足够理性的时候，最终会达成什么样的局面。

为什么AI学习者要懂博弈论？因为对抗算法、搜索引擎排序、广告拍卖、推荐系统、自动驾驶的决策……本质上都是多方博弈。理解博弈论，你才能理解为什么AI系统会”作弊”、为什么平台会”大数据杀熟”、为什么智能体会”内卷”。

---

一、博弈论入门：用日常生活的例子讲清博弈论

1.1 从买菜讲起

想象你早上去菜市场买菜。摊主开价10块一斤的大白菜，你觉得太贵了，扭头就走。这时候摊主喊了一嗓子：“8块！”

你心里想：咦，降了两块，划算！

但等等，你真的划算了吗？还是说，摊主一开始就打算卖8块，只是先开10块给你砍价的快感？

这就是博弈。你的行为影响了摊主的行为，摊主的行为也影响了你的决策。

再举一个例子。你在公司群里发了一条消息，老板秒回了。你高兴坏了，觉得老板重视你。但你可能没意识到，老板可能只是在刷手机，刚好看到就回了——跟你没半毛钱关系。

博弈论要解决的就是这类问题：在互相影响的世界里，如何做出最优决策？

1.2 博弈无处不在

博弈的场景比你想象的多得多：

情侣之间的”谁洗碗”博弈：一方想让另一方洗碗，但直接要求显得不体贴。于是开始互相暗示、撒娇、装可怜。这就是一场博弈，双方在试探对方的底线。

堵车时的”加塞”博弈：高峰期大家都想加塞，你是让还是不让？让了可能迟到，不让可能剐蹭。每次堵车都是一场小型博弈。

点外卖时的”凑满减”博弈：满30减10，你是凑到30.01刚好用掉优惠券，还是凑到50用掉两张券？商家设计满减规则，就是在跟你博弈。

年终奖分配：老板手上有100万要分给10个下属，怎么分？分平均了，干活多的不满；分差距大了，排名靠后的撂挑子。老板和员工之间，也是博弈。

博弈论给你提供了一套语言和框架，来系统性地分析这些场景。

---

二、博弈的组成要素：玩家、策略、收益

2.1 三个要素缺一不可

任何一个博弈都由三个核心要素组成，缺一不可：

1. 玩家（Players）：谁在参与这个博弈？可以是两个人、两家公司、两个国家，也可以是多个玩家。博弈论假设每个玩家都是”理性人”——也就是说，他们追求自身利益最大化，而且知道其他玩家也是理性的。

2. 策略（Strategies）：每个玩家可以选择什么行动？这些可选的方案就是策略。注意，策略是”计划”而不是”行动”——它描述的是在各种情况下你会怎么做。

3. 收益（Payoffs）：每种选择组合下，每个玩家能得到什么？收益可以是金钱、效用、满足感，甚至是负数（损失）。收益决定了玩家的偏好——他们总是选择能让自己收益更高的策略。

2.2 用”剪刀石头布”理解三要素

剪刀石头布是我们最熟悉的博弈：

玩家：两个人，假设叫小明和小红。

策略：三个纯策略——剪刀、石头、布。（混合策略我们后面讲）

收益：赢的得1分，输的得-1分，平局各得0分。

用表格表示：

	小红出剪刀	小红出石头	小红出布
小明出剪刀	(0, 0)	(-1, 1)	(1, -1)
小明出石头	(1, -1)	(0, 0)	(-1, 1)
小明出布	(-1, 1)	(1, -1)	(0, 0)

表里每个格子里有两个数字，第一个是小明的收益，第二个是小红的收益。

2.3 策略空间与行动空间

这里要区分两个概念：

行动（Action）：在某个时刻做出的具体选择。比如在剪刀石头布里，“出剪刀”是一个行动。

策略（Strategy）：一套完整的行动计划。在简单的同时行动博弈里，策略就是选择一个行动；但在复杂博弈里，策略可能包含”如果对方做了什么，我就做什么”这样的条件句。

策略空间就是所有可选策略的集合。有限博弈的策略空间是有限的，无限博弈的策略空间是连续的（比如选择价格可以是0到100之间的任何数）。

---

三、博弈的分类：合作还是对抗？

3.1 合作博弈 vs 非合作博弈

这是最基本的一种分类：

非合作博弈（Non-cooperative Game）：玩家之间不能形成有约束力的协议。也就是说，就算你们口头上说好了一起干，也没有机制强制对方兑现承诺。囚徒困境就是最经典的例子。

合作博弈（Cooperative Game）：玩家之间可以形成有约束力的协议。比如两家公司合并、三个人合伙做生意。合作博弈关注的是：联盟如何形成、收益如何分配。

为什么这种区分重要？因为能不能签合同会根本性地改变博弈的走向。

举个例子：你和装修队签了合同，规定装修质量不达标要返工。这是合作博弈——有合同约束。但如果只是口头约定，出现问题就扯皮，那就是非合作博弈。

3.2 完全信息 vs 不完全信息

另一个重要分类取决于玩家知道什么：

完全信息（Complete Information）：所有玩家都知道博弈的规则——包括有哪些玩家、有哪些策略、各种策略组合下的收益是多少。囚徒困境、剪刀石头布都是完全信息博弈。

不完全信息（Incomplete Information）：至少有一个玩家不知道某些关键信息。比如拍卖时，你不知道别人愿意出多少钱；谈判时，你不知道对方的底线在哪。这种博弈需要用到贝叶斯博弈（Bayesian Game）的工具。

3.3 同时行动 vs 序贯行动

同时行动博弈（Simultaneous Move Game）：所有玩家同时做决定，谁也不知道别人的选择。剪刀石头布、投标都是同时行动。

序贯行动博弈（Sequential Game）：玩家按顺序行动，后行动的人能看到先行动的人的选择。比如下棋、商业谈判、进入市场决策。

序贯博弈有个特别有意思的地方：先手可能是一种优势（先发制人），也可能是劣势（被对手看穿意图）。

3.4 零和博弈 vs 非零和博弈

零和博弈（Zero-sum Game）：一方的收益恰好是另一方的损失。你的所得就是我的所失，我们是对立关系。象棋、扑克、决斗都是零和博弈。

非零和博弈（Non-zero-sum Game）：蛋糕可以一起做大，也可以一起做小。囚徒困境里，两个人都坦白是(-5,-5)，两个人都抵赖是(-1,-1)——两种结果都是负数，但不一定相等。

很多人以为博弈就是你死我活，其实不然。很多现实博弈是”正和”的——合作可以让大家都获益。

---

四、支付矩阵：收益如何表示？

4.1 什么是支付矩阵

支付矩阵（Payoff Matrix）是用表格形式展示博弈收益的工具。对于双人博弈，行代表玩家1的策略，列代表玩家2的策略，每个格子里的数字对表示两个玩家的收益。

拿一个简单的”约会博弈”举例：

小明和小红约好周末一起玩，但忘了具体干啥。现在面临选择：去看电影还是去逛街？

	小红选电影	小红选逛街
小明选电影	(3, 2)	(0, 0)
小明选逛街	(0, 0)	(2, 3)

解释一下：

• 小明选电影、小红也选电影：两人都开心，小明得3分，小红得2分（毕竟是小明提议的嘛）
• 小明选逛街、小红也选逛街：两人都还行，小明得2分，小红得3分
• 选的不一样：各玩各的，都不开心，得0分

4.2 解读支付矩阵的技巧

拿到一个支付矩阵，先问自己几个问题：

1. 谁是行玩家，谁是列玩家？ 一般第一个数字是行玩家的收益，第二个是列玩家的。

2. 收益是 ordinal 还是 cardinal？

• Ordinal 只关心顺序：A比B好，B比C好
• Cardinal 关心具体数值：A得5分比B得3分好多少

博弈论通常假设收益是基数效用（cardinal），因为很多计算需要加减。

3. 收益是纯物质收益还是包含了心理收益？ 比如”丢脸”可能记为-1，“有面子”记为+1。理解这一点很重要，因为同一个数学结构可能对应完全不同的现实情境。

4.3 一个生活中的支付矩阵例子

“相亲该不该AA”是一个很有趣的博弈：

	女方付一半	女方让男方请
男方付一半	(2, 2)	(-1, 3)
男方请客	(3, -1)	(0, 0)

解读：

• 双方都付一半：公平，各得2分
• 男方请客、女方让他请：男方有面子得3分，女方省钱但可能觉得欠人情，得-1分
• 男方付一半、女方让他请：男方吃亏得-1分，女方占便宜得3分
• 都不付：尴尬，得0分

这个博弈的纳什均衡是”双方都付一半”——虽然理想情况下男方请客、女方接受会让男方效用更高（3分），但这不是均衡，因为女方有动机让男方请客，男方也有动机坚持AA。

---

五、严格优势策略：为什么理性玩家从不选择被支配的策略？

5.1 什么是优势策略

优势策略（Dominant Strategy）：无论对手怎么选，这个策略都比其他所有策略好。

举例来说明。假设有个简单的”选座位博弈”：

你和朋友去咖啡店，只剩两个座位——一个靠窗，一个靠墙。你们都想坐窗边，但如果都抢窗边反而都坐不上（或者被赶走）。收益矩阵如下：

	朋友选窗边	朋友选墙边
你选窗边	(-10, -10)	(3, 1)
你选墙边	(1, 3)	(2, 2)

等等，这个例子不太对。让我重新设计一个真正有优势策略的博弈：

广告投放博弈：可口可乐和百事可乐都要决定要不要打广告。

	百事不打广告	百事打广告
可口不打广告	(10, 10)	(2, 12)
可口打广告	(12, 2)	(5, 5)

分析：

• 如果百事不打广告：可口打广告得12 > 不打得10，所以打广告更好
• 如果百事打广告：可口打广告得5 > 不打得2，所以打广告更好

无论百事怎么选，可口打广告都更好！ 这就是可口可乐的严格优势策略（Strictly Dominant Strategy）。

5.2 严格占优 vs 弱占优

严格占优（Strict Dominance）：策略A在所有情况下都比策略B好。

弱占优（Weak Dominance）：策略A至少和策略B一样好，而且至少在一种情况下严格更好。

弱占优的情况更复杂，因为被弱占优的策略在某些情况下可能是无差异的。

5.3 理性人不会选被支配的策略

这是博弈论最核心的假设之一：理性人永远不会选择被严格占优的策略。

为什么？因为被占优意味着”无论对方怎么选，这个策略都更差”。选它就像主动给自己挖坑。

回到广告博弈。可口可乐有没有可能选”不打广告”？如果可口的管理层是理性的——即，追求利润最大化——那绝不可能选被占优的策略。

5.4 共同知识假设

“理性人不会选被占优策略”这个论断有个隐藏前提：所有人都知道所有人都知道…… 这个链条要一直延续下去。

这就是**共同知识（Common Knowledge）**的概念。

• 你知道可口可乐是理性的
• 你知道可口可乐知道你是理性的
• 你知道可口可乐知道你知道可口可乐是理性的
• ……

这个链条要无限延续，而且所有人都同意这些前提。

现实中，这个假设很难满足。比如：

• 对方可能没那么理性
• 对方可能不确定你是不是理性的
• 对方可能不知道你知道什么

所以博弈论的预测在完全满足共同知识假设时最准确，在现实中的应用需要考虑这些摩擦。

5.5 迭代删除劣势策略

既然理性人不会选被占优策略，那我们可以在分析中删除这些策略。

IESDS算法（Iterated Elimination of Strictly Dominated Strategies）：

1. 第一步：删除所有被严格占优的策略
2. 第二步：在剩余策略中，继续删除被严格占优的策略
3. 重复，直到无法再删除

这个过程不会改变博弈的纳什均衡——因为纳什均衡不可能包含被占优策略。

---

六、纳什均衡：每个玩家都不能单方面改进的僵局

6.1 纳什均衡的直观理解

纳什均衡（Nash Equilibrium）：在某种策略组合下，没有任何人能通过单方面改变策略来提高自己的收益。

“单方面”这个词很关键。纳什均衡不要求每个人都”满意”——可能所有人都希望换个策略，但问题是，如果我换了你不换，我就亏了。所以没人愿意先动。

僵局——这是理解纳什均衡最直观的方式。

想象两个小孩抢玩具，谁也不让谁，最后就这么僵持着。不是因为这个局面好，而是因为谁先松手谁就吃亏。

再举一个例子：堵车时大家都挤成一团，明明有序排队大家都快，但没人愿意先让。挤成一团就是纳什均衡——虽然不好，但没人愿意先改变。

6.2 用日常生活理解纳什均衡

例子：KTV唱歌博弈

你和小李去唱KTV。你们都想唱自己想唱的歌，但如果两个人同时唱就很吵。假设：

	小李唱	小李不唱
你唱	(1, 1)	(3, 2)
你不唱	(2, 3)	(0, 0)

分析：

• 如果小李唱：你唱得1分，不唱得2分，你选择不唱
• 如果小李不唱：你唱得3分，不唱得0分，你选择唱

纳什均衡是(唱,不唱)和(不唱,唱)——一个人唱，另一个人听。虽然一起唱能得(1,1)，但这不是均衡，因为唱的人会发现对方不唱时自己能唱得更多。

6.3 纳什均衡的正式定义

策略组合 $(s_1^{\ast },s_2^{\ast },...,s_n^{\ast })$ 是纳什均衡，当且仅当对每个玩家 $i$：

$u_i(s_i^{\ast },s_{-i}^{\ast })\ge u_i(s_i,s_{-i}^{\ast }),\forall s_i\in S_i$

用人话说就是：给定别人的策略，你选的这个策略已经是你能选的最优策略了。

6.4 纳什均衡的几种类型

类型	描述	例子
纯策略纳什均衡	所有玩家都确定地选择一个策略	囚徒困境中的(坦白,坦白)
混合策略纳什均衡	至少一个玩家随机选择策略	剪刀石头布的(1/3,1/3,1/3)
对称纳什均衡	所有玩家策略相同	剪刀石头布的对称均衡
不对称纳什均衡	玩家策略不同	约会博弈中的(电影,电影)和(逛街,逛街)

重要定理：每个有限博弈至少存在一个纳什均衡（可能是混合策略）。

这意味着只要你愿意玩”随机”，就没有”无解”的博弈。

---

七、囚徒困境：个人理性导致集体非理性的经典案例

7.1 经典故事

两个嫌疑人被分别关押，无法互通消息。检察官分别告诉他们：

• 如果两人都坦白，各判5年
• 如果两人都抵赖，各判1年
• 如果一人坦白、一人抵赖，坦白者释放，抵赖者判8年

用支付矩阵表示（用负数表示被判刑的”痛苦”，数值越大越痛苦）：

	囚徒B抵赖	囚徒B坦白
囚徒A抵赖	(-1, -1)	(-8, 0)
囚徒A坦白	(0, -8)	(-5, -5)

7.2 严格优势策略分析

对囚徒A来说：

• 如果B抵赖：A坦白得0 < A抵赖得-1？不对，0比-1大，所以坦白更好
• 如果B坦白：A坦白得-5 > A抵赖得-8，所以坦白更好

无论B怎么选，坦白都更好！ 坦白是A的严格优势策略。

同理，坦白也是B的严格优势策略。

所以两个理性人都会选择坦白，结果是(-5,-5)——各判5年。

7.3 集体非理性的讽刺

但如果两个人都抵赖，只会各判1年——(-1,-1)比(-5,-5)好得多。

这就是囚徒困境的核心矛盾：从个人理性出发，最后得到了对集体而言很糟糕的结果。

你可能会说：这不是很明显是个人利益和集体利益的冲突吗？但博弈论的价值在于，它用严格的数学语言把这个矛盾表达清楚了，而且告诉我们：在非合作博弈中，这种结果是”稳定”的——谁都不敢先改变。

7.4 囚徒困境的现实映射

囚徒困境几乎可以解释一半的社会困境：

1. 公地悲剧

村里有块公共草地，谁都可以放牛。但牛吃太多草会退化。如果大家都有节制，草能持续生长；如果都拼命放牛，草最终会枯竭。

每个村民都面临”我少放一头牛，但别人可能多放”的困境。理性选择是多放牛。结果：草地退化，所有人遭殃。

2. 军备竞赛

两个国家可以选”裁军”或”扩军”：

• 都裁军：和平，各得5
• 都扩军：紧张对峙，各得2
• 一方扩军一方裁军：扩军方得6（军事优势），裁军方得-2（被威胁）

扩军是双方的优势策略。结果：双方都花大量资源扩军，集体福利下降。

3. 价格战

两家超市可以选”维持高价”或”降价促销”：

• 都维持高价：各赚100万
• 都降价：各赚50万
• 一方降价一方维持：降价方得150万，维持方亏50万

降价是双方的优势策略。结果：都降价，利润下降。

4. 碳排放问题

各国面临”减排”或”维持现状”的选择。减排需要成本，但全球变暖的影响由所有人承担。如果其他国家减排，自己减排的边际收益降低；如果其他国家不减排，自己减排更”吃亏”。

结果是：各国都倾向于搭便车，减排承诺难以兑现。

7.5 跳出囚徒困境的可能

囚徒困境之所以难以破解，是因为缺乏有约束力的协议和重复互动。但现实中确实存在一些破解方法：

1. 重复博弈

如果两个囚徒会再次被抓，合作（抵赖）可能成为均衡。冷酷策略（“你坦白我就永远坦白”）可以维持合作，只要未来足够重要（贴现因子足够大）。

2. 外部制裁

如果有第三方能惩罚背叛者（如行业协会、监管机构），囚徒困境可能被打破。

3. 声誉机制

在长期关系中，声誉本身就是一种资产。人们愿意牺牲短期利益来维护声誉，因为长远来看声誉能带来更多好处。

4. 改变收益结构

如果能改变博弈的收益（比如提高合作的收益、降低背叛的诱惑），囚徒困境可能被转化。

---

八、纳什均衡的计算：逐步剔除劣势策略

8.1 方法一：最佳反应对应法

对于简单博弈，可以直接分析每个玩家的最佳反应。

定义：给定对手的策略，你的**最佳反应（Best Response）**是能让你收益最高的策略。

步骤：

1. 固定对手的每个策略
2. 找出在这个策略下你的最佳反应
3. 找出所有互相是最佳反应的策略组合——这些就是纳什均衡

8.2 囚徒困境的求解

支付矩阵：

	B抵赖	B坦白
A抵赖	(-1, -1)	(-8, 0)
A坦白	(0, -8)	(-5, -5)

找A的最佳反应：

• 给定B抵赖：A抵赖得-1，A坦白得0 → 坦白更好
• 给定B坦白：A抵赖得-8，A坦白得-5 → 坦白更好

A的最佳反应：总是坦白

找B的最佳反应：

• 给定A抵赖：B抵赖得-1，B坦白得0 → 坦白更好
• 给定A坦白：B抵赖得-8，B坦白得-5 → 坦白更好

B的最佳反应：总是坦白

纳什均衡：只有(坦白,坦白)是互相最佳反应。

8.3 性别之战（Battle of the Sexes）

一对情侣在选择活动：

	女方选足球	女方选芭蕾
男方选足球	(2, 1)	(0, 0)
男方选芭蕾	(0, 0)	(1, 2)

分析：

• 给定女方选足球：男方选足球得2 > 选芭蕾得0 → 最佳反应是足球
• 给定女方选芭蕾：男方选芭蕾得2 > 选足球得0 → 最佳反应是芭蕾
• 给定男方选足球：女方选足球得1 > 选芭蕾得0 → 最佳反应是足球
• 给定男方选芭蕾：女方选芭蕾得2 > 选足球得0 → 最佳反应是芭蕾

两个纯策略纳什均衡：(足球,足球)和(芭蕾,芭蕾)

还有一个混合策略纳什均衡（见下一节）。

8.4 IESDS求解法

迭代删除劣势策略（IESDS）：

1. 找出被严格占优的策略并删除
2. 在简化后的博弈中继续删除
3. 直到没有策略可删

囚徒困境：

• 抵赖被坦白严格占优 → 删除抵赖
• 结果：只剩坦白 → 纳什均衡是(坦白,坦白)

性别之战：

• 没有策略被严格占优
• 无法删除任何策略
• 结果：需要用混合策略求解

8.5 斗鸡博弈的求解

两辆车对向而行：

	对方前进	对方让步
我前进	(-10, -10)	(1, -1)
我让步	(-1, 1)	(-5, -5)

分析：

• 给定对方前进：我前进得-10，让步得-1 → 让步更好
• 给定对方让步：我前进得1，让步得-5 → 前进更好

所以最佳反应：

• 对方前进时 → 让步
• 对方让步时 → 前进

两个纯策略纳什均衡：(前进,让步)和(让步,前进)

还有一个混合策略均衡（见下一节）。

---

九、混合策略：为什么石头剪刀布要用随机策略？

9.1 纯策略的困境

有些博弈没有纯策略纳什均衡。比如石头剪刀布，任何确定性的选择都会被人针对。

如果你总是出石头，对手发现后会一直出布，你就会一直输。

所以你需要混合——随机出招，让对手无法预测。

9.2 混合策略的定义

混合策略（Mixed Strategy）：玩家以一定概率分布随机选择纯策略。

形式上，如果玩家有 $k$ 个纯策略，他可以以概率 $p_1,p_2,...,p_k$ 选择每个策略，其中 $\sum p_i=1$。

期望效用：使用混合策略后，收益变成期望值：

$u_i({\sigma }_i,{\sigma }_{-i})={\sum }_{a\in A}{u}_i(a){\prod }_{j\in N}{\sigma }_j(a_j)$

9.3 混合策略均衡的计算

剪刀石头布的均衡：

设 $p$ 为出石头的概率，$q$ 为出布的概率，则出剪刀的概率为 $1-p-q$。

对称均衡要求：对方不管出什么，我出任何手势的期望收益都相等。

设对方出石头、剪刀、布的概率相等（$1/3,1/3,1/3$），我出三种手势的期望：

• 出石头：$0\cdot \frac{1}{3}+1\cdot \frac{1}{3}+(-1)\cdot \frac{1}{3}=0$
• 出剪刀：$(-1)\cdot \frac{1}{3}+0\cdot \frac{1}{3}+1\cdot \frac{1}{3}=0$
• 出布：$1\cdot \frac{1}{3}+(-1)\cdot \frac{1}{3}+0\cdot \frac{1}{3}=0$

三种手势期望效用都是0，所以等概率混合（$1/3,1/3,1/3$）是无差异的——这是混合策略均衡。

9.4 斗鸡博弈的混合均衡

斗鸡博弈有两个纯策略均衡和一个混合均衡。计算混合均衡：

设我以概率 $p$ 前进、$1-p$ 让步；对方以概率 $q$ 前进。

我前进的期望：$(-10)\cdot q+1\cdot (1-q)=1-11q$ 我让步的期望：$(-1)\cdot q+(-5)\cdot (1-q)=-5+4q$

混合均衡要求两者无差异： $1-11q=-5+4q$ $15q=6$ $q=\frac{2}{5}$

对称均衡下 $p=q=\frac{2}{5}$。

所以混合均衡是：双方都以40%概率前进、60%概率让步。

9.5 为什么要混合？

很多人觉得混合策略很反直觉：为什么我要”随机”？真的抛硬币决定？

其实混合策略有几种可能的解释：

1. 不确定性：我真的不知道对手会怎么选，所以混合；

2. 不可预测性：我必须随机，让对手无法针对；

3. 最佳响应：理性计算告诉我应该在多个策略间随机。

在博弈论里，第三种解释最重要——混合策略不是”我不知道怎么办所以随便选”，而是”在对方策略下，这些选择的期望效用相等，所以我选哪个都一样”。

9.6 支持与激励相容

支持（Support）：混合策略中概率为正的纯策略集合。

关键性质：在混合均衡中，任何在支持内的纯策略，其期望效用必须相等；任何在支持外的纯策略，其期望效用不能高于支持内的。

这个性质可以用来求解混合均衡：

1. 假设某些策略在支持内
2. 写出无差异条件
3. 解出概率
4. 验证这些概率确实构成最佳反应

---

十、进化稳定策略 ESS：生物进化中的博弈均衡

10.1 从理性到进化

标准博弈论假设完美理性。但生物学家发现，即使没有完美理性，博弈的结果也可能”稳定”——通过自然选择。

进化博弈论（Evolutionary Game Theory） 就是研究这个的：不是假设玩家”计算”最优策略，而是假设”更好的策略会传播”。

10.2 什么是ESS

进化稳定策略（Evolutionarily Stable Strategy, ESS）：如果整个种群都采用策略 $s^{\ast }$，那么小比例的突变者采用其他策略无法获得更高适应度。

形式化：策略 $s^{\ast }$ 是ESS，如果对任意替代策略 $s\ne s^{\ast }$，存在阈值 $\overline{ϵ}$ 使得：

$u(s^{\ast },(1-ϵ)s^{\ast }+ϵs)>u(s,(1-ϵ)s^{\ast }+ϵs),\forall ϵ\in (0,\overline{ϵ})$

用人话说：如果大家都用 $s^{\ast }$，少数”异类”用其他策略也活不下去。

10.3 鹰鸽博弈

生物学中最经典的例子是鹰鸽博弈（Hawk-Dove Game）——本质就是斗鸡博弈。

两种动物争抢资源（价值为 $V$），可以选”战斗”或”让步”：

• 战斗：赢则获得 $V$，输则损失 $C$（战斗成本）
• 让步：总是获得 $V/2$

支付矩阵：

	对方战斗	对方让步
我战斗	$(V-C)/2$	$V$
我让步	$0$	$V/2$

ESS取决于 $V$ 和 $C$ 的相对大小：

• 如果 $V>C$（资源很值钱）：鹰是ESS——种群会演化到全部鹰
• 如果 $V<C$（战斗太贵）：存在混合ESS——种群中鹰的比例为 $V/C$

10.4 ESS与纳什均衡的关系

ESS和纳什均衡有联系但不相同：

• ESS一定是纳什均衡（但反过来不一定）
• 纳什均衡是”没人愿意单方面改变”
• ESS是”无法被小比例突变者入侵”

简单说：ESS是更强的稳定性要求。

10.5 复制者动态

复制者动态（Replicator Dynamics）：适应度高的策略比例增加，适应度低的策略比例减少。

${\dot{x}}_i=x_i[u(s_i,x)-\bar{u}(x)]$

其中 $\bar{u}(x)$ 是平均适应度。

如果ESS存在，复制者动态会收敛到ESS——但不是所有纳什均衡都能通过复制者动态达到。

10.6 ESS的现实意义

ESS解释了自然界很多有趣现象：

1. 性比率为什么接近1:1？

因为生儿子还是生女儿是ESS。父母投资儿子的期望收益等于投资女儿的期望收益（在基因层面），所以自然选择维持1:1的性别比。

2. 动物为什么有”仪式化”争斗？

很多动物争斗到一定程度就停了，而不是拼个你死我活。因为全力战斗是”鹰策略”，点到为止是”鸽策略”，两者的ESS混合让种群稳定。

3. 合作如何在进化中出现？

“一报还一报”（Tit-for-Tat）策略在重复囚徒困境中是ESS。这意味着，即使在自私的基因竞争中，合作也能演化出来。

---

十一、重复博弈：合作如何在长期博弈中出现？

11.1 一次博弈 vs 重复博弈

囚徒困境之所以”困境”，是因为只玩一次。如果同样的对手会反复遇到，情况可能不同。

有限次重复博弈：囚徒困境玩T次

用逆向归纳：第T次，两个理性人都会坦白；第T-1次，考虑到第T次会坦白，所以也坦白……一直倒推到第1次。

结论：在标准假设下，有限次重复囚徒困境的唯一子博弈完美均衡是每次都坦白。

但等等——现实中人们确实会合作啊？这是因为现实博弈的”终止”不是确定的，或者玩家不够理性，或者有其他摩擦。

11.2 无限次重复博弈

如果囚徒困境无限次重复，情况就不同了。

玩家不是最大化当期收益，而是最大化贴现收益和：

${\sum }_{t=1}^{\infty }{\delta }^{t-1}{u}_t$

其中 $\delta \in (0,1)$ 是贴现因子，衡量耐心程度。$\delta$ 越大，越重视未来。

11.3 冷酷策略（Grim Trigger）

冷酷策略：

1. 第一期选择合作（抵赖）
2. 一旦对方背叛，此后永远背叛

如果两个玩家都用冷酷策略，合作能否维持？

假设对方用冷酷策略，我：

• 选择合作：每期得 -1，贴现和为 $-1/(1-\delta )$
• 背叛一次：当期得 0，之后得 -5，贴现和为 $0-5\delta /(1-\delta )$

合作优于背叛的条件： $\frac{-1}{1-\delta }>\frac{-5\delta }{1-\delta }$ $-1>-5\delta$ $\delta >\frac{1}{5}$

只要 $\delta >0.2$，即未来权重超过20%，合作就能维持！

11.4 触发策略家族

冷酷策略过于严厉——一旦背叛就永不原谅。更温和的策略可能效果更好：

1. 扳机策略：合作直到被背叛，然后转而只选Nash均衡

2. 针锋相对（Tit-for-Tat, TFT）：

• 第一期合作
• 之后复制对手上期的选择

TFT在实验中被证明非常成功——它”友善”（不先背叛）、“宽容”（背叛后仍给机会）、“清晰”（对手容易理解）。

3. 慷慨的针锋相对（Generous TFT）：偶尔对背叛者手下留情（比如5%概率不报复）

11.5 无名氏定理（Folk Theorem）

无名氏定理说了一件很有意思的事：

在无限次重复博弈中，任何”合理”的收益向量都可以是均衡结果，只要玩家足够耐心。

“合理”意味着：

1. 每个玩家至少得到他在单期博弈中的”保底”收益
2. 总收益不超过”帕累托最优”

这意味着长期关系可以支持各种合作安排——耐心创造了一切可能。

但无名氏定理也带来问题：它预测的结果太多，无法告诉我们”哪个均衡会真的实现”。

11.6 重复博弈的现实启示

1. 长期关系促进合作

为什么老字号更讲信用？因为欺骗的代价是失去长期客户。

2. 声誉有价值

在社区里传谣言要小心——声誉受损的代价可能远超短期收益。

3. 退出成本很重要

员工为什么愿意加班？因为跳槽有成本，忍一忍比离开划算。

4. 模糊的终止点有利于合作

如果囚徒困境不知道要重复多少次，人们更愿意合作——因为不知道什么时候会”算账”。

---

十二、博弈论与机制设计：如何设计不会被钻空子的规则？

12.1 什么是机制设计

博弈论是给定规则，分析结果。机制设计是反向工程——从想要的结果出发，设计规则。

核心问题：如何设计游戏规则，让”追求私利”的玩家自发实现”社会最优”？

12.2 激励相容

激励相容（Incentive Compatibility, IC）：说实话对每个人都是最优选择。

传统规则设计：我定规则，你遵守。 激励相容：我设计的规则让你愿意说实话。

12.3 经典案例：Vickrey拍卖

**Vickrey拍卖（二次价格拍卖）**的规则：

1. 密封投标
2. 最高价者获胜
3. 支付第二高出价

神奇结论：说实话是占优策略！

证明：

• 如果你的真实估值 $v$ 高于第二高出价 $b_2$：说实话赢得物品，支付 $b_2$，净得 $v-b_2>0$。如果你谎报低于 $v$，可能输掉；谎报高于 $v$ 不影响支付。所以说实话不差。
• 如果你的真实估值 $v<b_2$：输赢无差异，说谎无意义。

所以Vickrey拍卖让买家自然地报出真实价格——不需要道德说教，不需要监管，机制本身让人不想撒谎。

12.4 显示原理

显示原理（Revelation Principle） 是机制设计最重要的工具：

如果某个机制能让理性人说真话达到某个结果，那么一定存在一个”直接说真话”的机制也能达到同样结果。

这意味着：在研究激励相容时，我们可以把”说真话”设为均衡，然后只研究这个机制的属性。搜索空间大大缩小。

12.5 VCG机制

VCG机制（Vickrey-Clarke-Groves Mechanism） 是更一般的激励相容机制：

对于资源分配问题，VCG支付 = 没有你时其他人的福利 - 有你时其他人的福利

这恰好等于你对社会的”边际贡献”。

VCG的性质：

• 强激励相容：说实话是占优策略
• 帕累托有效：给定说实话的配置是社会最优
• 个体理性：至少不亏

12.6 机制设计的常见陷阱

1. 奖励黑客（Reward Hacking）

设计了激励，但玩家找到了”作弊”方式获得奖励但不完成任务。

例子：设计”按代码行数”付费，结果程序员写废话代码。

2. 古德哈特定律（Goodhart’s Law）

当一个指标成为目标时，它就不再是好指标。

例子：按”学生考试分数”评价老师，结果老师只教应试技巧。

3. 边际效应忽视

只考虑直接激励，忽视间接效应。

例子：给举报贪污的人发奖金，结果产生诬告。

12.7 机制设计与AI

现代AI系统本质上是机制设计问题：

1. 推荐算法

平台设计推荐规则，用户贡献数据。问题是：如何让用户提供真实偏好？如何防止刷单、薅羊毛？

2. 广告拍卖

Google、Facebook的广告位如何定价？Vickrey拍卖的变体是主流。

3. 自动驾驶决策

紧急情况时AI如何决策？涉及多方利益的权衡。

4. AI对齐（AI Alignment）

如何设计训练机制让AI”愿意”对齐人类价值观？这可能是最重要的机制设计问题。

---

十三、动手实验：用Python模拟博弈

13.1 囚徒困境模拟

import numpy as np
import matplotlib.pyplot as plt
from collections import defaultdict
 
# 囚徒困境支付矩阵 (T, R, P, S) = (0, -1, -5, -8)
T, R, P, S = 0, -1, -5, -8
 
def prisoner_dilemma_payoff(action1, action2):
    """返回 (player1_payoff, player2_payoff)"""
    if action1 == 'cooperate' and action2 == 'cooperate':
        return R, R
    elif action1 == 'cooperate' and action2 == 'defect':
        return S, T
    elif action1 == 'defect' and action2 == 'cooperate':
        return T, S
    else:
        return P, P
 
# 策略定义
def always_cooperate(history):
    return 'cooperate'
 
def always_defect(history):
    return 'defect'
 
def tit_for_tat(history):
    if len(history) == 0:
        return 'cooperate'
    return history[-1][1]  # 复制对手上一步
 
def suspicious_tft(history):
    """第一次背叛，之后复制对手"""
    if len(history) == 0:
        return 'defect'
    return history[-1][1]
 
def grim_trigger(history):
    """一旦对方背叛，永远背叛"""
    for _, opponent_action in history:
        if opponent_action == 'defect':
            return 'defect'
    return 'cooperate'
 
def grudger(history):
    """一旦对方背叛两次，永不合作"""
    defects = sum(1 for _, a in history if a == 'defect')
    return 'cooperate' if defects < 2 else 'defect'
 
def pavlov(history):
    """赢则保持，输则改变"""
    if len(history) == 0:
        return 'cooperate'
    my_last, opp_last = history[-1]
    if my_last == 'cooperate' and opp_last == 'cooperate':
        return 'cooperate'
    elif my_last == 'defect' and opp_last == 'defect':
        return 'cooperate'
    else:
        return 'defect'
 
# 模拟单次博弈
def play_once(strategy1, strategy2, history1, history2):
    a1 = strategy1(history1)
    a2 = strategy2(history2)
    p1, p2 = prisoner_dilemma_payoff(a1, a2)
    return a1, a2, p1, p2
 
# 模拟重复博弈
def simulate_repeated_game(strategy1, strategy2, rounds=100):
    history1, history2 = [], []
    total_p1, total_p2 = 0, 0
    
    for _ in range(rounds):
        a1, a2, p1, p2 = play_once(strategy1, strategy2, history1, history2)
        history1.append((a1, a2))
        history2.append((a2, a1))
        total_p1 += p1
        total_p2 += p2
    
    return total_p1 / rounds, total_p2 / rounds
 
# 比赛：所有策略两两对决
strategies = {
    'Always Cooperate': always_cooperate,
    'Always Defect': always_defect,
    'Tit-for-Tat': tit_for_tat,
    'Suspicious TFT': suspicious_tft,
    'Grim Trigger': grim_trigger,
    'Grudger': grudger,
    'Pavlov': pavlov,
}
 
print("囚徒困境策略比赛（100轮平均收益）\n")
print(f"{'策略':<20} vs {'对手':<20} {'我方收益':<10} {'对手收益':<10}")
print("-" * 60)
 
results = defaultdict(lambda: {'score': 0, 'opponents': []})
 
for name1, strat1 in strategies.items():
    for name2, strat2 in strategies.items():
        if name1 >= name2:  # 避免重复
            continue
        avg1, avg2 = simulate_repeated_game(strat1, strat2, rounds=100)
        print(f"{name1:<20} vs {name2:<20} {avg1:<10.2f} {avg2:<10.2f}")
        
        results[name1]['score'] += avg1
        results[name1]['opponents'].append((name2, avg1, avg2))
        results[name2]['score'] += avg2
        results[name2]['opponents'].append((name1, avg2, avg1))
 
print("\n" + "=" * 60)
print("总排名（按平均得分）:")
print("=" * 60)
 
rankings = sorted(results.items(), key=lambda x: x[1]['score'], reverse=True)
for i, (name, data) in enumerate(rankings, 1):
    avg = data['score'] / (len(strategies) - 1)
    print(f"{i}. {name}: 平均 {avg:.2f} 分")

13.2 协调博弈模拟

import numpy as np
import matplotlib.pyplot as plt
 
# 协调博弈支付矩阵
# 两个人需要协调，都选A或都选B都好，选不同则差
PAYOFF_COORDINATION = {
    ('A', 'A'): (3, 3),
    ('B', 'B'): (2, 2),
    ('A', 'B'): (0, 0),
    ('B', 'A'): (0, 0),
}
 
def coordination_payoff(a1, a2):
    return PAYOFF_COORDINATION[(a1, a2)]
 
# 混合策略求解
def find_mixed_equilibrium():
    """
    协调博弈有混合均衡：
    假设玩家以p选A，1-p选B
    对方选A的期望：3p + 0(1-p) = 3p
    对方选B的期望：0p + 2(1-p) = 2(1-p)
    无差异：3p = 2(1-p) => 5p = 2 => p = 0.4
    """
    p = 2/5
    return p
 
p_equilibrium = find_mixed_equilibrium()
print(f"协调博弈的混合均衡：双方以 {p_equilibrium:.2f} 概率选A")
 
# 模拟学习过程：虚幻学习 (Fictitious Play)
def fictitious_play(n_rounds=1000):
    """
    虚幻学习：假设对手策略是历史频率的均值
    """
    history1 = []  # 玩家1的选择
    history2 = []  # 玩家2的选择
    
    # 初始信念：随机
    freq1_A = 0.5  # 玩家1认为玩家2选A的频率
    freq2_A = 0.5  # 玩家2认为玩家1选A的频率
    
    results = []
    
    for t in range(n_rounds):
        # 玩家1的最佳反应
        expected_A1 = 3 * freq2_A + 0 * (1 - freq2_A)
        expected_B1 = 0 * freq2_A + 2 * (1 - freq2_A)
        a1 = 'A' if expected_A1 >= expected_B1 else 'B'
        
        # 玩家2的最佳反应
        expected_A2 = 3 * freq1_A + 0 * (1 - freq1_A)
        expected_B2 = 0 * freq1_A + 2 * (1 - freq1_A)
        a2 = 'A' if expected_A2 >= expected_B2 else 'B'
        
        history1.append(a1)
        history2.append(a2)
        
        # 更新信念（贝叶斯更新 = 频率更新）
        freq1_A = history1.count('A') / len(history1)
        freq2_A = history2.count('A') / len(history2)
        
        # 记录结果
        if t % 100 == 0:
            results.append((t, freq1_A, freq2_A))
    
    return results
 
# 运行模拟
np.random.seed(42)
results = fictitious_play(1000)
 
print("\n虚幻学习过程（前10个采样点）：")
print(f"{'轮次':<10} {'P(玩家1选A)':<15} {'P(玩家2选A)':<15}")
print("-" * 40)
for t, p1, p2 in results[:10]:
    print(f"{t:<10} {p1:<15.3f} {p2:<15.3f}")
 
# 可视化
plt.figure(figsize=(10, 6))
t_values = [r[0] for r in results]
p1_values = [r[1] for r in results]
p2_values = [r[2] for r in results]
 
plt.plot(t_values, p1_values, label='P(玩家1 选A)', alpha=0.8)
plt.plot(t_values, p2_values, label='P(玩家2 选A)', alpha=0.8)
plt.axhline(y=0.4, color='r', linestyle='--', label='理论均衡 p=0.4')
plt.xlabel('博弈轮次')
plt.ylabel('选择A的概率')
plt.title('协调博弈的虚幻学习')
plt.legend()
plt.grid(True, alpha=0.3)
plt.tight_layout()
plt.savefig('coordination_game_learning.png', dpi=150)
print("\n图片已保存到 coordination_game_learning.png")

13.3 纳什均衡求解器

import numpy as np
from itertools import product
 
def find_pure_nash_equilibrium(payoff_matrix):
    """
    找双人博弈的纯策略纳什均衡
    
    payoff_matrix: 形状为 (m, n, 2) 的数组
    payoff_matrix[i, j, 0] = 玩家1在(i,j)的收益
    payoff_matrix[i, j, 1] = 玩家2在(i,j)的收益
    """
    m, n = payoff_matrix.shape[:2]
    nash_equilibria = []
    
    # 找出玩家1的每个策略在每列下的最佳反应
    player1_best = []
    for j in range(n):
        best_val = max(payoff_matrix[i, j, 0] for i in range(m))
        best_strategies = [i for i in range(m) if payoff_matrix[i, j, 0] == best_val]
        player1_best.append(best_strategies)
    
    # 找出玩家2的每个策略在每行下的最佳反应
    player2_best = []
    for i in range(m):
        best_val = max(payoff_matrix[i, j, 1] for j in range(n))
        best_strategies = [j for j in range(n) if payoff_matrix[i, j, 1] == best_val]
        player2_best.append(best_strategies)
    
    # 找交点
    for i in range(m):
        for j in range(n):
            if i in player1_best[j] and j in player2_best[i]:
                nash_equilibria.append((i, j))
    
    return nash_equilibria
 
def find_mixed_nash_equilibrium(payoff_matrix, n_samples=100):
    """
    网格搜索找混合纳什均衡（简化版，适用于2x2博弈）
    """
    m, n = payoff_matrix.shape[:2]
    equilibria = []
    
    # 网格搜索
    for i in range(n_samples + 1):
        p = i / n_samples  # 玩家1选第一个策略的概率
        
        for j in range(n_samples + 1):
            q = j / n_samples  # 玩家2选第一个策略的概率
            
            # 计算期望效用
            if m == 2 and n == 2:
                # 玩家1的EU
                eu1_a = payoff_matrix[0, 0, 0] * (1-q) + payoff_matrix[0, 1, 0] * q
                eu1_b = payoff_matrix[1, 0, 0] * (1-q) + payoff_matrix[1, 1, 0] * q
                
                # 玩家2的EU
                eu2_a = payoff_matrix[0, 0, 1] * (1-p) + payoff_matrix[1, 0, 1] * p
                eu2_b = payoff_matrix[0, 1, 1] * (1-p) + payoff_matrix[1, 1, 1] * p
                
                # 检查是否在支持内（无差异）
                eps = 1e-3
                if abs(eu1_a - eu1_b) < eps and abs(eu2_a - eu2_b) < eps:
                    if 0 < p < 1 and 0 < q < 1:
                        equilibria.append((p, q))
    
    return equilibria
 
# 测试：囚徒困境
print("=" * 50)
print("测试1: 囚徒困境")
print("=" * 50)
 
pd_matrix = np.array([
    [[-1, -1], [0, -8]],   # 玩家1抵赖: (vs抵赖, vs坦白)
    [[-8, 0], [-5, -5]]    # 玩家1坦白
])
 
pure_eq = find_pure_nash_equilibrium(pd_matrix)
print(f"纯策略均衡: {pure_eq}")
print(f"解释: 行索引0=抵赖, 1=坦白; 列索引0=抵赖, 1=坦白")
 
# 测试：协调博弈
print("\n" + "=" * 50)
print("测试2: 协调博弈")
print("=" * 50)
 
coord_matrix = np.array([
    [[3, 3], [0, 0]],   # 选A
    [[0, 0], [2, 2]]    # 选B
])
 
pure_eq = find_pure_nash_equilibrium(coord_matrix)
mixed_eq = find_mixed_nash_equilibrium(coord_matrix)
 
print(f"纯策略均衡: {pure_eq}")
print(f"混合均衡候选: {[(f'p={p:.2f}, q={q:.2f}') for p, q in mixed_eq]}")
print(f"解释: 行索引0=A, 1=B; 列索引0=A, 1=B")
 
# 测试：斗鸡博弈
print("\n" + "=" * 50)
print("测试3: 斗鸡博弈")
print("=" * 50)
 
hawk_dove = np.array([
    [[-10, -10], [1, -1]],  # 前进
    [[-1, 1], [-5, -5]]      # 让步
])
 
pure_eq = find_pure_nash_equilibrium(hawk_dove)
mixed_eq = find_mixed_nash_equilibrium(hawk_dove)
 
print(f"纯策略均衡: {pure_eq}")
print(f"混合均衡候选: {[(f'前进={p:.2f}, q(让步)={1-q:.2f}') for p, q in mixed_eq]}")
 
# 计算理论值
# 设p为行玩家前进概率
# 行玩家前进的EU: -10*q + 1*(1-q) = 1 - 11q
# 行玩家让步的EU: -1*q + -5*(1-q) = -5 + 4q
# 无差异: 1 - 11q = -5 + 4q => 15q = 6 => q = 0.4
print(f"理论混合均衡: p(前进)=0.40, q(让步)=0.40")

---

十四、总结与展望

14.1 核心概念回顾

经过这么长的旅程，让我们回顾一下博弈论的核心概念：

1. 博弈三要素：玩家、策略、收益。理解任何博弈都要从这三要素入手。

2. 严格优势策略：无论对手怎么选都更好的策略。理性人永远不会选被支配的策略。

3. 纳什均衡：没人能单方面改进的僵局。是博弈论最核心的概念。

4. 混合策略：当纯策略均衡不存在时，用概率随机化。石头剪刀布的均衡就是混合的。

5. 囚徒困境：个人理性导致集体非理性的经典。理解这个困境，就理解了一半的社会问题。

6. ESS：进化稳定策略。不需要完美理性，自然选择也能产生稳定结果。

7. 重复博弈：长期关系可以维持合作。耐心是关键。

8. 机制设计：设计激励让自私的人自然做对的事。Vickrey拍卖是杰作。

14.2 下一步学习建议

如果你想继续深入：

1. 贝叶斯博弈：当信息不对称时如何博弈？信号博弈、筛选模型。

2. 动态博弈与承诺：先手优势、可信承诺、边缘政策。

3. 合作博弈：联盟如何形成、收益如何分配？Shapley值、核。

4. 演化博弈：复制者动态、ESS、合作的演化。

5. 机制设计进阶：VCG机制、市场设计、拍卖理论。

6. 博弈论与AI：多智能体强化学习、算法博弈论、对抗鲁棒性。

14.3 博弈论的局限

最后要提醒：博弈论是工具，不是万能药。

局限性：

1. 完美理性假设：现实中人经常不理性。

2. 共同知识假设：要求无限递归的理性共识，现实中难以满足。

3. 计算复杂度：找纳什均衡可能是NP难问题。

4. 多均衡问题：很多博弈有多个均衡，博弈论无法预测哪个会实现。

5. 静态分析：博弈论擅长分析均衡，但对如何达到均衡关注不够。

理解这些局限，才能更好地应用博弈论。

---

参考文献

1. Nash, J. (1950). Equilibrium Points in N-Person Games. Proceedings of the National Academy of Sciences, 36(1), 48-49.
2. Nash, J. (1951). Non-Cooperative Games. Annals of Mathematics, 54(2), 286-295.
3. von Neumann, J., & Morgenstern, O. (1944). Theory of Games and Economic Behavior. Princeton University Press.
4. Osborne, M. J., & Rubinstein, A. (1994). A Course in Game Theory. MIT Press.
5. Myerson, R. B. (1991). Game Theory: Analysis of Conflict. Harvard University Press.
6. Fudenberg, D., & Tirole, J. (1991). Game Theory. MIT Press.
7. Shapley, L. S. (1953). A Value for n-Person Games. Contributions to the Theory of Games, 2(28), 307-317.
8. Vickrey, W. (1961). Counterspeculation, Auctions, and Competitive Sealed Tenders. Journal of Finance, 16(1), 8-37.
9. Maynard Smith, J., & Price, G. R. (1973). The Logic of Animal Conflict. Nature, 246, 15-18.
10. Kreps, D. M., & Wilson, R. (1982). Sequential Equilibria. Econometrica, 50(4), 863-894.
11. Myerson, R. B. (1979). Incentive Compatibility and the Bargaining Problem. Econometrica, 47(1), 61-73.
12. Gale, D., & Shapley, L. S. (1962). College Admissions and the Stability of Marriage. American Mathematical Monthly, 69(1), 9-15.
13. Rubinstein, A. (1982). Perfect Equilibrium in a Bargaining Model. Econometrica, 50(1), 97-109.

---

相关文档

• 统计学深度指南 - 贝叶斯博弈中的类型空间
• 凸优化深度指南 - 机制设计的优化视角
• 图论深度指南 - 网络博弈与图结构
• 概率论基础 - 期望效用理论与风险度量
• 机器学习理论 - 多智能体强化学习与博弈论