1. 从一场经典海战说起零和博弈的实战推演很多朋友一听到“博弈论”就觉得是数学家在纸上玩的抽象游戏离现实生活很远。其实恰恰相反我们每天做的很多决策小到讨价还价大到商业竞争背后都有博弈论的影子。今天我就从一个非常经典的实战案例——俾斯麦海之战讲起带你亲手推演一遍看看博弈论是如何在真实战场上发挥作用的。1943年初的这场海战背景很简单日军想从新不列颠岛向新几内亚增援部队盟军主要是美军则要全力阻止。日军指挥官有两条航线可选一条是北线航程短但天气差能见度低另一条是南线航程长但天气好。美军指挥官同样面临选择把主要的侦察和轰炸力量集中在北线还是南线这就是一个典型的二人零和博弈日军成功运兵就是日军的“得”和美军的“失”日军被拦截就是美军的“得”和日军的“失”双方得失之和为零没有平局或双赢的可能。我当时在给学生讲这个案例时喜欢让他们扮演双方指挥官。你站在日军的角度想想如果你选北线美军也重点搜北线你被发现的概率极高损失惨重如果美军搜南线你就能借助恶劣天气溜过去。反过来你选南线也一样要赌美军猜错你的方向。美军那边也是同样的纠结。这就像两个人玩石头剪刀布你出什么完全取决于你猜对方会出什么而对方也在猜你会出什么。这种相互猜测、相互制约的决策过程就是博弈论研究的核心。那么最优策略是什么凭直觉很多人会觉得应该“反其道而行之”或者“随机选一条”。直觉部分正确但博弈论给了我们更精确的工具。我们可以把这个局面变成一个支付矩阵。假设我们量化一下得失日军成功抵达得1分失败得-1分美军成功拦截得1分放行得-1分。从美军视角看矩阵正值表示美军得分即日军损失大概会是这样如果双方都选北线美军易于发现得1分都选南线美军也易于发现也得1分如果美军搜北而日军走南美军扑空得-1分反之亦然。通过这个矩阵我们就能用数学方法寻找那个让双方都“无法单方面改变策略以获益”的稳定点也就是纳什均衡。在俾斯麦海之战中历史记载美军将领肯尼选择了将搜索力量重点放在北线而日军也确实选择了北线最终盟军取得了胜利。这个结果事后用博弈论模型去分析会发现它非常接近理论推导出的均衡策略。2. 零和博弈不是你死就是我活通过上面的案例我们可以更清晰地给零和博弈下个定义。零和博弈是一种参与各方利益完全对立的博弈。你的收益就是我的损失我的所得就是你的所失整个博弈的总收益像一块大小固定的蛋糕你多切一块我就必须少拿一块。生活中很多竞争性场景都是零和或接近零和的比如棋牌游戏、体育比赛淘汰赛、传统的商业竞标等。理解零和博弈要抓住几个关键特征。第一是利益的完全对立性。双方没有共同利益合作无法创造额外价值。第二是结果的确定性总和。所有参与者的收益加起来永远是一个常数通常是零。第三是策略的相互依存性。你的最优策略是什么不取决于你自己想干什么而取决于你认为对手会干什么以及对手认为你会怎么认为……这是一个无限循环的推理链。很多新手容易混淆零和博弈与一般竞争。我举个例子两个小吃摊在一条街上卖同款煎饼如果每天顾客总数固定那么一个摊主多卖一个另一个就可能少卖一个这接近零和。但如果两个摊主一起搞促销把整条街的人气炒热吸引了更多顾客总蛋糕变大了即使各自市场份额不变收入也都能增加这就变成了非零和博弈。所以判断是不是零和关键看参与者能否通过某种形式的互动哪怕是竞争性的互动把整体收益的“饼”做大。在零和博弈中决策者的核心思路是最小化最大可能损失或者说最大化最小可能收益。这听起来有点绕我把它翻译成大白话在做选择时先想想每个选择可能带来的最坏结果是什么然后选那个“最坏结果里最好的”那个选项。这是一种极度保守但非常稳健的决策哲学确保自己即使在最倒霉的情况下处境也不会太差。这也就是著名的最小最大定理的核心思想。这个定理保证了在有限策略的二人零和博弈中总存在这样一个“安全值”和对应的安全策略。3. 纯策略纳什均衡寻找那个“不动点”理解了零和博弈的氛围我们来看看如何在这种高压下找到稳定的策略组合也就是纯策略纳什均衡。所谓“纯策略”就是你明确地、百分之百地选择一个行动方案而不是随机混合几个方案。纳什均衡则是指这样一种状态在对手策略不变的情况下没有任何一个参与者愿意单独改变自己的策略因为改变不会带来更好的结果。我们用一个简化但完整的数学例子来实操一下。假设玩家A和玩家B进行一个零和博弈A有三个策略A1, A2, A3B也有三个策略B1, B2, B3。收益矩阵如下矩阵中的数字代表玩家A的收益B的收益就是A收益的相反数A\BB1B2B3A16-10A2312A3-30-1我们的目标是找到所有纯策略纳什均衡。怎么找呢方法是“划线法”我一步步带你走一遍。第一步站在玩家A的角度思考。对于玩家B的每一个策略A会选择哪个策略使得自己的收益最大如果B选B1A的收益分别是6A1、3A2、-3A3。最大收益是6对应策略A1。我们在A1, B1这个格子的6下面划一条横线。如果B选B2A的收益是-1、1、0。最大是1对应A2。在A2, B2的1下面划线。如果B选B3A的收益是0、2、-1。最大是2对应A2。在A2, B3的2下面划线。第二步换位到玩家B的角度思考。注意这是零和博弈B的收益就是A收益的相反数。所以B希望A的收益越小越好即自己的损失越小。对于玩家A的每一个策略B会选择哪个策略使得A的收益最小即B自己的收益最大如果A选A1A的收益是6、-1、0。最小收益是-1对应B2。我们在A1, B2的-1上面划一条竖线或圈起来。如果A选A2A的收益是3、1、2。最小收益是1对应B2。在A2, B2的1上面划线。如果A选A3A的收益是-3、0、-1。最小收益是-3对应B1。在A3, B1的-3上面划线。第三步找交点。现在看整个矩阵哪个格子同时被横线和竖线标记了我们发现A2, B2这个格子数字1下面有横线A对B2的最佳反应上面也有竖线B对A2的最佳反应。这就意味着当B选择B2时A最好的选择是A2当A选择A2时B最好的选择是B2。双方都没有单方面偏离的动机。因此(A2, B2) 构成了一个纯策略纳什均衡此时的博弈值V1对A而言。通过这个手算过程你能直观地感受到纳什均衡那种“相互制衡”的稳定感。它不一定是对双方都最好的结果在这个例子里A肯定梦想拿到6但它是一个谁先动谁就可能吃亏的“僵局”。在零和博弈中这个均衡点也正好体现了最小最大定理玩家A通过选A2保证了自己最差也能拿到1最大最小收益玩家B通过选B2保证了让A最多只能拿到1最小最大损失。这个“1”就是博弈的值。4. 最小最大定理零和博弈的“定海神针”刚才找均衡的过程其实已经用到了最小最大定理的思维。这个定理是零和博弈理论的基石由冯·诺依曼证明。它听起来有点学术但我用个比喻你就懂了想象你在玩一个对抗游戏对手总是针对你。你的最优策略不是去追求那个最高分因为对手会阻挠你而是去追求一个“最坏情况下的最好结果”。就像在野外生存你不是先计划吃多好而是先确保自己无论如何不会饿死。定理的正式表述是在一个两人零和、有限策略的博弈中一定存在一个数值V使得玩家A有一个策略可以保证无论B怎么玩A的期望收益至少是V。玩家B有一个策略可以保证无论A怎么玩A的期望收益最多是V。这个V就是博弈的值。A的策略叫最大最小策略最大化自己的最小收益B的策略叫最小最大策略最小化A的最大收益。在纯策略均衡存在的情况下这个V就是均衡点对应的收益。它的强大之处在于存在性保证。无论博弈多么复杂只要满足条件两人、零和、策略有限这个“安全值”和“安全策略”就一定存在。这给决策者提供了极大的心理安慰和理论依据你永远可以找到一个策略让自己立于不败之地至少不会输得比V更惨。在实际应用中比如在简单的棋类游戏或者某些定价模型中我们可以通过枚举或线性规划精确算出这个V和对应的策略。它告诉决策者在极端对抗环境下保守和稳健往往是理性的选择。追求“最优”可能坠入深渊而确保“不最差”才是生存之道。这个思想影响了从军事战略到金融风险管理的众多领域。5. 混合策略纳什均衡当“确定性”失效时但是不是所有的零和博弈都像上面那个例子一样存在纯策略的纳什均衡。最经典的例子就是“猜硬币”游戏你出正面我就想出反面赢你你出反面我又想改出正面。纯策略下双方永远在循环没有谁愿意稳定在一个选择上。这时候纯策略纳什均衡就不存在了。怎么办博弈论引入了更强大的概念混合策略。所谓混合策略就是玩家不是确定地出一个招而是按照一定的概率分布随机地选择不同的纯策略。比如在猜硬币游戏中最优策略就是以50%的概率随机出正面或反面。这样无论对方怎么猜从长期统计来看我都不会吃亏。为什么混合策略能成为均衡因为它的目标是让对手无机可乘。我选择的概率分布要使得无论对手选择哪个纯策略他所能获得的期望收益都是一样的。这样对手就没有倾向性去选择某一个特定策略来针对我因为他选什么都一样。反过来对手也会用同样的思路来制定他的混合策略来对付我。当双方都达到这种状态时就形成了一个混合策略纳什均衡。我们给之前的数学框架做个扩充。设玩家A有m个纯策略他以概率向量X(x1, x2, ..., xm)随机选择其中xi≥0且总和为1。玩家B类似概率向量为Y。收益矩阵A不变但现在的收益是期望收益E(X,Y) X^T * A * Y。纳什证明了一个至关重要的定理任何一个有限策略的两人零和博弈都至少存在一个混合策略意义下的纳什均衡。这补上了纯策略均衡可能不存在的缺口使得纳什均衡成为一个普遍适用的解概念。求解混合策略均衡通常需要解一组线性方程或不等式。核心思想就是“让对手无差异”。例如在一个简化版的“警察巡逻与小偷行窃”博弈中小偷选择偷A区或B区警察选择巡逻A区或B区。警察要决定巡逻A区的概率p使得小偷偷A和偷B的期望收益被抓的负效用相等小偷也要决定偷A的概率q使得警察巡逻A和巡逻B的期望收益抓住小偷的效用相等。联立这两个方程就能解出均衡概率(p, q)和博弈的值V。6. 从零和到非零和博弈世界的拓展现实世界并非总是“你死我活”。更多的时候博弈参与方之间的关系是既竞争又合作可能存在共同把蛋糕做大的机会。这就是非零和博弈。在这种博弈中各方的收益之和不再是零一方所得不一定意味着另一方所失可能出现双赢或多赢的局面。最著名的例子莫过于囚徒困境。两个共谋罪犯被分开审讯。如果都抵赖合作因证据不足各判1年如果都坦白背叛则各判5年如果一人坦白一人抵赖坦白的立功释放抵赖的判8年。从集体利益出发双方都抵赖总共坐牢2年是最优的。但从个人理性出发无论对方怎么选自己坦白总是更好的选择对方抵赖我获释对方坦白我判5年也比8年强。结果个人理性导致集体非理性最终稳定在坦白坦白这个纳什均衡上但这对双方来说都不是最好的结果。这个例子深刻地揭示了个人理性与集体理性的矛盾。求解非零和博弈的纳什均衡尤其是混合策略均衡方法比零和博弈更复杂一些因为不能简单沿用最小最大定理。常用的一种方法是反应函数法写出每个玩家在各种情况下的期望收益函数然后求导或寻找最优反应点令其等于零联立方程组求解。另一种实用方法是反复剔除严格劣策略。所谓“严格劣策略”就是无论对手怎么玩都有一个其他策略能给你带来严格更高的收益。理性人永远不会选择严格劣策略。我们可以一轮一轮地剔除所有参与者的严格劣策略简化博弈矩阵有时候就能直接找到均衡。比如下面这个收益矩阵前一个数字是玩家A的收益后一个是玩家B的收益A\B左右上(2, 1)(0, 0)中(0, 2)(1, 1)下(1, 0)(1, 2)对于玩家A策略“下”和“中”比“下”在B选左时收益10在B选右时收益11并非严格劣。但比较“下”和“上”B选左时12B选右时10。也不是严格劣。我们需要系统检查。实际上这个博弈存在纯策略均衡上左和中右以及可能的混合策略均衡。通过系统性地剔除那些在任何情况下都更差的策略我们可以缩小寻找范围这是分析复杂博弈的第一步。7. 奇数定理纳什均衡的数学趣味在探索博弈论的过程中有一个非常有趣的数学现象叫做奇数定理。它是由威尔逊等人证明的内容是在“几乎所有”的有限策略博弈中包括零和与非零和纳什均衡的数量包括纯策略和混合策略总是一个奇数。这个定理非常反直觉。我们通常会认为均衡可能有0个、1个、2个或者很多个为什么偏偏“几乎总是”奇数呢我打个比方这就像解一个方程组方程代表的曲线在空间中相交那些交点均衡点的个数在一般情况非退化情况下往往是奇数。如果出现偶数个比如2个那说明系统处于一种非常特殊、对称的临界状态稍微扰动一下参数就可能“变”出第3个均衡来或者合并掉1个。这个定理有什么实际意义呢首先它告诉我们纳什均衡几乎总是存在的因为1是奇数。这从另一个角度支持了纳什均衡概念的普遍性。其次当我们分析一个博弈时如果找到了偶数个均衡比如两个纯策略均衡那么理论上我们就应该意识到很可能还存在至少一个我们还没发现的混合策略均衡。这指引我们去更深入地挖掘。例如在“性别之战”博弈中夫妻俩一个想看电影一个想看球赛但更想待在一起通常存在两个纯策略均衡电影电影和球赛球赛。根据奇数定理我们应该怀疑还存在第三个均衡。没错确实存在一个混合策略均衡双方都以一定概率随机选择电影或球赛。不过这个混合均衡对双方来说期望收益更低不太稳定。奇数定理就像一个有趣的数学侦探提示我们不要遗漏任何可能的稳定状态。掌握从零和博弈到纳什均衡这一套思维工具最大的价值不在于解那些数学题而在于培养一种策略性思维习惯。当你面临一个竞争或互动决策时你会本能地去想对方有哪些选项他的收益是什么我的每个行动会引发他怎样的反应有没有一个双方都不愿主动打破的平衡点这种思维无论是在产品定价、资源分配还是在日常的人际交往中都能帮你看得更清想得更远。我自己的经验是学了博弈论之后再看很多商业新闻和社会现象感觉就像拿到了一个隐藏的剧本能咂摸出不少门道来。它不会给你唯一的正确答案但能帮你排除很多明显的错误答案并理解当前局面为何会如此。