{
  "id": "zero-sum-game",
  "title": "零和博弈",
  "lang": "zh-Hans",
  "source_lang": "en",
  "summary": "在每种结果下，所有参与者的收益之和均为零的博弈，即一方的所得恰好等于其他方的所失。",
  "category": "mathematics",
  "subcategory": "applied",
  "type": "concept",
  "aliases": [
    "零和游戏",
    "零和对策"
  ],
  "generated_at": "2026-10-04",
  "model": "pro/gpt-6.1-sol",
  "url": "https://aiwiki.page/zh/zero-sum-game/",
  "translations": {
    "en": {
      "url": "https://aiwiki.page/en/zero-sum-game/",
      "json": "https://aiwiki.page/en/zero-sum-game.json"
    }
  },
  "sections": [
    {
      "heading": "",
      "text": "零和博弈是博弈论中的一种博弈：在每一种可能的结果下，所有参与者的收益之和都为零。在两人博弈中，一方的收益恰好是另一方收益的相反数：一方获得多少，另一方就损失多少。两人零和博弈为利益完全对立的情形提供了数学模型，并与均衡理论和最优化有着尤为密切的联系。(learn.mit.edu)"
    },
    {
      "heading": "定义与常和博弈",
      "text": "对于参与者 \\(1,\\ldots,n\\)，用 \\(u_i(s)\\) 表示参与者 \\(i\\) 在策略组合 \\(s\\) 下的收益；策略组合指定了每位参与者所采用的策略。零和条件为\n\n\\[\\sum_{i=1}^{n}u_i(s)=0 \\quad\\text{对所有 }s\\text{ 均成立。}\\]\n\n对于两位参与者，这一条件变为 \\(u_2(s)=-u_1(s)\\)。收益表示模型所规定的数值回报或效用（经济学），不一定是货币收入。(cs.cmu.edu)\n\n常和博弈则满足 \\(\\sum_i u_i(s)=c\\)，其中 \\(c\\) 不随结果变化。只要从各参与者的收益中分别减去一些总和为 \\(c\\) 的常数，就可以将其转化为零和博弈。例如，从每位参与者的收益中减去 \\(c/n\\)，便能使总收益变为零，同时不改变任何参与者对策略的偏好。因此，在这种规范化处理下，常和博弈与零和博弈在策略上是等价的。(bpb-us-e1.wpmucdn.com)\n\n“零和”并不意味着每位参与者的收益都为零，也不意味着博弈是公平的，或其均衡值为零。它描述的是收益的总和，而不是各个收益的大小。(cs.cmu.edu)"
    },
    {
      "heading": "矩阵表示与策略",
      "text": "有限两人零和博弈可以用一个收益矩阵 \\(A\\) 表示。行方选择第 \\(i\\) 行，列方选择第 \\(j\\) 列，两者的收益分别为 \\(A_{ij}\\) 和 \\(-A_{ij}\\)。行方力求使这一矩阵元素最大，列方则力求使其最小。(cs.cmu.edu)\n\n纯策略是以确定的方式选择一个可用策略。混合策略则是纯策略集合上的概率分布。如果双方分别按照概率向量 \\(x\\) 和 \\(y\\) 独立地随机选择策略，那么行方收益的期望值为\n\n\\[x^{\\mathsf T}Ay =\\sum_i\\sum_j x_iA_{ij}y_j,\\]\n\n其中，所有概率都非负，且每个向量的分量之和均为一。随机化可以防止对手利用可预测的选择获利。(cs.cmu.edu)"
    },
    {
      "heading": "极小化极大定理与均衡",
      "text": "行方的极大化极小收益，是其面对任何对手策略时都能保证获得的最大期望收益。列方的极小化极大界，是其能够为行方收益设定的最小上界。约翰·冯·诺依曼于 1928 年证明的极小化极大定理，也是极小化极大算法的理论基础；该定理指出，对于任意有限两人零和博弈，这两个量相等：\n\n\\[\\max_{x\\in\\Delta_m}\\min_{y\\in\\Delta_n}x^{\\mathsf T}Ay = \\min_{y\\in\\Delta_n}\\max_{x\\in\\Delta_m}x^{\\mathsf T}Ay =v,\\]\n\n其中，\\(\\Delta_m\\) 和 \\(\\Delta_n\\) 分别是相应维数的概率向量集合。数值 \\(v\\) 称为行方的博弈值。(web.mit.edu)\n\n最优策略 \\(x^*,y^*\\) 满足\n\n\\[x^{\\mathsf T}Ay^* \\leq x^{*\\mathsf T}Ay^* =v \\leq x^{*\\mathsf T}Ay \\quad\\text{对所有 }x,y\\text{ 均成立。}\\]\n\n它们构成一个鞍点，也是一个纳什均衡：任何一方都无法通过单方面改变策略来提高自身收益。最优策略未必唯一，但所有均衡策略对都产生相同的博弈值。这些保证针对的是期望收益，而不是每一次博弈的实际结果。(web.mit.edu)"
    },
    {
      "heading": "示例：猜硬币博弈",
      "text": "在猜硬币博弈中，两位参与者同时选择正面或反面。如果选择相同，行方获得 \\(+1\\)；否则，行方获得 \\(-1\\)。列方的收益则与之相反：\n\n行方 / 列方 | 正面 | 反面\n正面 | \\(1\\) | \\(-1\\)\n反面 | \\(-1\\) | \\(1\\)\n\n这个博弈不存在纯策略均衡：面对任何固定选择，对手都可以作出对自己有利的回应。在均衡状态下，双方都以 \\(1/2\\) 的概率选择正面和反面，博弈值为零。采用这一混合策略的参与者，无论面对对手的哪一种纯策略，其期望收益都为零；不过，每次实际博弈仍然会有一方获胜、另一方落败。(cs.cmu.edu)"
    },
    {
      "heading": "计算与适用范围",
      "text": "有限矩阵博弈可以通过线性规划求解。行方在以下约束下最大化 \\(v\\)：\n\n\\[A^{\\mathsf T}x\\geq v\\mathbf 1,\\qquad \\mathbf 1^{\\mathsf T}x=1,\\qquad x\\geq0.\\]\n\n列方在以下约束下最小化 \\(w\\)：\n\n\\[Ay\\leq w\\mathbf 1,\\qquad \\mathbf 1^{\\mathsf T}y=1,\\qquad y\\geq0.\\]\n\n这些约束表达了面对对手的每一种纯策略时所能保证的收益界。这两个规划互为对偶，拉格朗日对偶的强对偶性给出 \\(v=w\\)，从而提供了极小化极大定理的一种证明。(arxiv.org)\n\n“两人”这一限定十分重要。对于三人或更多人的博弈，总收益为零并不意味着任意两人的利益都相互对立：多位参与者可能以另一位参与者的损失为代价共同获益。相反，非零和博弈允许总收益随结果而变化，因此可能出现共同获益、共同受损，或合作与冲突并存的情形。所以，仅凭存在竞争，并不能判定一种互动是零和的；模型中规定的收益必须满足零和条件。(people.csail.mit.edu)"
    }
  ],
  "links": [
    "game-theory",
    "utility-economics",
    "matrix",
    "mixed-strategy",
    "probability-distribution",
    "expected-value",
    "john-von-neumann",
    "minimax",
    "saddle-point",
    "nash-equilibrium",
    "linear-programming",
    "lagrangian-duality",
    "non-zero-sum-game"
  ],
  "sources": [
    {
      "title": "Lecture 7: Zero-Sum Games",
      "url": "https://learn.mit.edu/video/115723/lecture-7-zero-sum-games?playlist=115742"
    },
    {
      "title": "15-859(M): Randomized Algorithms",
      "url": "https://www.cs.cmu.edu/afs/cs/academic/class/15859-f04/www/scribes/lec4.pdf"
    },
    {
      "title": "Leveraging Symmetries in Strategic Games",
      "url": "https://www.cs.cmu.edu/~csd-phd-blog/2025/symmetries-in-games/"
    },
    {
      "title": "853: Topics in Algorithmic Game Theory, Fall 2011",
      "url": "https://people.csail.mit.edu/costis/6853fa2011/"
    },
    {
      "title": "Lecture 12: February 13",
      "url": "https://bpb-us-e1.wpmucdn.com/sites.gatech.edu/dist/0/1822/files/2025/02/Lecture12_Feb13.pdf"
    },
    {
      "title": "Table 1. Matching pennies and coordination matrix games",
      "url": "https://www.cs.cmu.edu/afs/cs/Web/People/coral/old/publinks/mmv/00icml-mike.pdf"
    },
    {
      "title": "S890: Topics in Multiagent Learning, Lecture 3",
      "url": "https://web.mit.edu/~gfarina/www/6S890/lecture3.pdf"
    },
    {
      "title": "Zero-Sum Games and Linear Programming Duality",
      "url": "https://arxiv.org/abs/2205.11196"
    },
    {
      "title": "Two-Person Games",
      "url": "https://mat.tepper.cmu.edu/classes/QUANT/notes/node77.html"
    },
    {
      "title": "Non-zero-sum Game Theory",
      "url": "https://www.cs.cmu.edu/afs/cs/Web/People/awm/tutorials/nonzerosum.html"
    }
  ],
  "license": "https://creativecommons.org/licenses/by/4.0/"
}