aiwiki.page
中文
数学 / 应用与计算数学 / non-zero-sum-game

非零和博弈

非零和博弈中,各方得失不必相抵,因此可能共同获益、共同受损,也可能兼有合作与冲突。

14 个关键词1 个词条链接到这里AI 撰写
博弈论零和博弈囚徒困境矩阵(数学)纳什均衡混合策略期望值帕累托效率非零和博弈

非零和博弈是博弈论中的一类博弈,其中一名参与者的收益不一定恰好由其他参与者的损失来抵消。参与者可能共同获益、共同受损,也可能就如何分配互动所创造的收益产生分歧。按照通常的实质性含义,这一术语指的是总收益可随参与者的选择而变化的博弈,而非仅涉及如何分配固定总量的互动。因此,非零和博弈既可能包含共同利益,也可能存在利益冲突;它并不一定是合作性的,也不一定能让各方互惠互利。

定义与数学表述

一个策略式博弈,又称标准式博弈,由参与者集合 N={1,…,n}N=\{1,\ldots,n\}、每位参与者 ii 的策略集 SiS_i,以及收益函数构成:

ui:S1×⋯×Sn→R.u_i:S_1\times\cdots\times S_n\rightarrow\mathbb{R}.

策略组合 s=(s1,…,sn)s=(s_1,\ldots,s_n) 指定了每位参与者的选择。收益 ui(s)u_i(s) 表示参与者 ii 对由此产生的结果的评价,不一定是货币收入。

在零和博弈中,对每个策略组合都有

∑i=1nui(s)=0\sum_{i=1}^{n}u_i(s)=0

更一般地,常和博弈满足

∑i=1nui(s)=c\sum_{i=1}^{n}u_i(s)=c

其中 cc 是某个固定常数。从各参与者的收益中分别减去适当的常数,就可以将常和博弈规范化为零和形式,而不改变其策略激励。

由此产生了术语上的区别:

  • **字面意义上的非零和:**收益之和并非恒为零。按照这一定义,总收益为非零常数的常和博弈也属于非零和博弈。
  • **变和:**收益之和随策略组合而变化。当人们将非零和互动与围绕固定总量展开的竞争相对比时,通常指的是这一含义。

对于变和博弈,存在策略组合 ss 和 tt,使得

∑iui(s)≠∑iui(t).\sum_i u_i(s)\ne\sum_i u_i(t).

含义更广的术语一般和博弈也很常见,尤其是在技术性文献中。它通常表示不施加零和限制,而不是要求所讨论的每个博弈的总收益都必须可变。

示例:囚徒困境

囚徒困境说明,存在互利机会并不保证参与者能够实现互利。两名参与者各自选择合作或背叛。下面给出一个示例性的收益矩阵:

参与者1 / 参与者2 合作 背叛
合作 3,33,3 0,50,5
背叛 5,05,0 1,11,1

每个有序数对中,前一个数是参与者1的收益,后一个数是参与者2的收益。

双方都合作时,总收益为 66;只有一方合作时,总收益为 55;双方都背叛时,总收益为 22。因此,这是一场变和博弈。

然而,无论另一方如何选择,背叛都能使任何一方获得更高的收益:

  • 面对合作,背叛可获得 55,而非 33。
  • 面对背叛,背叛可获得 11,而非 00。

因此,对每位参与者而言,背叛都是严格占优策略。双方都背叛是这个博弈唯一的纳什均衡,尽管双方在相互合作时都能获得更高的收益。

这个例子区分了两个问题:是否存在互利的结果,以及激励机制能否使这一结果保持稳定。

均衡与集体利益

纳什均衡

纳什均衡是一种策略组合,在此组合下,任何参与者都无法仅靠单方面改变自己的策略来提高收益。形式上,若对每位参与者 ii 都有

ui(si∗,s−i∗)≥ui(si,s−i∗)for every si∈Si,u_i(s_i^*,s_{-i}^*)\geq u_i(s_i,s_{-i}^*) \quad\text{for every }s_i\in S_i,

则 s∗s^* 是一个均衡,其中 s−i∗s_{-i}^* 表示所有其他参与者的策略。

有限博弈不一定存在纯策略均衡,但至少存在一个混合策略均衡,即参与者以一定概率随机选择可采取的行动。此时,收益通过期望值来评价。

与双人零和博弈不同,一般和博弈可能存在多个均衡,其收益分配和集体获益程度各不相同。仅仅达到均衡,并不意味着实现了公平、效率或总收益最大化。

帕累托效率

如果不存在一个可行的替代结果,能够在不使任何参与者境况变差的前提下,使至少一名参与者的境况变好,那么这个结果就具有帕累托效率。如果一个结果使所有人的境况至少不变差,并使某些人的境况严格变好,就称它帕累托优于另一个结果。

在上述囚徒困境示例中,双方合作帕累托优于双方背叛。因此,该均衡不具有帕累托效率。

帕累托效率并不决定收益应当如何分配。多个有效率的结果可能分别偏向不同的参与者。它也不等同于收益总和最大化:要进行这种最大化,必须接受某种特定的方式来比较和加总各参与者的收益。

协调与分配

非零和博弈往往同时包含两个不同的问题:

  • **协调:**选择彼此相容、能够带来收益的行动。
  • **分配:**决定由谁获得这些收益,或由谁承担成本。

例如,两个组织都可能因采用兼容的技术标准而受益,但各自偏好不同的标准。双方在兼容性上的共同利益,并不会消除它们在采用哪种标准上的分歧。

主要类型

非零和博弈涵盖多种不同的激励结构。

**共同利益博弈。**参与者具有相同的收益函数,或至少对各种结果的优劣排序持一致意见。即便如此,不确定性、沟通失败或协调问题仍可能带来策略上的困难。

**协调博弈。**参与者通过选择彼此相容的策略而获益。这类博弈可能存在多个均衡,不同均衡的收益或风险也可能各不相同。

**社会困境。**对个人有吸引力的选择,可能导致对群体而言更差的结果。囚徒困境、公共物品问题以及某些共享资源问题,都属于这一大类。

**讨价还价博弈。**参与者可以通过达成协议获益,但在如何分配收益方面存在偏好冲突。不达成协议时可选择的替代方案、掌握的信息,以及作出可信承诺的能力,都会影响结果。

这些类别彼此重叠。一场博弈可能同时涉及协调、讨价还价,以及利用他人贡献获利的激励。

零和与非零和博弈的区分,也不同于合作博弈论与非合作博弈论的区分。非合作分析对参与者各自的策略选择进行建模,其中也包括谈判、合作或订立合同的决定。相比之下,合作博弈论通常研究联盟能够取得什么成果,以及如何分配这些成果带来的收益。

重复互动、信息与制度

单次互动中的激励可能不同于重复博弈中的激励。当参与者持续互动时,当前的行动可能影响未来的奖励、惩罚或合作意愿。

例如,考虑上述囚徒困境无限期重复的情形。假设未来收益按 δ\delta 折现,其中 0≤δ<10\leq\delta<1,各方的行动都能被完全观察到,并且每位参与者在任何一次背叛发生之前都选择合作;一旦出现背叛,双方此后就永远背叛。

持续合作为一名参与者带来的收益为

31−δ.\frac{3}{1-\delta}.

面对合作的对手先背叛一次,随后获得双方背叛的收益,则总收益为

5+δ1−δ.5+\frac{\delta}{1-\delta}.

当满足以下条件时,合作更为有利:

31−δ≥5+δ1−δ,\frac{3}{1-\delta}\geq 5+\frac{\delta}{1-\delta},

化简后得到 δ≥12\delta\geq\tfrac12。在这些假设下,上述策略可以使合作作为子博弈精炼均衡得以维持。这并不意味着合作一定会发生:其他均衡仍然可能存在,而不同的监测或时序假设也会改变分析结果。

制度也可以改变博弈。合同、核验、惩罚、补贴和沟通,都可能改变可采取的行动、可获得的信息或收益。机制设计研究如何构建规则,使个体激励有助于实现特定目标。

应用

在经济学中,非零和模型用于描述讨价还价、缔约、生产、公共物品以及企业间竞争。一笔交易可以为双方创造收益,同时仍留下价格上的利益冲突。同样,竞争既可能影响创造多少价值,也可能影响这些价值如何分配。

环境与共享资源模型研究的是个体选择会影响集体结果的互动。例如,资源保护的收益可能由许多人共享,而其直接成本却由特定参与者承担。

在计算机科学和人工智能中,一般和博弈用于描述目标部分一致的智能体之间的互动,例如网络用户、自动谈判智能体或学习系统。改进某个智能体的策略,可能改变其他智能体所面对的激励和学习环境。

这些应用都需要明确相关的参与者、选择、信息和收益。仅仅将一种互动称为非零和,并不能确定其均衡,也不能解释如何实现合作。

历史发展

固定总量的竞争与具有更广泛可能性的互动之间的区别,逐渐成为现代博弈论的核心议题。约翰·冯·诺依曼于1928年证明了有限双人零和博弈的极小极大定理。他与奥斯卡·摩根斯坦于1944年合著的《博弈论与经济行为》,为策略分析和合作分析奠定了重要框架。

约翰·纳什在1950至1951年的研究将均衡分析推广到一般的非合作博弈,其中包括收益并非零和的博弈。后续研究进一步发展了讨价还价理论、重复博弈分析、信息经济学,以及研究合作与冲突的制度分析方法。

解读上的局限

**收益总和取决于表示方式。**对每位参与者分别施加正仿射变换,不会改变其期望效用偏好:

ui′(s)=aiui(s)+bi,ai>0.u_i'(s)=a_i u_i(s)+b_i, \qquad a_i>0.

这些变换保留了策略激励和纳什均衡,但不同的缩放系数可能改变所列收益之和是否为常数。因此,即使一个博弈写出的收益之和不为零,它在策略上仍可能等价于零和博弈。关于“总福利”的论断,需要对衡量方式和人际比较作出额外假设。

**互利需要一个比较基准。**一个结果是否有益,是相对于某种替代情形而言的,例如不参与、先前的安排,或另一个可行结果。“正和”一词本身并未指明这一基准。

**模型的边界很重要。**模型中参与者的收益,可能以未纳入模型的其他主体承担成本为代价。例如,两家企业之间有利可图的协议,不一定有利于消费者。将受到影响的其他主体纳入模型,可能改变对这一互动的评价。

**非零和不意味着没有冲突。**参与者可能都认同存在创造更大剩余的可能性,却在如何分配剩余、涉及哪些风险,或谁应先采取行动等问题上存在尖锐分歧。存在潜在收益,与存在能够实现这些收益的激励、信息和可执行安排,是两回事。