6.3 动态与重复博弈：可信威胁与合作的诞生

6.3 动态与重复博弈：可信威胁与合作的诞生

摘要：行动有先后、博弈有历史时，静态均衡概念会放过"说大话"的策略。本节讲博弈树上的逆向归纳与子博弈完美均衡（剔除不可信威胁）、承诺装置如何把空话变成实力，以及重复博弈里合作均衡的诞生条件（贴现因子、触发策略、无名氏定理），用代码实现逆向归纳与一场重复囚徒困境策略锦标赛。

别被纸面上的威胁吓住——除非对方为这个威胁付过真金白银。会馆第三课讲时间：上一节的矩阵把所有选择当作同时发生，可真实交互有先来后到、有历史记录。把时间加进来，一半的"狠话"会现出原形，另一半的合作会凭空出现。本节同时收编旧教程"重复博弈"一讲的全部内容：一锤子买卖里的背叛逻辑，如何被"来日方长"四个字改写。

博弈树上的倒推法

先看一个静态分析会吃亏的例子。外来商贩考虑要不要进驻小镇集市：他先进（或不进），本地老摊主随后决定"打价格战"还是"默许分享"。收益：不进，商贩得零、老摊主安稳得五；进了被价格战，两败俱伤（负一与二）；进了被默许，双双得三与四。

老摊主的狠话是："你敢来我就打价格战，让你血本无归。"静态思维会被吓退；动态分析倒着推：先看最后一个决策点——真到商贩已进驻的节点，老摊主打价格战得二、默许得四，理性老摊主会默许。预判到这一点，商贩在第一个节点比较：不进得零、进得三——进。倒推的结论与狠话相反：威胁不可信，因为它到兑现时不合算。

这个"从叶子往根倒推、每层取最优"的方法就是逆向归纳，它算出的均衡叫子博弈完美均衡——要求策略在每一个子博弈（树的每个决策点往下的部分）上都是最优的，不单单是全局。纳什均衡只查全树，子博弈完美连每个岔路口都查，于是能把"计划到不了的地方说大话"的策略筛掉。完美信息有限博弈里逆向归纳必定收敛，这是动态博弈的基本功。

图 6-3 市场进驻博弈的逆向归纳

承诺装置：把空话变成实力

狠话不可信，是因为兑现时不合算。想让威胁可信，就得改变兑现时的收益——这叫承诺装置。老摊主若当众签下"凡有外摊进驻、摊位费全额补贴老户打价格战"的合约（相当于自缚双手），价格战从亏本选项变成义务，商贩的倒推随之改写。历史与商战里这类"自断退路以立信"的操作屡见不鲜：破釜沉舟、公开烧掉退路、缴纳不可退还的保证金。第 5 章法庭的"保证金"、第 3 章合同网的"违约金"，机制上全是承诺装置——可信性是可以购买的，价格是预先放弃的选择权。

重复博弈：来日方长改写一切

现在把一锤子买卖拉长成一世交道。同样的阶段博弈（比如囚徒困境）重复进行，每轮之间历史公开，这就是重复博弈。关键参数是贴现因子：明天的收益在今天值多少（零到一之间，越接近一越有耐心）。重复带来两样新武器：奖励（你合作我下轮继续合作）与惩罚（你背叛我下轮报复）。当贴现因子足够高——未来足够值钱——"未来报复的现值"超过当期背叛的甜头，合作就成为均衡行为。无名氏定理的通俗版：贴现够高时，几乎所有"个体理性以上"的收益都能被某个均衡支撑——合作不需要道德，只需要足够长的影子。

支撑合作的常用策略是触发策略：冷醋策略（grim trigger，你背叛一次我就永远背叛）与以牙还牙（tit-for-tat， copying 对方上一轮的动作：先合作，然后人家干嘛我干嘛）。政治学者阿克塞尔罗德当年办过一场著名的策略锦标赛，邀请各方提交重复囚徒困境策略循环对打，结果最简单朴素的以牙还牙夺冠——它的成功四要素至今被引用：善良（不首先背叛）、可激怒（立刻报复）、宽容（对方回头就恢复合作）、清晰（行为模式容易被识别）。

代码实验一：逆向归纳自动化

把市场进驻博弈写成树结构，从叶子倒推剪枝，输出子博弈完美路径。

class Node:
    """决策节点：行动 -> 子节点；叶子：payoff 元组。"""
    def __init__(self, player=None, payoff=None):
        self.player, self.payoff = player, payoff
        self.branches = {}          # 行动名 -> Node

    def add(self, action, child):
        self.branches[action] = child
        return child

def backward(node, path=()):
    """逆向归纳：返回(最优收益, 均衡路径)。"""
    if node.payoff is not None:
        return node.payoff, path
    results = {a: backward(child, path + (a,))
               for a, child in node.branches.items()}
    best_action = max(results, key=lambda a: results[a][0][node.player])
    return results[best_action]

root = Node(player=0)                      # 商贩
stay_out = root.add("不进驻", Node(payoff=(0, 5)))
enter = root.add("进驻", Node(player=1))   # 老摊主
enter.add("价格战", Node(payoff=(-1, 2)))
enter.add("默许", Node(payoff=(3, 4)))

payoff, path = backward(root)
print("子博弈完美路径:", " -> ".join(path), " 收益:", payoff)

# 老摊主加装承诺装置：价格战收益被合约抬高到五
enter.branches["价格战"].payoff = (-1, 5)
payoff2, path2 = backward(root)
print("承诺装置后路径:", " -> ".join(path2), " 收益:", payoff2)
​

对比两条路径：没有承诺时商贩进驻、老摊主默许；老摊主自缚双手抬高价格战收益后，狠话变成可信威胁——商贩倒推改判"不进驻"。承诺装置花的是自己的选择权，买的是对手的决策。

代码实验二：重复囚徒困境锦标赛

让四名选手循环对打重复囚徒困境：以牙还牙、冷醋、永远背叛、随机。每轮得分矩阵用上一节的水源版（合作三对三，双双背叛二对二，单方背叛四对一），轮数与贴现因子可调。

import random

def stage_move(strategy, my_hist, opp_hist, rng):
    if strategy == "always-defect":
        return "多取"
    if strategy == "random":
        return rng.choice(["少取", "多取"])
    if strategy == "tit-for-tat":
        return "少取" if not opp_hist else opp_hist[-1]
    if strategy == "grim":
        return "多取" if "多取" in opp_hist else "少取"
    raise ValueError(strategy)

PAY = {("少取", "少取"): (3, 3), ("少取", "多取"): (1, 4),
       ("多取", "少取"): (4, 1), ("多取", "多取"): (2, 2)}

def duel(s1, s2, rounds=50, discount=0.9, seed=17):
    rng = random.Random(seed)
    h1, h2, v1, v2 = [], [], 0.0, 0.0
    for t in range(rounds):
        m1 = stage_move(s1, h1, h2, rng)
        m2 = stage_move(s2, h2, h1, rng)
        p1, p2 = PAY[(m1, m2)]
        v1 += (discount ** t) * p1        # 未来收益打折
        v2 += (discount ** t) * p2
        h1.append(m1); h2.append(m2)
    return v1, v2

field = ["tit-for-tat", "grim", "always-defect", "random"]
totals = {s: 0.0 for s in field}
for i, a in enumerate(field):
    for j, b in enumerate(field):
        if i < j:
            va, vb = duel(a, b)
            totals[a] += va; totals[b] += vb
for s, v in sorted(totals.items(), key=lambda kv: -kv[1]):
    print(f"{s:15s} 总分 {v:8.1f}")
​

典型跑分值得细读：冷醋与以牙还牙靠互相合作领跑；耐人寻味的是"永远背叛"咬得很紧——它先骗走善良策略第一轮的便宜，之后虽然被拉进互相背叛的泥潭，靠那份不义之财仍能挂在榜上。这不是理论的漏洞而是生态的真相：剥削型策略的排名取决于场上善良策略的密度，把参赛名单加厚（更多愿意合作的策略），剥削者的相对位置就会滑落；场上全是背叛者时大家一起沉底。另一个细节是以牙还牙对随机选手的无奈——对方的乱拳会触发连环回声，这正是它"零宽容于噪声"的软肋，宽容变体（对方连着两次背叛才反击）在嘈杂环境里更稳。把贴现因子调低再跑：未来不值钱，惩罚的威慑缩水，合作策略的排名应声下滑。合作的出现不靠人性，靠贴现因子撑起的"未来的重量"。

⚠️ 常见坑：以为"重复"自动等于"合作"。贴现因子低（对方只看眼前）、博弈终止期已知且临近（末期背叛无可惩罚，倒推回开头全线崩溃—— finite horizon 谜题）、或历史不可观察（没法定位背叛者）时，合作照样瓦解。第 5 章的声誉档案与本章的触发策略是同一件事的两副面孔：都是把历史变现成当期威慑。

💡 关键直觉：把第 5.3 节的声誉系统放到会馆里再看一遍——它其实是"社区帮你记账的触发策略"。档案让每个镇民都默认在跟"重复博弈里的同一个对手"打交道，女巫攻击想做的正是"假装换了对手"以逃避历史。机制与理论在这里严丝合缝。

理论账本

重复博弈的资产栏：合作的均衡化（无名氏定理给出巨大的可支撑集）、触发策略的极简实现（一行代码的策略能支撑市场秩序）、声誉与承诺的理论根基。负债栏：均衡爆炸（无名氏定理的另一面——能支撑的收益太多，预测力反而稀释）、有限期倒推崩溃（理论上末期必背叛，现实里靠不确定性或不完全理性续命）、观察噪声的脆弱性（以牙还牙在误会频发的环境里会陷入互相报复的死循环，宽容版"以两报还一牙"更稳健）。工程取舍由此来：真实系统里贴现因子对应"关系持续的期望"，把长期关系的期望做厚（会员制、押金、声誉档案），就是在抬高系统的贴现因子。

沙盘推演小结

会馆的长桌今晚坐满了熟客：摊主与常客心照不宣地互相让利——他们都知道明天还要见面。新来的骗子试探了一轮，第二天全市场的冷眼让他明白贴现因子的分量。镇长在本子上记下两行：狠话要配上保证金才可信，合作要配上记忆才持久。下一节轮到会馆最有权势的人物出场——规则制定者：不研究怎么在牌桌上赢，而研究怎么设计牌桌。