博弈论(Game Theory)入门学习笔记(持续更新)

Posted Mr.Shelby

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了博弈论(Game Theory)入门学习笔记(持续更新)相关的知识,希望对你有一定的参考价值。

课程介绍

  • 博弈论,又称对策论,是使用严谨的数学模型研究冲突对抗条件下最优决策问题的理论,是研究竞争的逻辑和规律的数学分支。

1-1 Taste-Backoff

  • 以一个经典案例引出博弈论
  • TCP Backoff Game
    两台电脑之间想要实现通信,两种方式可供选择,建立回退机制以及不建立回退机制。如果AB双方均建立回退机制,则双方延迟都是1。如果A、B一方建立回退机制,另一方不建立,那么建立的一方延迟是4,不建立的一方延迟是0。如果双方都不建立回退机制,则双方延迟都是3。
  • 该问题的结果有一特点,即自己做出决策的收益不仅跟自己的决策有关,还跟对方的决策有关。因此存在一种“博弈”竞争关系。

1-2 Self-Interested Agents and Utility Theory

  • Self-Interested Agents:利己代理
    并不是说决策者只考虑自己或者伤害他人,而是指决策者对于世界状态有自己的独特看法,并且根据自己的判断理解做出决策。
  • Utility Theory :效用理论
    每个决策者都有自己的效用函数,表达了决策者对于决策的偏好,决策者做出决策都是为了最大化效用期望。

1-3 Define

  • Key Ingredients 关键组成
    Players:决策者。执行决策的人。
    Actions:动作。决策者可以做的事情。
    Payoffs:回报。激励决策者的东西,决策带来的回报。

  • Two Standard Representations 两种标准表达方式
    Normal Form:分别定义Players、Actions、Payoffs。
    Extensive Form:扩展定义Timing、Information。

  • 简单的博弈论问题可以使用矩阵表达,如1-1所示。

  • 复杂问题无法用矩阵表达,如经典的造反问题。共有10000000个人,每个人可以选择造反或者不造反,只有达到2000000个人才算造反成功。如果造反达到人数要求,无论决策者选择什么收益都是1;如果造反没有达到人数要求,则决策者选择造反的收益是-1;如果造反没有达到人数要求,则决策者选择不造反的收益是0。
    Players: N = { 1 , . . . , 10 , 000 , 000 } N=\\{1,...,10,000,000\\} N={1,...,10,000,000}
    Actions Set for player i i i A i = { R e v o l t , N o t } A_i=\\{Revolt,Not\\} Ai={Revolt,Not}
    Utility Function for player i i i
    (1) u i ( a i ) = 1   i f { j : a j = R e v o l t } > = 2 , 000 , 000 u_i(a_i)=1 \\space if \\{j:a_j=Revolt\\}>=2,000,000 ui(ai)=1 if{j:aj=Revolt}>=2,000,000
    (2) u i ( a i ) = − 1   i f { j : a j = R e v o l t } < 2 , 000 , 000   a n d   a i = R e v o l t u_i(a_i)=-1 \\space if \\{j:a_j=Revolt\\}<2,000,000 \\space and \\space a_i=Revolt ui(ai)=1 if{j:aj=Revolt}<2,000,000 and ai=Revolt
    (3) u i ( a i ) = − 0   i f { j : a j = R e v o l t } < 2 , 000 , 000   a n d   a i = N o t u_i(a_i)=-0 \\space if \\{j:a_j=Revolt\\}<2,000,000 \\space and \\space a_i=Not ui(ai)=0 if{j:aj=Revolt}<2,000,000 and ai=Not

1-4 Examples

  • 囚徒困境 Prisoner’s dilemma。故事背景:两个共谋犯罪的人被关入监狱,不能互相沟通情况。如果两个人都不揭发对方,则由于证据不确定,每个人都坐牢一年;若一人揭发,而另一人沉默,则揭发者因为立功而立即获释,沉默者因不合作而入狱十年;若互相揭发,则因证据确凿,二者都判刑八年。由于囚徒无法信任对方,因此倾向于互相揭发,而不是同守沉默。
    结果的优劣程度按照A>B>C>D排序。

  • Game of Pure Competition 纯竞争博弈
    博弈的双方具有完全对立的利益。
    对于双方任意动作组合,其效用之和永远为一个常数。 ∀   a ∈ A , u 1 ( a ) + u 2 ( a ) = c \\forall \\space a \\in A,u_1(a)+u_2(a)=c  aA,u1(a)+u2(a)=c
    特殊类型:零和博弈。双方效用之和永远为0。
    举例说明:石头剪刀布游戏。

  • Games of Cooperation 合作博弈
    博弈的多方具有相同的利益,利益之间不存在冲突。 ∀ a ∈ A , ∀ i , j , u i ( a ) = u j ( a ) \\forall a\\in A,\\forall i,j,u_i(a)=u_j(a) aA,i,j,ui(a)=uj(a)
    举例说明:过马路问题。马路两头两个人想同时通行,每个人可以选择靠左或者靠右行驶。

1-5 Nash Equilibrium Intro

  • Keynes Beauty Contest Game:凯恩斯选美博弈
    举办选美大赛,从1-100号候选者中选择自己认为最美的一位,获得票数最多的人获得选美冠军,投票给选美冠军的人也会得到一定的奖励。这个问题是老千层饼了,第一层的人只是自己觉得谁漂亮就选谁,比如A觉得10号最美投票给了10号;第二层的人考虑其他人的投票分布从而产生自己的决策,比如B觉得可能有很多人投票给30号,虽然自己喜欢10号也投票给30号;第三层的人觉得其他人可能也会因为考虑到第二层的因素,从而放弃自己最喜欢的转投自己认为最火爆的…这是一个无休止的猜想游戏。
  • 猜数字游戏
    每个人从1-100中选择一个整数,最后最接近平均值三分之二的人获得奖励,假设参加这项游戏的人数足够多。这个问题同样是一个千层饼问题。
    第一层的人:参赛人数足够多,我假设大家所选择的数字均匀分布,那么最后的平均值应该接近于50。那么我为了获胜应该选择的数字是 50 ∗ 2 3 = 33 50*\\frac{2}{3}=33 5032=33
    第二层的人:我想大部分人都在第一层,因此他们都选择33。那么最后的平均值应该接近于33。那么我为了获胜应该选择的数字是 33 ∗ 2 3 = 22 33*\\frac{2}{3}=22 3332=22
    第三层的人: 22 ∗ 2 3 = 11 22*\\frac{2}{3}=11 2232=11

    第n层的人:应该选择的数是0。这就得到了纳什均衡。
    美国进行过一项调查,其中2%选择了66(没读懂题的笨蛋)、5%的选择了50(第一层)、10%的选择了33(第二层)、6%选择了22(第三层)、12%的选择了0或者1(思考到了最后)。但最后的结果平均值为19,第三层左右的人获得了最终的胜利。
  • 以上两个故事告诉我们,在投资问题或者博弈问题中,我们的层数不可太高也不可太低。太低是傻子,太高聪明反被聪明误。

1-6 Strategic Reasoning

  • 在其他人的决策确定的情况下,每一个决策者都是为了最大化个人的收获效用来做出决策。
  • 一旦纳什均衡建立,没有人可以通过改变决策跳出均衡而获利受益。
  • 如果某些决策者通过改变决策跳出均衡可以获利受益,那么说明纳什均衡还没有真正建立。
  • 纳什均衡是一个稳定的状态,但并不是一个最优的获利状态。

1-7 Best Response and Nash Equilibrium