6.1 博弈的语言：策略、收益与理性

6.1 博弈的语言：策略、收益与理性

摘要：博弈论给"多个自利个体的交互"提供数学建模语言。本节拆解标准式博弈三元组（玩家、策略、收益）与扩展式博弈树两种记法，讲理性的层级与共同知识假设，辨析帕累托最优与个体理性——个人最优的加总为何未必是集体最优。

冯·诺伊曼给经济学留下的那句判断常被引用：如果把"博弈"理解为一群利益相关者按规则互动的任何局面，那经济学、政治学、生物学乃至日常争吵，研究的其实是同一种对象。会馆开馆第一课不发筹码先发词典：要把"算计"变成能计算的学问，先得有一套记法。这一节属于全册的理论地基——第 3 章的协商桌、第 5 章的法庭、前面的合同网与声誉档案，在会馆里都将被重写成一张收益矩阵或一棵博弈树。

标准式：一张矩阵说清一局

最常用的记法是标准式（策略式）博弈，一个三元组：玩家集（谁在局中）、每个玩家的策略集（各自能出什么牌）、收益函数（每个策略组合下各家拿多少）。两人有限策略的博弈画成矩阵最直观：行是甲的策略，列是乙的策略，格子里的数对是（甲收益，乙收益）。

小镇水源争用的例子。两户人家共享一条溪，各自决定"多取水"还是"少取水"：都少取，溪流常青各得安稳；都多取，水位暴跌两家都要花钱打井；一方多取一方少取，多取的占便宜、少取的吃亏。写进矩阵：

矩阵里每个格子的第一个数是甲的收益，第二个是乙的。这张小桌子下一节还要反复用——它就是著名的囚徒困境的水资源版。

扩展式：一棵树说清先后

交互有先后次序、信息有遮蔽差异时，矩阵不够用，改画博弈树：节点是决策点（轮到谁出牌），枝是可选行动，叶子是终局收益。树上还能标注信息集——轮到你时你看得见什么：看得到对方刚出什么牌叫完美信息（棋类），看不到叫不完美信息（密封报价）。标准式与扩展式可以互相转换，前者便于代数分析，后者便于讲清时序与承诺。

理性：一个层层加码的假设

博弈论的引擎是理性假设：玩家追求自身收益最大化，且对博弈结构（玩家、策略、收益）了如指掌。但这还不够狠——我要预判你的行动，就得假设你也是理性的；你要预判我对你的预判，就得假设"我知道你知道我理性"。这条递归链走到头叫共同知识：不仅人人理性，而且"人人都知道人人都理性"这件事本身也人人皆知。真实世界里的镇民（无论碳基硅基）常常止步于二三层——这正是有限理性与行为博弈论的入口，也是第 6.5 节演化方法放松掉的假设。

图 6-1 博弈分类地图：会馆的房型图

两把评价尺子：帕累托最优与个体理性

有了矩阵与树，就能给结局打分。帕累托最优：不存在别的结局能让某个玩家更好而不伤别人。(3, 3) 的溪流常青在水源博弈里是帕累托最优之一——想让任何一家超过三分，另一家就得掉到一分。个体理性：参与博弈至少不比退出（保留效用）差，收益低于底线的局面理性玩家根本不会接受。

两把尺子经常打架，这正是会馆存在的原因。回到水源矩阵：每家单独看，"多取"都是硬道理——不管对方怎么选，多取的收益都更高（4 大于 3，2 大于 1）。于是两个理性人双双多取，落到 (2, 2)——比 (3, 3) 双双更差，却比一方单方面少取的 (1, 4) 体面。个人最优的加总不是集体最优，这句话的数学化就是下一节的囚徒困境，工程化就是前面五章所有协调机制的必要性证明。

💡 关键直觉：读收益矩阵先找"无论对方出什么我都更好"的策略（占优策略），再找"给定对方选择我最优"的策略（最佳响应）。前者是后者的特例；占优策略存在时，理性玩家没有悬念——而正是这种"没有悬念"，常常把大家推进集体次优的坑。

代码实验：把矩阵装进机器

分析博弈之前先会表示博弈。下面的代码定义标准式博弈、检查占优策略、枚举所有结局并标出帕累托最优——这是本章后面所有实验的公共底座。

from itertools import product

class Game:
    """标准式博弈：玩家甲乙的策略名与收益矩阵。"""
    def __init__(self, row_moves, col_moves, payoffs):
        self.row_moves, self.col_moves = row_moves, col_moves
        self.pay = payoffs        # pay[r][c] = (甲收益, 乙收益)

    def cell(self, r, c):
        return self.pay[r][c]

    def dominant(self, player):
        """找 player 的弱占优策略：对对手的每种选择都不劣于其他选择。"""
        my_moves = self.row_moves if player == 0 else self.col_moves
        opp_n = len(self.col_moves) if player == 0 else len(self.row_moves)
        dom = []
        for i, mv in enumerate(my_moves):
            if player == 0:      # 行玩家：每列里都得并列最高
                ok = all(self.pay[i][j][player] >=
                         max(self.pay[k][j][player]
                             for k in range(len(my_moves))) - 1e-9
                         for j in range(opp_n))
            else:                # 列玩家：每行里都得并列最高
                ok = all(self.pay[j][i][player] >=
                         max(self.pay[j][k][player]
                             for k in range(len(my_moves))) - 1e-9
                         for j in range(opp_n))
            if ok:
                dom.append(mv)
        return dom

    def pareto_front(self):
        """枚举全部结局，标出帕累托最优的格子。"""
        cells = [(self.pay[r][c], r, c)
                 for r in range(len(self.row_moves))
                 for c in range(len(self.col_moves))]
        front = []
        for u, r, c in cells:
            dominated = any(
                v[0] >= u[0] and v[1] >= u[1] and (v[0] > u[0] or v[1] > u[1])
                for v, _, _ in cells)
            if not dominated:
                front.append((self.row_moves[r], self.col_moves[c], u))
        return front

water = Game(["少取", "多取"], ["少取", "多取"],
             [[(3, 3), (1, 4)], [(4, 1), (2, 2)]])
print("甲的占优策略:", water.dominant(0))
print("乙的占优策略:", water.dominant(1))
print("帕累托最优结局:", water.pareto_front())
​

跑出来你会看到：两家的占优策略都是"多取"，而帕累托前沿上站着的是 (3, 3) 与两个不对称结局——占优逻辑指向的 (2, 2)，恰恰被帕累托前沿开除。个人理性与集体理性的裂缝，被几行代码拍在案上。

def best_response_set(game, player, opp_move_idx):
    """给定对手选定某策略，返回我的最佳响应集合。"""
    if player == 0:
        col = [game.pay[r][opp_move_idx][0]
               for r in range(len(game.row_moves))]
        m = max(col)
        return [game.row_moves[i] for i, v in enumerate(col)
                if abs(v - m) < 1e-9]
    else:
        row = [game.pay[opp_move_idx][c][1]
               for c in range(len(game.col_moves))]
        m = max(row)
        return [game.col_moves[i] for i, v in enumerate(row)
                if abs(v - m) < 1e-9]

print("若乙少取，甲的最佳响应:", best_response_set(water, 0, 0))
print("若乙多取，甲的最佳响应:", best_response_set(water, 0, 1))
print("若甲多取，乙的最佳响应:", best_response_set(water, 1, 1))
​

最佳响应是下一节的门票：纳什均衡就是"互为最佳响应"的策略组合——甲的选择是对乙的最佳响应，乙的选择也是对甲的最佳响应，谁单方面改主意谁吃亏。

沙盘推演小结

会馆的地基浇筑完毕：矩阵与树两种记法、理性与共同知识的层层假设、帕累托与个体理性两把尺子、占优与最佳响应两件分析工具。词典已发，下一节正式开盘：把"没有人愿意单方面改变"这个力学平衡点找出来。