博弈论 101 第 59 讲（英文原声）：One-Shot Deviation Principle

视频封面

视频元信息

讲师：William Spaniel（匹兹堡大学）
主题：一次性偏离原则（One-Shot Deviation Principle）
时长：约 9 分 15 秒
语言：英文（本笔记统一用简体中文整理）

内容摘要（TL;DR）

本讲介绍一次性偏离原则：在有限博弈或带贴现的无限重复博弈中，一组策略是子博弈完美均衡，当且仅当没有任何玩家能通过"只在一个阶段改变行动、其余阶段保持不变"来获利。它把需要检验的偏离数量从指数级（如 65,535 个）压缩到线性级（如 16 个），是后续求解无限期囚徒困境的关键工具。

一、引言与问题背景 [00:00]

讲师 William Spaniel 回归 Game Theory 101 系列，本讲主题是一次性偏离原则（One-Shot Deviation Principle）。
此前课程已经学习了无限期博弈的收益计算，但在真正动手求解这些博弈之前，讲师先给出一个能简化求解过程的技巧。

本讲定位：不是求解某个具体博弈，而是先掌握一个"省时间的工具"，为下一讲求解无限期囚徒困境做铺垫。

理解：这是一个方法论性质的中转章节，先讲工具，再用工具解题，符合"先磨刀再砍柴"的教学节奏。

二、策略数量爆炸：为什么需要这个原则 [00:19]

讲师先用有限但较长的博弈来说明问题的严重性，而不是直接跳到无限期博弈。

2.1 策略数量随决策次数指数增长

假设玩家在每个阶段面临一个二选一的"左/右"决策：

决策次数	纯策略数量	举例
1 次	2	左、右
2 次	4	左左、左右、右左、右右
3 次	8	左左左、左左右、左右左……
4 次	16	……
16 次	2^16 = 65,536	……

关键规律：每增加一个二选一决策，纯策略总数就翻一倍，呈指数增长。

2.2 验证子博弈完美均衡的常规方法

要证明某组策略是子博弈完美均衡（Subgame Perfect Equilibrium），标准做法是：
- 证明玩家无法从该策略中有利可图地偏离（profitably deviate）。
但如果有 65,536 个策略，就意味着除当前策略外还有 65,535 个其他策略，对应 65,535 个其他可能收益需要逐一比较。

易错点： 若不做任何简化，验证一个 16 阶段二选一博弈的均衡，需要比较 65,535 个偏离策略的收益——计算量大到几乎不可行。这正是"一次性偏离原则"要解决的问题。

思考：这里讲师用"16 次决策"作为例子很巧妙——16 本身看起来不多，但 2^16 已经超过 6 万，直观地暴露了指数爆炸的威力。

三、一次性偏离原则的正式表述 [02:53]

3.1 原则原文

在有限博弈或带贴现的无限重复博弈中（即本课程目前所研究的博弈类型），一组策略是子博弈完美均衡，当且仅当（if and only if）没有任何玩家能够通过在单个阶段偏离其策略、而在其他所有阶段保持原策略来获利。

3.2 拆解"当且仅当"

当且仅当意味着这是一个双向命题，包含两半，信息量是单向命题的两倍：
- 第一半（必要性）：若是子博弈完美均衡 → 不存在可获利的一次性偏离。
- 第二半（充分性）：若不存在可获利的一次性偏离 → 该策略组就是子博弈完美均衡。

考点： 很多人只记住"均衡不能有一次性偏离获利"（第一半），却忽略了第二半才是真正有价值的部分——它允许我们只检验一次性偏离就能断定均衡成立。讲师明确说第二半"才是重要的部分"。

四、第一半：均衡意味着没有一次性偏离获利 [03:36]

4.1 直观说明

以 5 次二选一决策为例，若均衡策略是"每个阶段都选左"：

那么"每阶段都选左"的收益，应当至少不差于以下这些一次性偏离：
- 前 4 次选左、最后一次选右；
- 第 1 次选右、其余 4 次选左；
- 以及任意"只在某一个位置改成右、其余保持左"的变体。

4.2 为什么这一半是"显然的"

子博弈完美均衡必须对所有偏离都最优。
一次性偏离只是"在大的策略组合中改动一个位置"的简单偏离。
如果策略组连这些简单的小偏离都不存在获利空间，那么扩展到多点偏离（更复杂的偏离）时，自然也不应有获利空间。
推导：第一半的逻辑是"均衡 ⊇ 无一次性偏离获利"，即均衡是一个更强的条件，一次性偏离检验只是它的一个子集。

讲师强调：这一半其实不是有趣的部分，因为它符合直觉。

五、第二半：没有一次性偏离获利即均衡（核心）[05:18]

5.1 逆否命题的等价表述

对第一半的陈述应用逆否命题（contraposition），可等价改写为：

如果一组策略不是子博弈完美均衡，那么一定存在某个一次性可获利偏离。

5.2 第二半的直觉解释

子博弈完美均衡要求策略"全程都最优（optimal all the way through）"。
假设有一组策略 A，另有一组策略 B 相对 A 做了多处偏离，且 B 的收益高于 A。
一次性偏离原则告诉我们：在 B 的这些偏离中，必然存在某一个"关键性（pivotal）"的单点偏离，仅凭它自己就能提高收益。
也就是说：如果你没有在玩均衡，你不需要依靠那些复杂的多点偏离来改善收益，只要找到那个单点偏离就够了。
理解：第二半的深层含义是——"非均衡"必然在某个局部暴露出来。只要策略组不是均衡，就一定能找到一个"局部病灶"，而不必检查全局的所有组合。

易错点： 第二半的证明（为什么"存在多点偏离获利"就"一定存在单点偏离获利"）比第一半复杂得多，讲师特别指出这一点。学习时不要误以为它和第一半一样"显然"。

六、应用：把 65,535 次检验压缩到 16 次 [06:58]

6.1 具体做法

回到 16 次二选一决策的例子，假设待验证的均衡策略是"每次都选左"：

不必检查全部 65,535 个其他策略。
只需检查 16 个一次性偏离：
1. 右 + 15 个左
2. 左、右 + 14 个左
3. 左、左、右 + 13 个左
4. ……（依次把某一个位置改为"右"，其余保持"左"）
如果这 16 次检验都找不到可获利偏离，那么就真的不存在任何可获利偏离，包括那些更复杂、多点偏离的情形。

6.2 效率对比

方法	需要检验的偏离数
暴力枚举全部策略	65,535
一次性偏离原则	16

结论：一次性偏离原则把检验量从指数级降到线性级，极大节省时间。

考点： 检验数量 = 决策阶段数（16），而非策略总数（65,536）。这是本讲最实用的结论，务必记牢。

思考：这种"局部检验代替全局检验"的思想，与动态规划中的最优性原理（Bellman 原理）异曲同工——只需保证每一步局部最优，就能保证全局最优。

七、总结与下一讲预告 [08:37]

一次性偏离原则将大幅节省求解长期、复杂博弈（含无限期博弈）子博弈完美均衡的时间。
下一讲预告：将用无限期的方式求解囚徒困境，并展示如何让合作（cooperation）得以实现——这正是本讲工具所服务的最终目标。
理解：本讲是"工具课"，下一讲是"应用课"。囚徒困境在无限重复下可能实现合作（如触发策略），而验证这类策略是否为子博弈完美均衡，正需要一次性偏离原则来简化计算。