📑 本页目录（点开跳转）
11 · 纳什均衡
⏱ 34 分钟 ｜ ⭐⭐ 全板块的枢纽：一张所有人都不想反悔的策略表
🎯 一句话
纳什均衡是一张策略表：拿给每个人看，每个人都说「只要别人不改，我也不想改」。
注意这句里最容易被跳过的那半句 —— 只要别人不改。 纳什均衡只管一个人单独反悔这件事。它不保证结果好，不保证只有一个，也不保证你算得出来。 这一章先教你把它找出来（一个纯手算的圈法），再把它的三个毛病摊开讲 —— 毛病比定义更值钱。
🧩 一、先有最佳响应，才有均衡
把别人的策略先钉死，你在自己的所有策略里挑收益最高的那个（或那些），这就是最佳响应。
$$s_i \in B(s_{-i}) \iff u_i(s_i, s_{-i}) \ge u_i(t_i, s_{-i})\ \ \text{对所有}\ t_i \in S_i$$
记号 $s_{-i}$ 读作「除了 i 之外所有人的策略」。最佳响应可能不止一个（并列最高时全算）。
⭐ 两人博弈里有一条干净的对应：一个动作永远不可能是最佳响应，当且仅当它被支配。 所以被支配的动作可以先删掉再找均衡 —— 删掉的东西不可能是答案的一部分。
那能不能直接靠「轮流改成最佳响应」把博弈解开？
试一次就知道不行。罚球（教科书里叫 matching pennies）：守门员猜对方向就扑到，猜错就丢球。
| 罚球者 ＼ 守门员 | 左 | 右 |
|---|---|---|
| 左 | −1, 1 | 1, −1 |
| 右 | 1, −1 | −1, 1 |
从「双方都选左」出发，让两个人轮流改成当下的最佳响应，每次都是拿 −1 的那个人想改：
(左, 左) → 罚球者改右 → (右, 左) → 守门员改右 → (右, 右) → 罚球者改左 → (左, 右) → 守门员改左 → 回到 (左, 左)
⚠️ 四步转回原地，无限循环。 这不是算法写坏了 —— 是这个博弈里 根本没有任何一格能让两个人同时满意。它告诉你两件事：① 需要一个「停下来」的概念（纳什均衡）； ② 这概念若只允许纯动作，有些博弈一个解都没有（留到第 12 章解决）。
🎯 二、纳什均衡：没人想单边偏离
定义：策略组合 $s = (s_1, \dots, s_n)$ 是纳什均衡，如果
$$u_i(s_i, s_{-i}) \ge u_i(t_i, s_{-i})\quad \text{对所有玩家}\ i \in N\ \text{和所有}\ t_i \in S_i$$
换成人话：每个人打的都是对别人的最佳响应。所有人的最佳响应互相咬合上了，谁先松手谁吃亏。 如果每个人都以概率 1 打某一个动作，就叫纯策略纳什均衡。
⭐ 纳什均衡是整个博弈论里最主流的解概念。 后面的机制设计、拍卖、多智能体训练， 默认的「会发生什么」都是在算这个东西。所以它值得你花时间把定义嚼透。
⚠️ 三个高频误读
| 误读 | 实际上 |
|---|---|
| 「NE ＝ 大家都拿到最好结果」 | ❌ 囚徒困境的 NE 是两人都变差的那格 |
| 「NE ＝ 没人能变得更好」 | ❌ 是没人能靠自己一个人改变好。一群人一起改完全可能都变好 |
| 「每个博弈都有 NE，找找总能找到」 | ❌ 纯的可能一个都没有（罚球）；混的一定有，但未必算得出来 |
拿囚徒困境验一下（本板块统一用这组收益）：
| 甲 ＼ 乙 | 合作 | 叛变 |
|---|---|---|
| 合作 | 2, 2 | 0, 3 |
| 叛变 | 3, 0 | 1, 1 |
乙不管选什么，甲叛变都比合作多拿 1（3 > 2、1 > 0），乙同理。 所以 (叛变, 叛变) = (1, 1) 是唯一的纳什均衡 —— 而 (合作, 合作) 能让两个人都拿 2。 这个「均衡本身是坏结果」的例子，就是第五节三个毛病里的第二个。
✏️ 三、⭐ 手算套路：圈最佳响应，找纯策略 NE
这是这一章你最该带走的东西。考试和面试都是这么算的，纸笔就够。
五个步骤
- 写成收益矩阵，每格写「行玩家收益, 列玩家收益」，顺序固定别乱。
- 逐列看（手指按住一列）：圈出这一列里第一个数最大的那格。 —— 「列玩家若打这一列，行玩家会选哪一行」。
- 逐行看（手指按住一行）：圈出这一行里第二个数最大的那格。 —— 「行玩家若打这一行，列玩家会选哪一列」。
- 两个数都被圈的格子，就是纯策略纳什均衡。
- 一个双圈都没有 → 没有纯策略 NE，去第 12 章找混合的。
⭐ 为什么这个土办法是对的：圈一个数 = 「这是一个最佳响应」。 双圈 = 两个人互为最佳响应 —— 这正好逐字对上了 NE 的定义，一步都没多。
⚠️ 并列最大要全圈。漏圈并列值 = 漏掉整个均衡，这是手算最常见的错。
完整走一遍（3×3）
| 行 ＼ 列 | x | y | z |
|---|---|---|---|
| a | 3, 1 | 0, 4 | 2, 2 |
| b | 2, 3 | 1, 2 | 4, 1 |
| c | 1, 2 | 3, 5 | 2, 3 |
第 2 步，逐列圈行玩家（看每格第一个数）：
| 按住哪一列 | 三行的行收益 | 谁最大 | 圈哪格 |
|---|---|---|---|
| x | a=3、b=2、c=1 | 3 | (a, x) |
| y | a=0、b=1、c=3 | 3 | (c, y) |
| z | a=2、b=4、c=2 | 4 | (b, z) |
第 3 步，逐行圈列玩家（看每格第二个数）：
| 按住哪一行 | 三列的列收益 | 谁最大 | 圈哪格 |
|---|---|---|---|
| a | x=1、y=4、z=2 | 4 | (a, y) |
| b | x=3、y=2、z=1 | 3 | (b, x) |
| c | x=2、y=5、z=3 | 5 | (c, y) |
第 4 步，对一下： 行玩家圈了 (a,x)、(c,y)、(b,z)；列玩家圈了 (a,y)、(b,x)、(c,y)。 只有 (c, y) 出现了两次 —— 它就是这个博弈唯一的纯策略纳什均衡，收益 (3, 5)。
⭐ 注意 (a, x) 那一格：行玩家在这里拿到全列最高的 3，看着很美，但列玩家一看自己只有 1， 换成 y 就有 4 —— 他会跑。单圈格子的意思永远是「有人还想改」。
🏛️ 四、存在性定理：一定有，但不告诉你在哪
定理（Nash, 1950）：每一个有限的正常形博弈都存在纳什均衡。
「有限」指玩家有限、每人的动作有限。前提是允许混合策略（允许掷骰子，第 12 章的主题）。 罚球那个博弈没有纯 NE，但有一个混的：两边各 50% —— 定理保证这种东西永远找得到。
⚠️ 这个证明是非构造性的：它走 Brouwer 不动点定理 —— 把「所有人同时换成最佳响应」看成一个连续映射，连续映射在紧凸集上必有不动点， 而不动点正是没人想改的那个点。本教程不展开这个证明，看懂它不会改变你手算的方式。 但有一句必须带走：
⭐ 非构造 ＝ 只证明了东西在那儿，没给出找它的办法。 这不是数学家偷懒，这正是下一节第三个毛病（算不出来）的根子。
| 定理说了 | 定理没说 |
|---|---|
| 混合 NE 一定存在 | 一定能算出来（下节：PPAD-完全） |
| 至少一个 | 只有一个（性别之争有三个） |
| 它是均衡 | 它是好结果（囚徒困境） |
顺带一条实用的：NE 只会在「熬过迭代删除支配」的动作上放概率， 所以手算前先把被支配的动作删干净，矩阵会小很多。
⭐ 推论（兑现第 10 章留给本章的那个证明）： 如果 IESDS 能删到只剩一格，那一格就是唯一的纳什均衡。 两步就推完 —— ① Nash 定理保证 NE 至少有一个；② 上面那条保证它只能落在幸存集合里； 而幸存集合只剩一个点，那就只能是它。第 10 章那个删到 (M, C) = (3, 3) 的 3×3 例子正是如此。 ⚠️ 注意这条只对严格支配成立：弱支配的迭代删除会真的删掉纳什均衡，删剩一格也不能这么断言。
💥 五、⭐ NE 的三个毛病（比定义更值钱）
讲义专门花了一节讲这个。知道 NE 什么时候不好使，比会背定义有用得多。
① 可能有好几个 —— 协调问题
性别之争（Battle of the Sexes）：两个人想一起出门，但一个偏爱拳击、一个偏爱芭蕾， 分头行动两人都是 0。
| 行 ＼ 列 | 拳击 | 芭蕾 |
|---|---|---|
| 拳击 | 2, 1 | 0, 0 |
| 芭蕾 | 0, 0 | 1, 2 |
用圈法一分钟就能查出两个纯 NE：(拳击, 拳击) = (2, 1) 和 (芭蕾, 芭蕾) = (1, 2)。 再加上一个混合 NE（行玩家 2/3 拳击、列玩家 1/3 拳击，第 12 章会算），一共三个。
💀 多均衡的真实代价：两个人各自「理性地」挑一个自己偏好的 NE，实际打出来是 (拳击, 芭蕾) = (0, 0) —— 两人都归零，比任何一个均衡都差。 ⚠️ NE 是「稳定性」的判据，不是「会发生什么」的预测；多均衡时它根本没做出预测。
② 可能是低效的 —— 囚徒困境
唯一的 NE 是 (叛变, 叛变) = (1, 1)，而 (合作, 合作) = (2, 2) 让两个人都多拿 1。 用第 9 章的话说：这个均衡被帕累托支配，它是帕累托劣的。
⭐ 「均衡」和「好」是两个不相干的词。 补贴大战、军备竞赛、团队一起刷代理指标 —— 这些系统稳定在所有人都不想要的点上，机理都是这个：每个人单独看都在做正确的事。
③ 计算困难
| 问题 | 复杂度 |
|---|---|
| 找一个 NE | PPAD-完全（Daskalakis 等 / Chen 与 Deng，2005）。⚠️ 只有两个玩家时一样难 |
| 是否存在让玩家 i 拿到 x 的 NE | NP-难（两人时就已经是，Gilboa 与 Zemel, 1989） |
| 是否存在结果帕累托最优的 NE ／ 让 i 完全不用某动作的 NE | NP-难 |
⭐ 两种「难」不要混：找一个 NE 属于 PPAD —— 解一定存在（Nash 定理），难在找到它。 而加了附加条件的那几个问题可能真的无解，于是掉进 NP-难。 普遍相信 PPAD ≠ FP，也就是说：没有高效算法能算一般博弈的 NE。
➕ 还有一个 NE 管不住的：联盟一起偏离
NE 只挡一个人反悔。囚徒困境里 (叛变, 叛变) 挡得住单人反悔， 却挡不住两个人商量好一起换成 (合作, 合作) —— 两人同时变好。
于是有了强纳什均衡（Aumann, 1959）：任何一个玩家子集都找不到共同改法让子集里所有人都变好。 ⚠️ 它不保证存在 —— 囚徒困境一个强 NE 都没有： (叛变, 叛变) 挡不住两人联盟，(合作, 合作) 挡不住单人叛变。
三个毛病对应三条出路：多重性 → 精炼（子博弈完美均衡，第 14 章）； 三个一起 → 换设定（零和博弈里全部消失）； 低效 → 换规则（不接受博弈，去设计博弈，第 16 章机制设计）。
🔗 这一章连到哪里
| 去哪 | 为什么 |
|---|---|
| 12 · 混合策略 | 圈法解不开的罚球博弈在那里被解开；Nash 定理保证「一定存在」的那个解就是它 |
| 13 · 零和与极大极小 | ⭐ 本章第五节的三个毛病在零和博弈里全部消失：值唯一、能高效算。想知道 NE 什么时候真正好用，去那里 |
| 14 · 扩展式博弈 | 「多均衡怎么办」的第一条出路：轮流出手时用子博弈完美均衡筛掉靠不可信威胁撑起来的那些 NE |
| 09 · 正常形博弈 | 回去看收益矩阵和帕累托支配的定义 —— 本章的「帕累托劣」用的就是那一章的判据。⚠️ 帕累托支配（两个结果之间）和下面那条的支配策略（一个人的两个动作之间）是两回事，别混 |
| 10 · 支配策略 | ⭐ 支配策略、严格劣势、IESDS 的定义都在那一章（不在 09）。本章第四节那句「NE 只会在熬过迭代删除支配的动作上放概率」用的就是它 —— 手算前先把被支配的动作删干净，矩阵会小很多 |
| 16 · 机制设计在解什么 | 囚徒困境改不了之后唯一的出路：换掉规则本身，把游戏设计成「均衡恰好是你想要的结果」 |
| 模型上线之后 15 · 长期效应与代理指标 | ⭐ 同一股「局部最优 ≠ 全局最优」的味道，但机制不一样：那一章是单个优化者的代理指标失效（古德哈特），没有第二个利益方；本章的坏结果是每一方都在最优反应推出来的。⚠️ 别把它当囚徒困境读 —— 去那里学的是「指标涨了不等于目标达成」 |
| 智能体工程教程 13 · 多 Agent 协作 | 那边是工程（目标一致，怎么编排），这边是理论（目标冲突，会怎样）—— 子 Agent 目标不一致时才该用本章的框架 |
| 强化学习基础 02 · MDP | 分界线：MDP 里环境不会针对你，最优策略唯一且能算；对面换成会还手的玩家，「最优」就退化成「均衡」 |
✅ 检查点
- 用一句话说清纳什均衡的定义。哪半句最容易被漏掉？
- 罚球博弈里让两人轮流改成最佳响应会发生什么？这说明了什么？
- 圈法的五步是什么？为什么「双圈」正好等于 NE 的定义？
- 用圈法算一遍正文那个 3×3 博弈：两个玩家各圈了哪三格，NE 是哪格、收益多少？
- Nash 存在性定理说了什么、没说什么？「非构造性」为什么重要？
- 性别之争有几个纳什均衡？两人各挑一个自己喜欢的均衡去打，会打出什么结果？
- 「找一个 NE」和「找一个让玩家 i 拿到 x 的 NE」，难度类型有什么不同？为什么？
- 囚徒困境的 NE 挡得住什么、挡不住什么？强纳什均衡补了哪个洞，代价是什么？
👀 答案
- 每个人打的都是对别人策略的最佳响应，即 $u_i(s_i,s_{-i}) \ge u_i(t_i,s_{-i})$ 对所有 i 和所有 $t_i$ 成立。最容易漏的是「只要别人不改」—— NE 只管单边偏离。
- 四步转回起点，无限循环：(左,左) → 罚球者改右 → 守门员改右 → 罚球者改左 → 守门员改左 → 回到 (左,左)。说明它没有任何纯策略 NE，必须允许混合。
- ①写成「行收益, 列收益」矩阵 ②逐列圈第一个数的最大值 ③逐行圈第二个数的最大值 ④双圈格 = 纯 NE ⑤一个双圈都没有就去第 12 章。因为圈 = 最佳响应、双圈 = 互为最佳响应，正是 NE 的定义。⚠️ 并列最大值要全圈。
- 行玩家（逐列）圈 (a,x)=3、(c,y)=3、(b,z)=4；列玩家（逐行）圈 (a,y)=4、(b,x)=3、(c,y)=5。唯一双圈 (c, y)，收益 (3, 5)。
- 说了：每个有限正常形博弈都存在（混合）NE（Nash, 1950）。没说：能算出来、只有一个、结果好。「非构造性」＝证明走 Brouwer 不动点定理，只证明东西在那儿，不给找法 —— 这正是「找 NE 是 PPAD-完全」的根子。
- 三个：(拳击,拳击)=(2,1)、(芭蕾,芭蕾)=(1,2)，加一个混的（行 2/3 拳击、列 1/3 拳击）。💀 各挑各爱的会打出 (0, 0)，比任何一个均衡都差 —— NE 是稳定性判据，不是对「会发生什么」的预测。
- 「找一个 NE」是 PPAD-完全（两人时一样难），关键在解一定存在，难的只是找到它；「让 i 拿到 x 的 NE」可能压根不存在，所以掉进 NP-难。⭐ 存在性有没有保证，决定它落进哪一类。
- (叛变,叛变)=(1,1) 挡得住任何人单独反悔（单独改只会从 1 掉到 0），挡不住两人一起换成 (合作,合作)=(2,2)。强纳什均衡（Aumann, 1959）补上了这个洞，代价是不保证存在 —— 囚徒困境里一个都没有。
🛑 可以停在这里
⚡ 走神救援
⭐纳什均衡＝一张策略表，每个人都说「只要别人不改，我也不想改」 —— 也就是每个人都在对别人打最佳响应，⚠️ 它只管单边偏离。⚠️光靠轮流改成最佳响应解不开博弈：罚球从 (左,左) 出发四步转回起点无限循环，因为它根本没有纯策略 NE。⭐⭐手算套路（圈法）五步：写成「行收益, 列收益」矩阵 → 逐列圈第一个数的最大值（行玩家的最佳响应）→ 逐行圈第二个数的最大值（列玩家的最佳响应）→ 双圈格就是纯 NE → 一个双圈都没有就去第 12 章。正文那个 3×3 里行玩家圈 (a,x)、(c,y)、(b,z)，列玩家圈 (a,y)、(b,x)、(c,y)，唯一双圈 (c,y)=(3,5)；⚠️ 并列最大值必须全圈。Nash 存在性定理（1950）：每个有限正常形博弈都有（混合）NE；证明走 Brouwer 不动点，非构造性 —— 只说东西在那儿不给找法，这正是「算不出来」的根子。⭐ 它顺手兑现了第 10 章那个欠账：NE 只会在「熬过迭代删除支配」的动作上放概率，加上「NE 至少有一个」，就得到 IESDS 删到只剩一格时那一格必是唯一 NE（⚠️ 只对严格支配成立，弱支配会把 NE 删没）。⭐⭐三个毛病：①多重（性别之争有 3 个 NE：(拳击,拳击)=(2,1)、(芭蕾,芭蕾)=(1,2) 和一个混的；💀 两人各挑各爱的会打出 (0,0)，比任何均衡都差 —— NE 是稳定性判据不是预测）②低效（囚徒困境唯一 NE 是 (叛变,叛变)=(1,1)，被 (合作,合作)=(2,2) 帕累托支配）③难算（找一个 NE 是 PPAD-完全，两人也一样；带附加条件的判定问题是 NP-难）。另加一条：NE 只挡单人反悔，挡不住联盟一起改 —— 补丁是强纳什均衡（Aumann, 1959），但不保证存在。三条出路：精炼（14 章）、换设定到零和（13 章，三个毛病同时消失）、换规则去设计博弈（16 章机制设计）。
下一节 👉 12-混合策略.md ⭐⭐
去那里的理由：本章留下的两个欠账都在那里还 —— 罚球博弈到底怎么解， 以及 Nash 定理保证存在的那个混合均衡怎么用纸笔算出来。 那一章有个反直觉到几乎所有人第一次都会做错的点：你的概率不是为你自己调的。