6.1 纳什均衡与策略思维

6.1 纳什均衡与策略思维

本节摘要：博弈论研究"收益互相耦合的多主体决策"，纳什均衡是无人愿意单方面偏离的稳定策略组合。本节用价格战囚徒困境演示均衡求解与矩阵划线法，展开混合策略的计算，说明为什么均衡可能是集体灾难、重复博弈如何部分救赎，以及占优策略与均衡的层级关系。

两家奶茶店的定价僵局

同街两家奶茶店各自决定定价：高价还是低价。若都高价，各赚 10；都低价，杀价伤敌一千自损八百，各赚 4；一家高价一家低价，低价者抢走市场赚 13，高价者只剩 1。写成收益矩阵（行是甲，列是乙）：

分析从"占优策略"入手：对甲来说，无论乙怎么选，低价都更赚（乙高价时 13 > 10，乙低价时 4 > 1）——低价是甲的占优策略。对称地，乙的占优策略也是低价。于是（低价，低价）成为唯一纳什均衡：给定对方低价，谁单独涨价谁吃亏。两家店在均衡处各赚 4，而双方都坚持高价本可各赚 10。这就是囚徒困境的结构：个体理性通过均衡机制制造了集体非理性。街头价格战、军备竞赛、公共渔场过度捕捞、内卷式加班，全是这一矩阵的换装演出。

求均衡的通用方法：最优反应

没有占优策略时，用"最优反应"逐格排查：对对手的每个策略，标出我方最优应对；双向标齐（双方互为最优反应）的格子就是纳什均衡。这个"划线法"可以直接代码化：

import numpy as np

# 收益张量：payoff[a选择, b选择] = (甲收益, 乙收益)
P = np.array([[(10, 10), (1, 13)],
              [(13, 1),  (4, 4)]], dtype=float)
A, B = P[:, :, 0], P[:, :, 1]

def best_rows(M, axis):
    """对每列(或行)找最优反应的索引集合"""
    return [np.flatnonzero(M[:, j] == M[:, j].max()) for j in range(M.shape[1])]

# 甲对乙各策略的最优反应；乙对甲各策略的最优反应
br_a = best_rows(A, 1)
br_b = [np.flatnonzero(B[i, :] == B[i, :].max()) for i in range(B.shape[0])]

eqs = [(i, j) for j in range(2) for i in br_a[j] if j in br_b[i]]
print("纯策略纳什均衡:", eqs)      # [(1, 1)] 即（低价, 低价）
​

有些博弈没有纯策略均衡——最著名的是猜硬币：甲乙各出正反面，相同甲赢、不同乙赢。任何确定性的选择都会被对手利用，唯一均衡是混合策略：双方各以 1/2 概率随机。混合策略的一般求法是让对手在自己两个选项之间无差异：设甲出正面的概率为 p，乙选正面与反面的期望收益相等时，乙才没有可乘之机，由此解出 p。

# 竞猜博弈：进攻方真假动作，防守方左右扑救
# 甲(攻)收益矩阵，甲选"真动作"概率 p 使乙左右无差异
# 乙左: 0.7p + 0.2(1-p)；乙右: 0.3p + 0.8(1-p)
p = (0.8 - 0.2) / ((0.7 - 0.3) + (0.8 - 0.2))
print(f"甲以 {p:.2f} 概率做真动作，乙无论扑哪边成功率都是 {0.7*p + 0.2*(1-p):.2f}")
​

混合策略的另一种读法更有味道：你的随机比例，是由对手的收益结构决定的——你要让对手猜不透，就要把对手逼到"怎么选都一样"的临界点上。点球射门、发球落点、虚晃与真突，竞技体育把它用到极致。

均衡的两种命运

均衡的局限与救赎

纳什均衡假设完全理性与共同知识，现实中人是有限理性的——行为博弈论的大量实验（比如最后通牒博弈里人们对不公平出价的拒绝）表明公平感、互惠、声誉都在修正冷酷的收益矩阵。工程视角的救赎更实在：困境的出路往往在博弈之外。把一次性博弈改成重复博弈（背叛会被未来的报复惩罚，合作成为可持续均衡——这是无名氏定理的内容）；改变收益结构（行业自律公约、平台补贴、反垄断罚款都在改矩阵）；引入承诺机制（公开宣布自动跟价的"最惠客户条款"，把口头威胁变成可置信承诺）。看到困境，先问"能不能改矩阵、能不能改次数"，这比劝各方高尚可靠得多。

💡 关键直觉：纳什均衡不是"最好的结果"，是"最稳的结果"。分析博弈时先找均衡看清落点，再判断落点好不好——好的设法达成，坏的设法改写规则。这正是 6.2 节机制设计的入口。

重复博弈：时间如何松动困境

一次性囚徒困境里合作无解，但商业往来几乎都是重复的。把博弈重复多次，且双方都记得历史，策略空间立刻扩容——"以牙还牙"（先合作，对方背叛则下轮报复一轮）这类条件策略让合作有了牙齿：背叛的即时收益是三，但触发报复后每轮损失六，只要未来足够重要（折扣因子够大、关系够长），合作的现值就压倒背叛。这就是无名氏定理的通俗版：无限重复博弈里，一堆合作性的均衡都能站稳，困境松动了。现实对应物俯拾皆是：老街坊店铺不敢宰客（回头客的价值）、行业价格默契（报复性降价的威慑）、国际贸易的最惠国条款（把单次博弈制度化成重复博弈）。反过来，关系快结束时（店铺要拆迁、合同只剩最后一批交付），终局效应让背叛重新划算。看博弈先看它重复几次、未来折多少，这是策略思维的第二副眼镜。

最后补一个概念卫生：纳什均衡的存在性有条件——有限博弈在混合策略下必有均衡（纳什本人的定理），但纯策略均衡可能不存在（猜硬币就是例证）；均衡还可能不唯一（协调博弈），此时选哪个均衡本身就是新问题，焦点、惯例与沟通都成了均衡选择机制。把这些边界条件记牢，你在使用均衡这个词时就能避开大多数误用。

本节要点回顾

• 纳什均衡 = 互为最优反应：任何一方单方面偏离都变差，才是稳定态；
• 占优策略是均衡的特例：不依赖对手行动的最优，划线法是通用排查手段；
• 混合策略让对手无差异：你的随机比例由对手的收益结构反解而出；
• 囚徒困境：个体理性汇成集体灾难，价格战、军备竞赛、公地悲剧同构；
• 出路在博弈之外：改次数（重复）、改矩阵（规则与奖惩）、改承诺（可置信威胁）。

均衡是给定规则后的落点。下一节反过来：先定目标，再设计规则，让自利的参与者自动走到设计者想要的位置。