博弈论 101 第 61 讲：以牙还牙

视频封面

视频元信息

系列：Game Theory 101（博弈论 101）
本集主题：以牙还牙策略（Tit for Tat）在无限重复囚徒困境中的均衡分析
讲师：William Spaniel
时长：约 7 分钟

内容摘要（TL;DR）

本集介绍无限重复囚徒困境中的以牙还牙策略（Tit for Tat）：开局合作，之后每期复制对手上一期的行为。视频证明在均衡路径上双方永远合作，并推导出合作可持续的条件为贴现因子 δ ≥ 1/2。但该策略只能构成纳什均衡，无法构成子博弈完美均衡，因为非均衡路径上"交替惩罚"的威胁不可信。

一、引入：为什么需要比冷酷触发更温和的策略 [00:00]

冷酷触发策略的缺陷

上一节课讨论了无限重复囚徒困境中的冷酷触发策略（Grim Trigger）。
冷酷触发的问题：它极其严厉。对手只要背叛一次，合作就永远终止。
如果你在整场博弈中只背叛了一次，从那一期开始，对方就再也不会和你合作。
理解：冷酷触发是一种"零容忍"策略，惩罚是永久性的、不可逆的。

更温和策略的设想

能否设计一种更温和的惩罚策略，不像冷酷触发那么极端？
核心问题：这种不那么极端的惩罚威胁，是否仍然能恢复对方与我的合作？
这正是以牙还牙策略（Tit for Tat）要做的事。

考点：冷酷触发 vs 以牙还牙的核心区别

冷酷触发：一次背叛 → 永久惩罚（不可恢复）

以牙还牙：一次背叛 → 仅惩罚一期，之后视对手行为恢复合作（可恢复）

二、博弈设定与以牙还牙策略的定义 [00:55]

基础设定回顾

阶段博弈：囚徒困境（标准收益结构）。
无限次重复该博弈。
所有之前的行动都会被公开（完全信息）。
全程都有贴现（δ 为贴现因子）。

以牙还牙策略的定义

第一步：在博弈开始时选择合作。
之后每一期：复制对手上一期的行为。
- 对手上一期合作 → 你这一期合作。
- 对手上一期背叛 → 你这一期背叛。
就这么简单，只关心对手上一期做了什么，不用管更早的任何期。

理解：以牙还牙是一种"记忆长度为 1"的策略，它不记仇，只对最近一次行为做出反应。

三、均衡路径上的结果：永远合作 [01:41]

均衡路径分析

假设两个玩家都采用以牙还牙策略。
第一期：双方都选择合作。
第二期：双方复制对方上一期的行为（合作），所以继续合作。
以此类推：在均衡路径上，大家会永远合作下去。

非均衡路径上的奇怪现象 [02:14]

假设第一期我偏离了策略（本应合作，我却背叛）。
第二期：你复制我上一期的行为（背叛），我复制你上一期的行为（合作）→ 我合作、你背叛。
第三期：角色互换 → 我被背叛、你合作。
以此类推：双方陷入合作与背叛交替出现的循环。

理解：这种交替模式意味着，一旦有人偏离，双方会陷入"你背叛我、我背叛你"的轮流报复循环，而非永久惩罚。

易错点：非均衡路径上的交替结果 很多人误以为以牙还牙的惩罚是"同时发生"的。实际上，由于双方复制的是对方上一期的行为，惩罚会呈现交替（一期隔一期）的形态。

四、均衡验证：检查是否存在有利可图的偏离 [03:14]

分析框架

需要同时考察均衡路径和非均衡路径，看是否存在有利可图的偏离。
本段先只看均衡路径（非均衡路径留到后面解释）。

不偏离的收益（永远合作）

每一期都得到合作的收益 3。
收益流：3 + 3δ + 3δ² + 3δ³ + ...
贴现后为：3 / (1 − δ)

推导：这是无限等比级数求和公式。首项 a = 3，公比 r = δ，无穷和 = a / (1 − r) = 3 / (1 − δ)。

第一期偏离的收益（背叛）

第一期：你本应合作，我偏离到背叛 → 我得到 4。
第二期：我们互换策略 → 我合作、你背叛 → 我得到 1。
第三期：我背叛、你合作 → 我得到 4。
第四期：我合作、你背叛 → 我得到 1。
收益流：4 + 1δ + 4δ² + 1δ³ + ...

推导：这是两个交错等比级数的和。

奇数期（第 1、3、5...期）得到 4：4 / (1 − δ²)
偶数期（第 2、4、6...期）得到 1：δ / (1 − δ²)
合计：4 / (1 − δ²) + δ / (1 − δ²) = (4 + δ) / (1 − δ²)

考点：两个关键贴现公式

每期固定收益 c 的无限流：c / (1 − δ)

奇数期得 4、偶数期得 1 的交替流：4 / (1 − δ²) + δ / (1 − δ²)

这两个公式都来自等比级数课程，务必牢记。

五、求解不等式：δ ≥ 1/2 的临界条件 [04:37]

建立不等式

不偏离的条件是：维持合作的收益 ≥ 偏离的收益。

3 / (1 − δ) ≥ (4 + δ) / (1 − δ²)

求解过程

注意 1 − δ² = (1 − δ)(1 + δ)。
两边同乘 (1 − δ²)（δ < 1 时为正）：
- 3(1 + δ) ≥ 4 + δ
- 3 + 3δ ≥ 4 + δ
- 2δ ≥ 1
- δ ≥ 1/2

结论

当 δ ≥ 1/2 时，玩家不会想在第一期就偏离到背叛。
玩家会非常乐意继续合作。

思考：δ 代表耐心程度（贴现因子），δ 越大表示玩家越看重未来收益。δ ≥ 1/2 意味着玩家需要足够有耐心，合作才可持续。

六、从第一期推广到任何一期 [06:35]

上述证明第一期没有有利可图偏离的过程，同样适用于其他每一期。
这与冷酷触发策略那节课的逻辑一致：证明某一期不愿偏离的逻辑，适用于所有期。
结论：在均衡路径上的任何一期，两个玩家都不会想要偏离以牙还牙策略。

重点：单期偏离检验的普适性 由于博弈是平稳的（每期结构相同），只需检验"某一期偏离是否有利"，即可推广到所有期。这是无限重复博弈分析的通用技巧。

七、与冷酷触发的临界点比较 [07:10]

临界点相同

以牙还牙的临界点：δ ≥ 1/2。
冷酷触发的临界点：δ ≥ 1/2。
两者在本例中相同。

重要提醒：不要误以为是普遍规律

冷酷触发和以牙还牙并不总是在贴现参数上产生相同的临界点。
临界点取决于阶段博弈（2×2 囚徒困境）中的具体收益数值。
如果稍微改变收益，两者的临界点就会不同。
不要以为 δ ≥ 1/2 是普遍规律，这只是一个偶然的巧合，取决于讲师选择的收益。

易错点：临界点相同只是巧合 考试中若给出不同的收益矩阵，冷酷触发和以牙还牙的临界点可能不同，务必分别计算，不要套用 δ ≥ 1/2。

八、拓展：以牙还牙在锦标赛中的出色表现 [07:55]

阿克塞尔罗德竞赛

博弈论学者为分析无限重复囚徒困境创建了锦标赛。
以牙还牙策略在这类锦标赛中表现极其出色。
相关著作：Robert Axelrod（罗伯特·阿克塞尔罗德）《合作的进化》（The Evolution of Cooperation）。
该书作者让一群聪明人为无限重复囚徒困境编写策略（用计算机程序描述），然后随机配对对战，累积收益。
阿克塞尔罗德发现，以牙还牙策略在这类锦标赛中表现出色。
该书获得大量引用，阿克塞尔罗德因此获得国家科学奖章。

拓展：阿克塞尔罗德竞赛的核心发现——在重复囚徒困境中，成功的策略往往具备四个特征：善良（不首先背叛）、可报复（对背叛做出反应）、宽容（不无限报复）、清晰（行为易于被对手理解）。以牙还牙恰好满足这四点。

考点：以牙还牙的四大特征（阿克塞尔罗德总结）

善良（Nice）：从不首先背叛

可报复（Retaliatory）：对背叛立即回应

宽容（Forgiving）：对手恢复合作后即恢复合作

清晰（Clear）：行为模式简单，对手能理解

九、遗留问题：非均衡路径与子博弈完美均衡 [08:40]

尚未证明的部分

本课已证明：在均衡路径上，任何一期都没人想偏离合作。
但尚未证明：玩家是否真的愿意执行非均衡路径上的威胁。
这涉及 纳什均衡（Nash Equilibrium） 与 子博弈完美均衡（Subgame Perfect Equilibrium, SPE） 的区别。

两个概念的区别

纳什均衡：不需要担心威胁是否可信。
子博弈完美均衡：研究的恰恰是威胁和承诺在时间推移中是否可信。

关键结论

以牙还牙策略可以构成纳什均衡。
但不能构成子博弈完美均衡（至少在合理条件下不行）。
原因：非均衡路径上"合作与背叛交替摇摆"的威胁不可信。
下一节课将具体分析为什么以牙还牙无法构成子博弈完美均衡。

考点：本课的核心结论

以牙还牙 → 纳什均衡 ✓

以牙还牙 → 子博弈完美均衡 ✗（威胁不可信）

原因：非均衡路径上的交替惩罚威胁不可信

下一课将详细证明

思考：为什么交替惩罚不可信？因为在非均衡路径上，当轮到我执行惩罚时，如果惩罚对我自己也不利，我就没有动机去执行它。子博弈完美均衡要求策略在每一个子博弈（包括非均衡路径上的子博弈）中都是最优反应。

十、本课知识框架总结

基础内容

以牙还牙策略定义：开局合作，之后复制对手上一期行为。
均衡路径：双方永远合作。
非均衡路径：一旦偏离，陷入合作/背叛交替循环。
均衡条件：δ ≥ 1/2（本例中）。
与冷酷触发比较：本例临界点相同，但非普遍规律。

拓展内容

【拓展】阿克塞尔罗德《合作的进化》与计算机锦标赛。
【拓展】以牙还牙的四大成功特征：善良、可报复、宽容、清晰。
【拓展】纳什均衡 vs 子博弈完美均衡的区别。
【拓展】子博弈完美均衡要求策略在所有子博弈中都是最优反应。

容易踩坑的点

坑 1：误以为非均衡路径上的惩罚是同时发生的（实际是交替的）。
坑 2：误以为 δ ≥ 1/2 是普遍规律（实际取决于具体收益）。
坑 3：误以为以牙还牙构成子博弈完美均衡（实际不能）。
坑 4：混淆纳什均衡与子博弈完美均衡的检验标准。

关键标签 / 关键词

博弈论 #GameTheory101 #以牙还牙 #TitForTat #囚徒困境 #PrisonersDilemma #无限重复博弈 #纳什均衡 #子博弈完美均衡 #贴现因子 #冷酷触发 #GrimTrigger #阿克塞尔罗德 #合作的进化 #WilliamSpaniel #匹兹堡大学 #δ大于等于二分之一