【精譯⚡博弈論】WilliamSpaniel(公開課) P8 - 8.p7 The Mixed Strategy Algorithm

財富導航
16粉絲
2 次觀看·2026年5月2日
你好,我是威廉·斯帕尼爾。讓我們來學習一些博弈論。
今天我們將討論混合策略演算法。
我在《博弈論101:完整教科書》第1.5課中詳細說明了這一點。
請查看影片說明以獲取更多相關資訊。
記得上一集影片我們講過猜硬幣的遊戲。
我們發現並不存在純策略納什均衡。
而且我們猜對了,實際上,如果兩位玩家都拋硬幣,
那麼每位玩家在選擇正面或反面時將會無所謂。
因此,任何一方都無法改變自己的策略而期望獲得更好的結果。
符合納什均衡的定義。
因此,擲硬幣等於採用混合策略納什均衡。
現在要猜出這個相對容易,因為所有這些回報值都是1和-1。
然而,大多數遊戲並不會具有如此簡單的回報結構。
例如,如果我们觀察這場比賽,
當每個結果對應不同的權重時
那麼,硬幣正反面的結果就未必會那麼理想了。
因此,這支影片中我們將會開發一個演算法,
如標題所示的混合策略演算法,
讓我們能夠找出何種混合策略
對於這些球員中的每一位來說,都會讓對方感到無差別。
例如,我們需要做的是為玩家1找到一個混合策略。
有時候他會表現得興奮,有時候則會表現得消沉。
我們需要找到一種看起來像這樣的策略,
這使得玩家2在選擇左邊和右邊時感到無差別。
如果玩家2選擇左邊所獲得的平均收益與選擇右邊所獲得的收益相同,
那麼,她選擇哪種策略都無所謂。
因此,她可以選擇一個混合策略,也就是在左邊和右邊之間進行隨機選擇。
並且如果這種隨機化使得玩家一在選擇上與選擇下之間無差異,
這意味著他也完全滿意於維持其原有的混合策略。
因此,這意味著兩位玩家都沒有動機去改變自己的策略。
因此,我們最終會達到一個混合策略納什均衡。
在兩種策略之間的這些機率。
所以那聽起來有點令人困惑。
當我們實際開始求解混合策略時,情況會變得更清楚。
那麼,讓我們從玩家一的混合策略開始。
現在我們為玩家1採用這種混合策略所要實現的是提出
採用混合策略,使玩家2選擇左邊的期望效用為
她選擇左邊作為純策略的報酬,
等於她選擇右邊作為純策略的收益,她選擇右邊作為純策略的期望效用。
這裡很明顯,玩家2選擇左邊的期望效用為
是一個函數,此函數 f 對於混合策略 σ 的 u。
這個參數 σᵤ 代表玩家1選擇向上行動的機率。
因此,如果玩家2選擇向左,那麼她就只能聽憑玩家1在向上與向下之間的決定。
為了確定她的收益是多少,無論是負3還是1。
這正是這裡所代表的內容。
如果玩家2選擇向右,情況也是一樣的。
然後她就任由玩家1決定向上或向下而定。
這就是 Sigma U 所代表的內容。
這僅是玩家1選擇向上的機率。
以及玩家1選擇向下行動的概率。
這將決定她在此處獲得2分還是0分。
現在,如果你記得國中代數的內容,
我們這裡有三個包含三個未知數的方程式。
我們對向左的期望效用,以及對向右的期望效用,
以及一個機率分佈,我們用 sigma 上來表示。
因此,如果你有三個方程式和三個未知數,
你實際上可以解出所有問題。
這正是我們將在此進行的事。
首先,讓我們先求解玩家1的混合策略
並考慮左邊的預期效用
作為此混合策略 σ 的函數。
好吧,有一部分時間,玩家2會得到負3。
所以在這種情況下,她選擇左邊的期望效用為
這意味著玩家2在此總是選擇向左。
試圖計算她選擇左邊的預期效用。
因此,有相當比例的時間,玩家一會故意表現得較弱。
而且她得到的是負3。
然後在剩下的時間裡,玩家1一直在往下打。
而玩家2得到1。
因此,她選擇左邊的期望效用為 sigma 上乘以負 3
加 1 減去西格瑪上乘以 1。
讓我們把這件事說得非常清楚明白
所有這些數字從何而來。
因此,σ_up 表示玩家1選擇向上的機率。
如果玩家一選擇向上,那麼在這百分比的時間裡,
玩家2將得到負3。
就是這裡的回報。
然後我們還需要將這種回報效果加入到其他時間發生的情況中。
因此,1 減去 sigma 上,就是玩家 2 選擇向下的機率。
或者說,玩家一往下降。
因此,在玩家1選擇向下操作的那部分時間裡,
玩家2在該結果中獲得1點效用。
因此,你將玩家1出下牌的時間比例乘以……
獲利為1的時刻。
因此,將這兩點加在一起,
你得到玩家2對左邊的期望效用。
現在我們需要在另一邊做同樣的事。
那麼玩家2選擇「右」的期望效用是多少?
作為混合策略 σ 的函數,σ 上?
嗯,有部分時間,玩家一會選擇向上。
而玩家2得到2。
而其他時間,她得到的則是 0。
因此我們可以這樣寫。
她選擇右邊的期望效用是某種概率的時間,
有部分時間,玩家一選擇向上行動,她獲得2分。
然後我們需要將這個概率加上玩家1出下牌的概率。
就是 1 減去 sigma 上。
在其他時間裡,如果玩家一沒有往上走,
這意味著他必定正在下滑。
而在那百分比的時間裡,玩家二的收益為零。
所以我們把它乘以 0。
因此,這就是玩家2的期望效用值。
現在請記住,我們要將這兩個預期效用設為相等。
因此,我們得到了向左的期望效用和向右的期望效用。
我們已將每個選項的預期效用定義為 sigma 上的函數。
現在我們只需將 fk 兩個量設為相等,這個等於那個。
如果你這裡稍微做一些代數運算,
並依照這裡的步驟求解 sigma 上。
如果你對我每一步是如何操作的不清楚,可以暫停。
你可以自己來解決它們。
你到達了 sigma 上方等於 1 6 分之 1。
因此,這表示如果玩家一以六分之一的機率選擇向上行動
並且向下 5/6 的時間,玩家 2 對於選擇左邊或右邊將無差異。
無論她做出何種選擇,最終的期望效用仍相同。
那是從這邊的方程式來的。
因此,這個混合策略使玩家二感到無所謂。
現在我們要做相反的事情。
我們基本上要做同樣的事。
除非我們要把參賽者調換一下位置。
因此,這次我們在問自己,
玩家1選擇「上」的期望效用是多少?
玩家1選擇「向下」的期望效用是多少?
我們將把這兩者設為相等。
嗯,他選擇向上的期望效用現在僅是玩家2混合策略的函數。
因此,我們正在求解玩家2的混合策略。
而這僅會由這個關於 σL 的函數來表示。
此外,玩家1選擇「向下」的期望效用也是σL的函數。 /*
我們仍然有三個未知的方程式,
或三個方程式與三個未知變數。
這意味著我們可以求解它們。
那我們來一步步處理這個問題。
首先,我們來計算玩家1選擇「上」的期望效用。
好吧,這不過是某個混合策略 σ 的函數而已。
因此,如果玩家一在這裡進行遊戲,
因為我們正在計算他選擇向上的期望效用,
然後在某些百分比的時間裡,玩家二會選擇向左走,
而玩家1將獲得3分。
然後在剩下的時間裡,玩家2將會選擇向右。
而玩家1將得到負2。
因此,σ左代表玩家2選擇左邊的概率。
將這個數值乘以這裡的回報3。
然後再加上 1 減去 sigma 左側的值,
玩家2選擇右邊的機率。
然後將其乘以負2。
你把這兩件事加起來,
你就得到了玩家1在選擇「上」時的期望效用。
現在,向下行動的預期效用看起來是這樣的。
因此,有一部分時間,玩家一會得到負一。
而其他時間,他得到的則是0。
因此,他選擇向下時的期望效用為 sigma 左。
玩家2選擇左邊的機率,
負一次方
再加上玩家2選擇右邊的密度。
1 減去西格瑪左,
這裡的報酬為0,乘以次數。
我們將把這兩個方程式設為相等。
因此,向上行動的期望效用等於向下行動的期望效用。
這些就是我們在前兩張投影片中提出的預期效用方程式。
而且,如果你想要暫停,
您可以在這裡看到所有的逐步數學計算過程。
但最終你會得到剩下 2 倍標準差等於三分之一。
因此,如果玩家2以三分之一的概率選擇向左行動,
以三分之二的概率正確地
因此,現在玩家1在選擇向上或向下之間無差異。
同樣地,這個方程式確保了他的期望效用。
無論他往上彈還是往下彈,情況都一樣。
httpRequest 123
以六分之一的概率
以五分之六的概率向下。
而玩家2以三分之一的概率選擇向左行動,
且以三分之二的概率正確。
只要球員以那種方式混搭,
那麼,任何一方都無法改變自己的策略以獲得更好的結果。
由於玩家一對向上和向下的期望效用相同,
而玩家2選擇左邊和右邊的期望效用相同。
沒有人能有利可圖地偏離並改變自己的策略,同時還期望獲得更好的結果。
根據其他人的做法。
因此,這導致了一個混合策略納什均衡。
所以,這就是使用混合策略演算法的方法。
求解混合策略納什均衡。
我們實際上將進一步探討這種混合策略演算法的幾個更多案例。
因此,如果你需要更多練習,接下來的影片中會出現更多類似的內容。
或在接下來的幾支影片中。
事實上,下次我們將討論一個常見的錯誤。
你看到人們在寫混合策略納什均衡時所做出的行為。
接下來的影片中,我會告訴你如何避免這一點。
來吧,跟我一起。
