🏠 总目录📚 本教程 13 · 零和与极大极小 ← →

对手最坏回应下能保证多少,与均衡有什么关系?

一句话。 有限二人零和博弈中,允许混合策略时,行玩家能保证的最高下界等于列玩家能压到的最低上界,这个共同值就是均衡期望收益。

读完会做:算保底收益、判鞍点、找基本可行解。

前置知识:纳什均衡、混合策略。

📑 本页目录(点开跳转)

13 · 零和与极大极小

⏱ 38 分钟 | ⭐ 阅读时长仅供参考

本章目标:分清“我能保底多少”和“双方是否处于均衡”。

先跟着罚球与性别之争算例走;要看求解方法,再展开线性规划。最后单独检查定理与自我对弈的关系,不把存在性当成收敛保证。

🎯 一句话

均衡值 $v$ 是期望收益。

单局收益可能不同。策略是否唯一、大棋局是否易算、自我对弈是否收敛,分别判断。

🛡 一、先不谈均衡:我最差能拿多少

纳什均衡问:“对方策略固定时,有没有人能单方面改善收益?”

安全水平问的是另一件事:“不论对手使用哪种策略,我能保证的期望收益下界有多高?”

NE 的定义是互为最佳响应,不要求现实玩家先协调或真的按某个学习过程走到那里。把实际行为预测成 NE,才需要额外的行为依据。

maximin 的符号

这一页以两个玩家为主:

  • $p$:行玩家的概率分布。
  • $q$:列玩家的概率分布。
  • $u_1(p,q)$:双方独立随机选择动作时,行玩家的期望收益。

行玩家的安全水平是:

$$v_1=\max_p\min_q u_1(p,q)$$

从里往外读:先固定自己的 $p$,找对手能让自己拿到的最低期望;再选择让这个下界最高的 $p$。

取到最大值的策略叫 maximin 策略。所有这样的策略构成一个集合:

$$P^\star=\arg\max_p\min_q u_1(p,q)$$

数值 $v_1$ 与策略集合 $P^\star$ 不是同一个对象。“保证期望至少是 0”也不意味着每一局都不会输。

这个保证不要求对手理性:只要对手的行为在模型允许的策略内,下界就有效。

最坏回应可取纯动作

固定 $p$ 后,若对手混合,收益只是对手各个纯动作所造成收益的加权平均。平均值不会低于其中的最小值。

因此,内层最坏情况能在某个纯动作 $j$ 上达到:

$$\min_q u_1(p,q)=\min_j u_1(p,j)$$

只简化内层搜索。 外层仍要在所有合法 $p$ 中找最好的分布,不能因此声称“扫一遍矩阵就解出了混合策略”。

手算纯策略保底

先只允许自己选一行,不混合:

  1. 只读自己的收益。
  2. 每行取最小值,得到选这一行的最坏收益。
  3. 在行最小值中挑最大。
  4. 列玩家同理,但必须使用每格第二个数,按列找最小值。

下面是一般和博弈,每格写“行收益,列收益”:

行 \ 列 x y z
a 4, 0 1, 3 3, 1
b 2, 2 2, 1 2, 4
c 5, 1 0, 2 1, 5

行玩家: 三行最坏收益分别为 1、2、0,所以纯策略保底选 b,值为 2。

列玩家: 三列最坏收益分别为 0、1、1,所以纯策略保底可选 y 或 z,值为 1。

c 行虽然有 5,也有 0,因此不是这里的纯 maximin 选择。保底较低并不意味着 c 是劣势策略。

用最佳响应圈法还能查到:这个矩阵没有纯 NE。但纯保底仍能计算,因为有限个候选总有最大值;它回答的不是同一个问题。

允许混合后,这个 3×3 的结果会变吗?

行玩家仍保底 2。 选 b 已经保证 2;对手若选 y,行玩家任何混合的收益都不超过这一列的最大值 2,因此不能更高。

列玩家则能把保底从 1 提高到 11/5。 取 $q=(0,3/5,2/5)$,只混合 y、z:

行玩家选择 列玩家的期望收益
a $3\times3/5+1\times2/5=11/5$
b $1\times3/5+4\times2/5=11/5$
c $2\times3/5+5\times2/5=16/5$

最小值是 $11/5$。

为什么不能更高?行玩家采用 $(3/5,2/5,0)$ 时,列玩家选 x、y、z 分别得到 $4/5,11/5,11/5$,任何混合都不超过 $11/5$。

上下界一致,列玩家的混合安全水平就是 $11/5$。这也说明“纯保底为 1”不能省略“纯”字。

混合如何提高保底

再看上一章的“性别之争”:两人都想一起活动,但偏好的活动不同。

行 \ 列 拳击 芭蕾
拳击 2, 1 0, 0
芭蕾 0, 0 1, 2

只选一种活动时,对手选另一种就拿 0。因此行玩家的纯策略安全水平为 0。

设行玩家以概率 $p$ 选拳击,以 $1-p$ 选芭蕾。对手只有两种纯动作需要检查:

  • 对手选拳击:行玩家期望为 $2p$。
  • 对手选芭蕾:行玩家期望为 $1-p$。

所以保底曲线是:

$$g(p)=\min(2p,1-p)$$

找两条收益线中较低那条的最高点行玩家期望收益01201/31列选拳击:2p列选芭蕾:1−p最高保底:2/3p:行玩家选拳击的概率
橙线取两种收益的较小值,在 p=1/3 时达到最高值 2/3。

本例一条线随 $p$ 上升,另一条下降;交点在合法区间内,正好是粗线最高点:

$$2p=1-p\quad\Rightarrow\quad p=\frac13$$

代回得到 $g(1/3)=2/3$。随机化把保底从 0 提高到 2/3。

端点和区间内交点都要比较。 对 2×2,要比较区间 $[0,1]$ 的端点以及落在区间内的交点,选择下包络最高处。

例如两条收益线是 $1+p$ 和 $3+p$ 时,较低的线一直上升,最优是端点 $p=1$,根本没有交点。

一般博弈:保底与均衡

同一个性别之争,行玩家有两个不同答案:

回答的问题 选拳击的概率
我怎样保底? $1/3$
双方混合 NE 中我怎样选? $2/3$

第二个数来自第 12 章。区别是:maximin 防最坏回应;NE 检查对实际对手策略的最佳响应。

如果列玩家知道行玩家使用 $p=1/3$,他选拳击的期望收益是 $1/3$,选芭蕾则为 $4/3$,所以会选芭蕾。

此时行玩家仍拿到自己的保底 $2/3$,并没有失守。但面对“列玩家确定选芭蕾”,行玩家若改成纯芭蕾,可得到 1。

因此这个组合不是 NE。列玩家的 $4/3$ 也高于混合 NE 中的 $2/3$,但保底策略本来就没有承诺限制对方收入。

这里对手知道的是概率分布,并不是先看到本轮实际抽中了哪个动作。

⚖️ 二、零和博弈

二人零和博弈要求,对所有动作组合:

$$u_1+u_2=0$$

所以只需要一个矩阵 $A$:它存行玩家收益,列玩家收益是相反数。行玩家想增大 $A$,列玩家想压小 $A$。

两个零和矩阵

罚球: 以下 −1 表示罚球者被扑中,1 表示没被扑中。

罚球者 \ 守门员 扑左 扑右
踢左 −1 1
踢右 1 −1

石头剪刀布: 行玩家赢为 1、输为 −1、平为 0。

行 \ 列 石头 剪刀 布
石头 0 1 −1
剪刀 −1 0 1
布 1 −1 0

不是所有对抗都零和。本教程的囚徒困境中,双方合作总收益为 4,双方叛变总收益为 2;性别之争中,总收益可能为 3,也可能为 0。

常数和可转为零和。 若所有组合都满足 $u_1+u_2=c$,给两人收益各减去 $c/2$,就得到零和博弈;这种平移不改变最佳响应。

⭐ 三、极大极小定理

先把前提放在结论旁边:有限二人零和;允许独立混合,比较期望收益。

行玩家的安全水平是 $v_1$;列玩家按自己的收益算出的安全水平是 $v_2$。

极大极小定理(von Neumann,1928)给出:

$$v_1=-v_2$$

通常把 $v=v_1$ 称为博弈的值:

  • 行玩家有策略,能让自己的期望收益至少为 $v$。
  • 列玩家有策略,能让行玩家的期望收益至多为 $v$,也就是自己的期望至少为 $-v$。
  • 双方都采用各自最优保底策略时,两边接上,收益为 $(v,-v)$。

这个写法也适用于 $v<0$:有些博弈即使最优应对,行玩家的保底仍是负数。CMU 博弈论课程说明

为何 max min = min max

令 $u(p,q)=p^\top A q$,始终表示行玩家的期望收益。两个次序分别是:

$$L=\max_p\min_q u(p,q)$$

$$U=\min_q\max_p u(p,q)$$

对任意同一个标量收益函数,都有弱不等式 $L\leq U$。定理在上述有限零和、混合策略条件下进一步保证:

$$L=U=v$$

为什么与 $v_2$ 对得上?列玩家要最大化自己的 $-u$,其保底值就是 $-U$,所以 $v_2=-v_1$。

注意:若本来是一般和博弈,这里的“压低 $u_1$”不一定是列玩家的目标,不能把弱不等式直接解释成所有博弈的先后手优势。

公开最优分布,不公开抽签结果

左式可理解为行玩家先承诺一个分布,列玩家知道分布后挑回应;右式交换承诺者。

若承诺最优保底分布,两种次序的值相同。不是任意随机比例都不会吃亏。

看罚球的区别:

  • 先说“本轮踢左”,对手看到动作后扑左:罚球者拿 −1。
  • 公开“左右各一半”,但本轮抽签结果对手看不到:无论对手扑哪边,罚球者期望都是 0。

这里需要私下随机、独立抽样。若实际动作提前泄露,已换成另一个信息结构,不能沿用原矩阵博弈的保证。

手算:混合合上纯策略差距

罚球矩阵的行最小值都是 −1,列最大值都是 1:

计算对象 纯策略结果
行最小值中的最大 −1
列最大值中的最小 1
两者的差 2

只允许纯策略时,这里不相等;定理要求允许混合。

行玩家以概率 $p$ 踢左时:

$$u(p,\text{扑左})=1-2p$$

$$u(p,\text{扑右})=2p-1$$

取 $p=1/2$,两者都是 0;任何其他 $p$ 都有一边低于 0。守门员同理,以概率 $1/2$ 扑左,能把行玩家收益压到 0。

因此双方安全水平都是 0,博弈值 $v=0$,与上一章的混合 NE 一致。

石头剪刀布也得到 $v=0$。 每个动作各 $1/3$ 是均衡策略;这是一组方程的解,不是在说最佳响应迭代必然“收敛到各三分之一”。

手算捷径:找鞍点

一个格子若同时是所在行的最小值、所在列的最大值,就叫这里的鞍点。此处列玩家始终在最小化行玩家收益。

行 \ 列 x y z
a 3 1 4
b 2 2 5
c 0 1 6

行最小值是 1、2、0;列最大值是 3、2、6。前者取最大、后者取最小,都是 2,所以 $(b,y)$ 是鞍点,$v=2$。

核对最佳响应:

  • 列固定 y,行选择 b 得 2,比 a、c 的 1 都高。
  • 行固定 b,列选择 y 把行收益压到 2,已经不能更低;x 也同样好。

若两个纯策略界相等,可以从达到上下界的行列找到纯 NE;若不等,就没有纯鞍点,需要考虑混合。

🎁 四、推论:值确定,不等于所有困难消失

以下四条结论都限定在有限二人零和、允许混合的模型中。

1.最优保底策略任意配对

行玩家任选一个最优保底策略,列玩家也任选一个,两者就组成 NE;反过来,NE 中双方策略也都是各自的最优保底策略。

因此双方不用为了保证博弈值而协调“选择哪一对均衡”。前提是双方求解的是同一个正确的收益模型,并且确实达到了最优保底。

2.最优策略集合是凸的

对同一个玩家,两个最优保底分布按任意比例混合,仍然最优。双方的均衡策略组合也因此形成凸集。

这里混合的是每个人的概率向量,随后双方独立随机,不是共同掷一枚硬币来选择同一个动作组合。

一般和博弈不能照搬。性别之争中,两个纯 NE 的策略向量各取一半,使双方都以 $1/2$ 选拳击:

  • 行玩家的期望收益变成 $3/4$。
  • 若行玩家改成确定选拳击,期望为 1,会严格提高。

所以它不是 NE。若双方用同一枚硬币协调活动,则形成另一种相关分布,不能与独立各半混为一谈。

3.均衡收益唯一,策略可不同

上面的鞍点矩阵就有不止一个均衡:

  • 行玩家始终选 b。
  • 列玩家用 $q=(t,1-t,0)$,其中 $0\leq t\leq1/2$。

面对这个 $q$,三行的期望收益依次为 $1+2t$、2、$1-t$,b 总是最佳响应。面对 b,列混合 x、y 也都最优。

所以这一整段策略都是均衡,收益却始终为 $(2,-2)$。均衡期望收益唯一;单局动作仍可不同。

4.线性规划求解显式有限矩阵

线性规划的直觉是:每种纯回应下的期望收益≥保底值。

行、列玩家的线性规划

假设 $A$ 有 $m$ 行、$n$ 列。行玩家选 $p$,目标为:

$$\max_{p,v}\ v$$

对每个列动作 $j=1,\ldots,n$,要求:

$$\sum_{i=1}^{m}A_{ij}p_i\geq v$$

并要求概率合法:

$$p_i\geq0,\qquad \sum_{i=1}^{m}p_i=1$$

列玩家选 $q$,把行玩家可能取得的上界 $w$ 压低:

$$\min_{q,w}\ w$$

对每个行动作 $i=1,\ldots,m$,要求:

$$\sum_{j=1}^{n}A_{ij}q_j\leq w$$

$$q_j\geq0,\qquad \sum_{j=1}^{n}q_j=1$$

最优时 $v=w$。$v,w$ 本身没有非负限制;把它们也当作非负变量,会把负收益博弈算错。

对显式给出的有限有理数收益矩阵,可在输入编码长度的多项式时间内求解。这与第 11 章的一般二人矩阵博弈 PPAD-完全结论不同。

但围棋的完整策略空间巨大,展开成矩阵可能已不可行。“相对于矩阵大小高效”不等于“实际大棋局轻松精确解出”。

怎样找基本可行解?

上面已经写出了目标和限制。求解前先练一件事:给几个取值,看看它们能不能一起满足约束。用两个无单位的演示变量 $x_1,x_2$,下标表示变量编号。要求 $x_1+x_2=2$,且两者都大于等于零。只看等式,选定一个变量的值,就能算出另一个。

  1. 保留第 1 列,把 $x_2$ 置零。代入得 $x_1+0=2$,所以 $x_1=2$。$(2,0)$ 两项都非负。
  2. 保留第 2 列,把 $x_1$ 置零。代入得 $0+x_2=2$,所以 $x_2=2$。$(0,2)$ 两项也都非负。

在 $x_1+x_2=2$、两项非负时,$(2,0)$、$(0,2)$ 是基本可行解,$(1,1)$ 仅可行。 中点有 $1+1=2$,且两项都非负。两种选法都要求其中一项为零,所以都得不到中点。

标准型:选 $m$ 个独立列,令 $x_N=0$,解 $x_B$ 并查非负

有多条等式时,需要知道应保留几个变量,以及保留下来的变量能否唯一解出。把所有等式的系数排成矩阵,就能用列来代表变量。这里处理标准型的约束:

$$Ax=b,\qquad x\geq0,\qquad \operatorname{rank}(A)=m.$$

$m$ 是等式数,$n$ 是变量数。$A$ 是 $m$ 行 $n$ 列的系数矩阵,每行对应一个等式,第 $j$ 列对应变量 $x_j$,其中 $j=1,\ldots,n$。$x$ 是 $n$ 个变量组成的列向量,$b$ 是 $m$ 个等式右端常数。$x\geq0$ 表示每个分量非负。这里的满行秩条件 $\operatorname{rank}(A)=m$ 表示这 $m$ 行系数线性无关,允许选出 $m$ 个线性无关的列。本段的数值均无单位。回顾可逆列基与解方程。

  1. 选 $m$ 个独立列,记它们的编号集合为 $B$,称为基(Basis)。这些列组成 $m$ 行 $m$ 列的可逆矩阵 $A_B$。独立列之间没有一列能由其余列线性组合得到。
  2. 把其余编号组成集合 $N$,令这些编号对应的非基变量 $x_N$ 全部为零。它们在各条等式中的贡献消失,代回只剩 $A_Bx_B=b$。$x_B$ 是基变量组成的列向量。因为 $A_B$ 可逆,解方程得到唯一的 $x_B$。再按原编号放回各分量,得到基本解(Basic Solution)。
  3. 检验条件。若每个分量都非负,这个基本解就是基本可行解(Basic Feasible Solution,BFS)。上例中 $m=1,n=2$,两个候选列各自都是系数 $1$,保留任一列都得到 $1\times2=2$,并通过非负检验。

依据:MIT 18.200 第 17 讲 §2–3。

换基、退化与非负检验

现在有两条等式:$x_1+x_3=1$、$x_2+x_3=0$,三个变量都要求非负。三个列向量依次是 $(1,0)$、$(0,1)$、$(1,1)$。任取两列,两个向量都互不成比例,因此都独立。以下按原来的变量顺序列出回代结果。

同一组约束下的三个基本解
选定的基置零并回代基本解与检验
{1, 2}x₃=0;x₁+0=1,x₂+0=0(1, 0, 0),可行,基变量 x₂=0
{1, 3}x₂=0;0+x₃=0,x₁+0=1(1, 0, 0),可行,基变量 x₃=0
{2, 3}x₁=0;0+x₃=1,x₂+1=0(0, −1, 1),x₂<0,排除

把完整的点放回两条等式,$(1,0,0)$ 的左端是 $(1+0,0+0)=(1,0)$;$(0,-1,1)$ 的左端是 $(0+1,-1+1)=(1,0)$。两者的等式残差都是 $(0,0)$,也就是两条等式的左端减右端都等于零。后者仍因负分量而不可行。

基本可行解有零值基变量即退化。 退化的英文是 Degeneracy。 上表前两行是同一个退化点。在不同的基里,值为零的基变量可以不同。非基变量本来就被置零,单凭它为零无法判定退化。依据:MIT 15.053 Tutorial 7,第 3、5 页。

回到博弈模型,这套步骤只检验标准型约束的可行性。$v,w$ 仍可取负值,最优性另查目标。 例如行玩家要最大化保底收益 $v$。

帕累托结论的适用范围

零和模型内,一方期望收益增加,另一方就必然减少,所以任何可行收益结果都不存在帕累托改进。

这是由固定总和得到的模型内结论,不是说现实竞争没有浪费。训练成本、外部损失或共同资源消耗若没有写进收益,就不能据此评价它们。

🤖 五、定理、自我对弈与 AlphaZero 分别做什么

博弈值存在;算法收敛另证。

在零和模型里,“最优保底策略”有明确含义:它保证博弈值。它未必是对某个较弱对手赚得最多的策略;主动利用弱点与守住最坏下界也可能是不同目标。

在一般和博弈里,同样可以定义最佳响应、安全策略、某个均衡或社会福利目标。需要说清楚采用哪一个,不能说“最优没有定义,所以一般博弈不可解”。

AlphaZero 怎样搜索和训练

围棋、国际象棋、将棋在标准胜负效用、有限终局规则下,可作为二人零和问题研究。

AlphaZero 的训练使用自我对弈、神经网络给出的策略与价值估计,以及 MCTS(蒙特卡洛树搜索)。这不是经典 α-β 剪枝的另一个名字。DeepMind 的 AlphaZero 说明

一个模型有均衡,并不能推出这个神经网络训练过程一定找到它。评价实际系统,还需要对局测试、搜索预算、训练过程分析;宣称收敛则需要对应算法与条件的依据。

自我对弈并不限于这个设定

不能把定理的适用范围当成技术的使用禁区。例如六人扑克系统 Pluribus 使用了自我对弈与搜索,是超出二人零和范围的实际研究案例。Pluribus 原始论文

但一个系统实验表现好,也不是“所有多人或一般和自我对弈都收敛”的证明。应分别问:分查目标、算法、理论保证和实测表现。

🔗 这一章连到哪里

  • 12 · 混合策略: 回看期望收益、无差异和支撑集。均衡方程的解不等于学习过程的终点。
  • 11 · 纳什均衡: 对照多重均衡、效率与复杂度。零和结论缓解一些问题,但不能把三者统称为消失。
  • 14 · 扩展式博弈: 加入行动先后与信息结构。有限完全信息博弈可以逆向归纳;有先后不等于总能忽略随机化。
  • 博弈树与 Minimax: 本章讨论值与策略的数学保证,那一章讨论怎样在树上搜索。
  • α-β 剪枝: 在同一搜索树与叶点评估下保留 Minimax 结果,减少无用搜索;不是固定“少看一半”。
  • 强化学习:MDP: 固定环境下的最优策略与多智能体的相互回应不同,先明确目标和模型。

α-β 的常见复杂度比较,设每步分支数为 $b$、搜索深度为 $m$:最差排序仍可达 $O(b^m)$;理想排序下约为 $O(b^{m/2})$。相同预算下深度可显著增加,但不是任意局面都保证深度翻倍。

✅ 检查点

  1. 安全水平是数值还是策略?为什么内层只需查纯动作,外层却不能只扫一遍矩阵?
  2. 第一节 3×3 中双方的纯策略保底是多少?允许混合后各是多少?c 行为何不是纯保底选择,却不能据此删除?
  3. 性别之争中行玩家的 maximin 分布、保底和混合 NE 分布分别是什么?
  4. 零和为什么只需一个收益矩阵?囚徒困境与常数和分别怎样处理?
  5. 极大极小定理的前提是什么?$v_1=-v_2$ 怎样对应 $L=U$?公开什么才不改变保底?
  6. 罚球的纯策略上下界、混合博弈值各是多少?怎样检查鞍点?
  7. 四条推论分别保证什么?为什么策略唯一、现实效率、实际计算容易都不能直接推出?
  8. 为什么有均衡不等于自我对弈必然收敛?AlphaZero 与 α-β 有什么区别?
查看答案:每一题对应一种边界

1.数值与策略要分开。 安全水平是能达到的最高保底期望,maximin 策略是取得它的分布。固定自己后,对手混合只是加权平均,所以最坏情况可在纯动作取得;自己的最优混合仍需求解。

2.先说明是否允许混合。 纯策略下,行选 b 保底 2,列选 y 或 z 保底 1。允许混合后,行仍为 2,列用 $(0,3/5,2/5)$ 可达 $11/5$。c 的最坏值为 0,所以不是最优纯保底选择,这不是劣势删除结论。

3.两个问题有两个分布。 行玩家 maximin 为拳击 $1/3$、芭蕾 $2/3$,保底 $2/3$;混合 NE 中拳击概率却是 $2/3$。面对纯芭蕾对手,原 maximin 分布不是最佳响应,因此不能把它直接当作均衡。

4.总和必须恒定。 零和时列收益是行收益的相反数。囚徒困境的不同结果总和不同,不能归入零和;常数和可以给两人各减去总和的一半来转化。

5.有限、二人、零和、允许混合。 行的安全水平为 $L$,列的安全水平为 $-U$,定理让 $L=U=v$。公开的是最优概率分布,不是本轮已经抽中的动作;v 可以为负。

6.混合填上纯策略的差距。 罚球的纯下界 −1、纯上界 1;双方左右各半后值为 0。鞍点同时是所在行的最小值、所在列的最大值;正文鞍点矩阵的 $(b,y)$ 给出值 2。

7.四条保证各有对象。 最优保底策略可任意配对成 NE;策略集合凸;所有 NE 的期望收益一致;显式有限矩阵可用线性规划求解。策略仍可有连续多种,现实成本也可能不在模型内。

8.存在性与算法性质分开验证。 定理不描述神经网络更新过程,不能证明它收敛。AlphaZero 使用神经网络、MCTS 与自我对弈;α-β 是另一类保持 Minimax 搜索结果的剪枝方法。

基本可行解检查题:找出零值基变量

用刚才的两条等式。选基 {1, 3} 时,哪个基变量为零?再换成 {2, 3}:即使两条等式的残差都是零,为什么仍要排除?

查看答案

选 {1, 3} 时先令非基变量 $x_2=0$,第二式给出基变量 $x_3=0$,这是退化。选 {2, 3} 时令 $x_1=0$,第一式给出 $x_3=1$,第二式给出 $x_2=-1$,违反非负条件。

本节回顾

四条结论

  • 安全水平是最优保底期望,纯策略与混合策略分开算。
  • 有限二人零和博弈允许混合时,双方保底在均衡值 v 接上。
  • 均衡收益唯一,策略可以有多种。公开分布仍可保密本轮动作。
  • 均衡是否存在、能否算出、学习是否收敛,要分别判断。

下一节 👉 14-扩展式博弈.md

下一页讨论行动先后、谁能看到什么,以及不可信威胁。正常形也能编码序贯策略;进入博弈树,是为了更明确地表示这些信息,不是简单把“同时”换成“先后”。

打卡记录保存在你的浏览器里,首页能看到总进度