互联网资讯
囚徒困境博弈(囚徒困知青周萍境博弈模型)
2023-06-07 19:10  浏览:97

本篇文章给大家谈谈囚徒困境博弈,以及囚徒困境博弈模型对应的知识点,希望对各位有所帮助,不要忘了收藏本站喔。

这是一个典型的囚徒困境,而且博弈只发生一次。写“敌人”,要么你就拿到所有的钱,要么你就一分钱都拿不到。写“朋友”,要么你就一分钱都拿不到,要么你只能得到一半儿的钱。对吧?显然两个人的压倒性策略都是写“敌人”。

然而节目中的真实情况是53.7%的女性和47.5%的男性都选择了合作,他们写下了“朋友”。

这些人在金钱面前选择了相信一个素昧平生的人。他们宁可被人背叛也不愿背叛别人。他们选择了做好人。类似这样的研究我见过好多个,甚至有经济学家还专门跑到监狱里去,让真正的囚徒玩了囚徒困境的游戏 [2]。这些研究的结果高度一致:有一半儿、甚让败至一半儿以上的人选择做好人。

难道这些人都是非理性的吗?

一个解释是这首指些人的坦芹颤确有点非理性了,因为他们玩这种游戏都还不够熟练。我们说了,人在做熟悉的事情的时候通常是相当理性的。比如有实验证明 [1,3],如果让一群人连续跟不同的对手玩过几把囚徒困境游戏,他们的行为就会趋于理性,会更多地选择背叛。这就好像在社会中见识页面字体变大了人性之恶,会把人变得成熟一样。

但有意思的是,如果让固定的两个人连续玩比如说100把囚徒困境游戏,他们会大量地合作,一直到最后几轮才开始互相背叛。

这似乎容易理解,我们在熟人面前总是做好人。但是,简单的博弈论分析并不支持这个做法!这个现象,曾经是一个著名的悖论。

案例研究 囚犯两难处境的比赛

假想你正与被关在另一个屋子里的“嫌疑”人进行囚犯两难处境的博弈。而且,再设想这种博弈不是进行一次而是多次。你博弈最后的得分是你被监禁的总年数。你希望使这种得分尽可能地模孙少。你应该用什么战略?你应该从坦白还是保持沉默开始?另一个参与者的行动会如何影响你以后的坦白决策?

多次的囚犯两难处境是极为复杂的博弈。为了鼓励合作,参与者应该相互惩罚不合作行为。但以前描述的杰克和吉尔的水卡特尔的战略——只要另一方违约,一方就永远违约——得不到宽恕。在反复许多次的博弈中,在不合作时期之后,允许参与者回到合作结果的战略,可能是较合人意的。

为了说明哪一种战略最好,政治学家罗伯特?阿克塞尔罗德(Robert Axelrod)进行了一场比赛。人们通过输人为反复进行囚犯的两难处境而设计的电脑程序进入比赛。每个进行博弈的程序都对应于所有其他程序。得到狱中总年数最少的程序的是“赢家”。

赢家结果是被称为一报还一报的简单战略。念销根据一报还一报,参与者应该从合作开始,然后上一次另一个参与者怎么作自己也怎么做。因此,一报还一报参与者要一直合作到另一方违约时为止;他违约到另一方重新合仔码游作时为止。换句话说,这种战略从友好开始,惩罚不友好的参与者,而且,如果对方改变就给予原谅。令阿克塞尔罗德惊讶的是,这种简单的战略比人们输人的所有较复杂的战略都好。

一件严重的纵火案发生后,警察在现场抓到两个犯罪嫌疑人。事实上,正是他们一起放火烧了这座仓库。但是,警方没有掌握足够的证据,只得把他们隔离囚禁起来紫药水染发,要求他们坦白交代。

在这种情形下,两个囚犯都可以做出自己的选择:或者供出他的同伙——即与警察合作,从而背叛他的同伙;或者保持沉默——也就是与他的同伙合作,而不是与警察合作。这两个囚犯都知道,如果他俩都能保持沉默的话,就都会被释放,因为只要他们拒不承认,警方无法给他们定罪。

但警方也很明白这一点,所以就决定对两个囚消缺犯来点刺激:如果他们都承认纵火,每人将被判入狱3年;如果他们都不承认,每人将因为缺乏证据而都被释放:如果一个抵赖而另一个坦白并且愿意出来作证,那么抵赖的将被判入狱5年,还要对他施以罚款,而坦白者将被宽大处理——释放,同时还可以得到一笔奖金。

那么,这两个囚犯该怎么办呢?是选择互相合作还是互相背叛?

从表面上看,他们应该互相合作,保持哪旁沉默,因为这样他们俩都能得到最好的结果:自由。但他们不得不仔细考虑对方可能采取什么选择。

A犯不是个傻子,他根本无法相信同伙不会向警方提供对他不利的证据,然后带着一笔丰厚的奖赏出狱而去,让他独自坐牢。这种想法的诱惑力实在太大了。但他也意识到,他的同伙也不是傻子,也会同样来这样设想他。

所以A犯的结论是,唯一理性的选择就是背叛同伙,把一切都告诉警方,因为如果他的同伙笨得只会保持沉默,那么他就会是那个带奖出狱的幸运者了。而如果他的同伙也根据这个逻辑向警方交代了,那么,A犯反正也得服审,起码他不必服最重的刑。

一番博弈的结果就是。这两个囚犯按照自己的逻辑做出行动,双双坐牢。

上面的故事反应了人们的一种博弈心理,它在心理学上被称作“囚徒困境”,最早是由美国普林斯顿大学的数学家增克于1950年提出来的。他当时创造出这样一个故事是为了向美国斯坦福大学的一群心理学家们解释什么是博弈论。后来,“囚徒困境”演绎出许多版本,成为博弈论中最著名的案例。

“囚徒困境”告诉我们,在一个存在着相互作用的博弈中,最好的策略直接取决于对方采用的策略,特别是取决于这个策略为发展双方合作留出多大的余地。

在大家都非常熟悉的国内的家电大战中,虽然不是两个对手之间的博弈,但由于在众多对手当中,每一方的市场份额都很大,每一个主体人的行为后果受对手行为的影响都很大,因此,其情景大概也是如此。

因而,如果清楚这种前景,双方勾结或合作起来,都实行比较高的价格,那么双方都可以因为避免价格大战而获得较高的利润。有人把这样一种合作的做法,叫做“双赢对局”。而这样的结果,往往双方将都是“双赢对局”的赢家。

可惜这些联盟也往往处于利益驱动的“囚徒困境”。而双赢也就成为泡影。五花八门的价格联盟总是非常短命,道理就在这里。

在囚徒困境中,双方不约而同地选择背叛而坐牢,一方面的原因是与同伙合作的惩罚远远高于所得到的报酬,另一方面也由李桥橡于这是在信息不透明的情况下进行的一次性决策,不存在更多的后果或者后续的博弈。

举例来说,在公共汽车上,两个陌生人会为一个座位争吵,如果他们认识,可能就会相互谦让。在夜市地摊、车站和旅游景点等人群流动性大的地方,不但商品和服务质量最差,而且假冒伪劣横行,因为在商家和顾客之间没有后续的博弈,顾客不大可能因为饭菜可口而再次光临。既然是一锤子买卖,不赚白不赚。

也正是这种心理所驱使,如果一厢情愿地选择合作就要受到惩罚。约翰逊总统在向一群商业界头面人物说明需要大量资金同前苏联进行导弹竞赛时,曾经通过下面这个故事来说明这个道理:

1861年,一位得克萨斯州人离家前去参加南军士兵阵营。他告诉他的邻居他很快就会回来,这场战争不会费力:“因为我们能用扫帚柄揍这些北方佬。”两年后,他才重返故里,少了一条腿。

他的邻居向这位神情悲惨、衣衫褴褛的伤兵询问到底发生了什么事:“你不是说过战争不费力,你们能用扫帚柄揍这些北方佬吗?”

这位士兵回答:“我们当然能,但是麻烦在于北方佬不用扫帚打仗。”

可是在生活中的大部分情境中,人与人之间都会存在一些后续的接触和博弈。那么在这种情况下,我们又应该如何决策呢?

显然,一味地以德报怨不可取,因为这样只是将别人的人生成本转嫁到自己头上;而一味地以怨报德也不可取,因为这样将慢慢失去大多数的博弈伙伴和机会。

所以,最好的决策方法还是囚徒困境教给我们的:以德报德、以怨报怨的反射决策。

事实上,这也是日常生活中多数人的理性选择,也是一个很具适应性的规则。它的有效是由于其他规则预料到它的存在,并且被设计得与它很好相处。因为要和“反射决策”很好相处,就必须采取合作态度,即使那些伺机占便宜而不被惩罚的规则,也很快改变,因为任何想占“反射决策”便宜的规则最终将伤害自己。

要使这一决策方式发生作用,必须满足以下条件:

特征是显著而且容易识别的;

一旦被识别出来,就必须使对方明白会对一切背叛进行报复,并且使对方很难解脱。

数学家约翰·冯诺依曼曾说过:“在一个存在着相互作用的博弈中,最好的策略直接取决于对方采用的策略,特别是取决于这个策略为发展双方合作留出多大的余地。”

总之,反射决策能够赢得竞赛不是靠打击对方,而是靠从对方引出使双方都有好处的行为。

囚徒困境(prisoner's dilemma)是指两个被捕的囚徒之间的一种特殊博弈,说明为陪空迹什么甚至在合作对双方都有利时,保持合作也是困难的。

在这个博弈中,参与者必须反复地选择他们彼此相关的策略,并且记住他们以前的对抗。阿克塞尔罗德邀请全世界的学术同行来设计计算机策略,并在一个重复囚徒困境竞赛中互相竞争。参赛的程序的差异广泛地存在于这些方面,算芦并法的复杂性、最初的对抗、宽恕的能力等等。

阿克塞尔罗德发现,当这些对抗被每个选择不同策略的参与者一再重复了很长时间之后,从利己的角度来判断,最终“贪婪”策略趋向于减少,而比较“利他”策略更多地被采用。他用这个博弈来说明,通过自然选择,一种利他行为的机制可能从最初纯粹的自私机制进化而来。

囚徒困境的条件:

1、友善

最重要的条件是策略必须“友善”,这就是说,不要在对手背叛之前先背叛。几乎所有的高分策略都是友善的。因此,完全自私的策略仅仅出于自私的原因,也永远不会首先打击其对手。

2、报复

但是,阿克斯洛德主张,成功的策略必须不是一个盲目乐观者。要始亏和终报复。一个非报复策略的例子是始终合作。这是一个非常糟糕的选择,因为“下流”策略将残酷地剥削这样的傻瓜。

3、宽恕

成功策略的另一个品质是必须要宽恕。虽然它们不报复,但是如果对手不继续背叛,它们会一再退却到合作。这停止了报复和反报复的长期进行,最大化了得分点数。

以上内容参考:百度百科—囚徒困境

这篇我们来聊聊博弈论中著名的 囚徒困境 ,囚徒兄肢码困境是1950年美国兰德公司的梅里尔·弗勒德和梅尔文·德雷希尔拟定出相关困境的理论,后来由顾问艾伯特·塔克,以囚徒方式阐述,并命名为"囚徒困境"。

一、囚徒困境中的博弈

囚徒困境描述的是一个关于两名罪犯被警察抓住的故事,我们把这两个罪犯分别叫做A和B,假设二人都犯了盗窃车辆罪,需要各自判刑一年,由于警察还怀疑他俩存在抢劫银行的嫌疑,但缺乏足够的证据,所以警察有了如下的论述:

现在我们可以关你1年,但是如果你承认了抢劫银行,并供出你的同伙,我们将免除你的刑期,你的同伙将获得10年刑期,如果我们掌握了证据,那么就不需要你的供词,你和你的同伙将各自获得8年刑期

此时,这两位囚徒A和B,各自有两种策略: 坦白 或者 保持沉默 ,故有了如下的博弈过程:

此时的A会思考:

同样的道理,此时的B也是这样想的,无论A如何做,选择坦白对他也是最有利的。

根据上面的博弈过程,就有了如下四种情况:

根据四种情况,我们依次画图:

A和B明明都选择了对自己最优的策略,为什么却得到了最糟糕的结果?明明二人都保持沉默,只有1年的刑期,结果都坦白,导致了8年的刑期,我们假设一种情况:如果两名罪犯A和B在被抓捕之前,两人商量好都保持沉默,会导致最终结果的改变吗?答案是不会,即使两人已经商量好,但是一旦他俩被分开审讯,那么 利己的原则 就会不自然地起主导作用,因为从个人的角度来看,合作是不理性的。

二、经济中的囚徒困境

经济学中的 寡头垄断 场景和囚徒困境非常相似,假设有两家石油公司A和B,他俩共同拥有一块价值1200万的石油田,假设钻一口井需要100万,如果每个公司都选择钻一口井,那么当前总共有2口井,各占1200*1/2=600万的油田,那么双方的利润都为600-100=500万,此时,双方又产生了类似囚徒困境的博弈:

A公司此时这样想:

综上所述,A公司绝对会选择继续钻一口井,而B公司同理也会选择继续钻井,故产生了如下四种情况:

再次验证了上面的结论,A和B本来都能获得500万利润,但由于 利己原则 的作用,羡哪都走向了糟糕的结果。

比如第一个例子,正是因为囚徒困境的存在,导致嫌疑犯之间缺乏合作意愿,这样的话,警察可以使更多罪犯认罪伏法,总结为一句话:

囚徒困境对囚徒来说是一种困境,但饥谈对其他每个人来说都是一种福音

以上仅代表个人观点,如果对你有所帮助,麻烦素质三连一波,有不同观点的小伙伴,评论区留言,我会不定时查看,感谢各位观看!!!

嗨,大家好,我是虞上人。

之前分享过关于博弈论的一些东西,都是听完书之后的一些感悟,再听时,我发现其中比较著名的囚徒困境值得仔细思索。

囚徒困境 属于非零和博弈 ,非零和博弈是一种合作博弈,博弈中各个参与方的收益或者损失的总和不是零值。代表可能会收益为正,反之收益为负。

个人的最佳选择并非团体的最碧歼佳选择。它区别于零和博弈。

囚徒困境指:两个囚犯的故事,这两个囚犯一起做坏事,结果被警察抓了起来,分别关在独立的不能互通信息的牢房进行审讯 。

在这种情形下,两个囚犯都可以做出自己的选择,1)供出自己的同伙(既与警察合作,背叛同伙);2)保持沉默,与同伙合作,不与警察合作。

其中坦白从宽,坐牢年数会变少到8年;如果抗拒从严则是判十年,基于其中至少一方坦白。

如果两方都抵赖,就是判刑一年,这也是最好的结果。

但是囚徒困境反映的深刻问题是:人类的个体理纳慧胡性有时能导致集体的非理性—聪明的人类会因自己的聪明而作茧自缚,或损害集体的利益。

其实,囚徒困境也是做过很多的假设,洞拦来如何破解这个局面,将损失降到最低:

1.建立绝对的信任,大家通力合作(只限于假设,毕竟太理性,很难实现)

2.无限次的重复博弈,这样可以逐渐的踢除劣势,跳出局限

3.一定的外力威胁,比如只有抵赖才能让你活下去等

当消防车转弯半径然这种假设之类的有时候太理性,大概率是不可能成功的。因为陷入囚徒困境的人肯定优先是想让自己处于最优地位,而不是大家都是最优,毕竟并不信任对方。

囚徒困境表示的是个人理性与集体理性之间冲突。

囚徒困境看来感觉挺简单的,就是坦白与不坦白的选择,但实际它作为一种模型,反映的博弈问题是我们经常会遇到或见到的,经济中的价格战,环境问题等,这都存在着不同程度的“囚徒模型”。

关于囚徒困境博弈和囚徒困境博弈模型的介绍到此就结束了,不知道你从中找到你需要的信息了吗 ?如果你还想了解更多这方面的信息,记得收藏关注本站。

发表评论
0评