博弈论的书心得体会XX

近日整理书橱时，我偶然看到了在东北财经大学学习研究生课程时所学的《博弈论》这本书。当时我们很幸运，学院特意选了东北财经大学优秀教师史永东教授来讲授这门课。史教授是当时东北财经大学最年轻的教授(时年 35 岁， 32 岁时就破格晋升为教授)，他把一门很深的学问给我们讲得惟妙惟肖，非常生动。

直至今日随手翻阅时，仍能清楚地记起他讲课时激情洋溢的风采，但如今重新阅读这本书却有了不同的感受，当时是为了掌握其中的理论，现在则可以比较从容地去体会其中的道理了。

博弈论是一门很深的学问，主要研究个体如何在错综复杂的相互影响中得出最合理的策略，其应用的领域也非常广，最通常的应用该是经济学吧。这本书中的理论很深奥，其数学模型的推导更是复杂，然而书中的案例却既浅显又生动，很值得一看。现在拿出一个例子来，和大家一起分析其中的道理、分享其中的趣味。

这个例子是“智猪博弈”的故事，讲的是：猪圈里有两头猪，一头大猪，一头小猪。猪圈的一边有个踏板，每踩一下踏板，在远离踏板的猪圈的另一边的投食口就会落下少量的食物。

如果有一只猪去踩踏板，另一只猪就有机会抢先吃到另一边落下的食物。当小猪踩动踏板时，大猪会在小猪跑到食槽之前刚好吃光所有的食物；若是大猪踩动了踏板，则还有机会在小猪吃完落下的食物之前跑到食槽，争吃到另一半残羹。

那么，两只猪各会采取什么策略？答案是：小猪将选择“搭便车”策略，也就是舒舒服服地等在食槽边；而大猪则为一点残羹不知疲倦地奔忙于踏板和食槽之间。

原因何在？因为，小猪踩踏板将一无所获，不踩踏板反而能吃上食物。对小猪而言，无论大猪是否踩动踏板，不踩踏板总是好的选择。

反观大猪，已明知小猪是不会去踩动踏板的，自己亲自去踩踏板总比不踩强吧，所以只好亲力亲为了。

“小猪躺着大猪跑”的现象是由于故事中的游戏规则所导致的。规则的核心指标是：每次落下的食物数量和踏板与投食口之间的距离。

如果改变一下核心指标，猪圈里还会出现同样的“小猪躺着大猪跑”的景象吗？试试看。

改变方案一：减量方案。投食仅原来的一半分量。

结果是小猪大猪都不去踩踏板了。小猪去踩，大猪将会把食物吃完；大猪去踩，小猪将也会把食物吃完。谁去踩踏板，就意味着为对方贡献食物，所以谁也不会有踩踏板的动力了。

改变方案二：增量方案。投食为原来的一倍分量。

结果是小猪、大猪都会去踩踏板。谁想吃，谁就会去踩踏板。反正对方不会一次把食物吃完。

小猪和大猪相当于生活在物质相对丰富的“共产主义”社会，所以竞争意识却不会很强。

改变方案三：减量加移位方案。投食仅原来的一半分量，但同时将投食口移到踏板附近。

结果呢，小猪和大猪都在拼命地抢着踩踏板。等待者不得食，而多劳者多得。每次的收获刚好消费完。

这个故事给了竞争中的弱者(小猪)以等待为最佳策略的启发。但是对于社会而言，因为小猪未能参与竞争，小猪搭便车时的社会资源配置的并不是最佳状态。为使资源最有效配置，规则的设计者是不愿看见有人搭便车的，**如此，公司的老板也是如此。

而能否完全杜绝“搭便车”现象，就要看游戏规则的核心指标设置是否合适了。

书中还有很多例子，并进行了分析，我们都能悟出些道理。所以读的时候会有一个感觉，那就是先有事实，后由理论。也就是我们常说的理论**于实践。

感觉就像是先有这个社会现象，然后才有这个理论去分析，这个理论套在这个社会现象上恰好合适。

博弈小术语：收益矩阵、均衡、纳什均衡、零和。

博弈论，也称互动的决策论。它的基本假设之一是人是理性的。但现实并非如此，人不可能具有完备的知识也不可能时时理性。尽管如此，人们仍然乐意用博弈论的方法来解释和分析现实社会现象。

每一次的人际交往都可以简化成两个基本选择：合作或背叛。比如在前面的日志里提到的囚徒困境，在人际交往中普遍存在囚徒困境：

双方明知合作能带来双赢，却因为理性的自私和信任的缺乏而导致合作难以形成。当一次性博弈出现时，人们往往会选择背叛。这在现实生活中也有很多例子，比如飞机场，为什么食品**敢定那么高呢？

因为它知道候机的乘客不会是它的长期客户。而当博弈的终点不可知时，就又是另一回事了。

在多次博弈中，背叛仍不可避免，但合作的几率会相比一次博弈有提高。至于如何更加有效地减少背叛，一种办法是引入惩罚机制，可以是带剑的法律或温和些的道德约束。现实中的集体活动等候上车问题就是个例子，让那些迟到的人自己负责任就是一种惩罚措施。

当然，如果在开头就有一些“善意”的人出来表明合作态度对提高合作机会也是有帮助的，不管这些“善意”的人是出于何种目的。一旦合作开始，人们就能体验到合作的好处，并乐于坚持一段时间。至于时间的长短，关键是看博弈的终点是否明确。

这在上面也提到了，如果终点明确，人们就会倾向于在最后一次背叛。而当大家都知道对方会这样想时，倒数第二次就会成为新的终点，新的背叛。如此反复推演，合作从一开始就很难形成。

注意上面的论述是基于没有惩罚机制的基础。

有一个很有意思的实验，是由爱克斯罗德完成的。这是一个计算机模拟竞赛，参赛的62位科学家递交了自己写的关于博弈策略的**，同时加上爱克斯罗德本人写的一个随即策略**，共63个。结果表明，“前15名中只有第8名是非善意的程序，最后15名只有一个善意的，夺魁的是“一报还一报策略”。

这个实力不凡的“一报还一报策略”就是对方选择什么我就回应什么，你合作我就合作，你背叛我也背叛。这种策略体现的是“善良、可激怒、宽容、简单”等好品质。虽然该策略在每次对局中分数都不能超过对手，但它的总分却是最高的。

它赖以生存的基础很牢固。而那个非善意程序的成功是建立在别人的失败之上。可以想像，如果赋予这些程序以进化的基因，久而久之，非善意程序的存活率将下降。