博弈论 101 第 66 讲：贝叶斯纳什均衡

视频封面

视频元信息

标题：博弈论101 第67讲贝叶斯纳什均衡（Bayesian Nash Equilibrium）
讲师：William Spaniel（匹兹堡大学）
系列定位：不完全信息同步行动博弈的解概念入门
前置知识：纳什均衡、完全信息博弈、上一讲的哨兵/狙击手（类型不确定）例子

内容摘要（TL;DR）

本讲定义贝叶斯纳什均衡：它是一组策略，为每一种参与者类型各指定一个策略，使得在给定关于各类型的信念、以及其他类型策略的前提下，没有任何类型有动机偏离。视频用一个单边不完全信息博弈的简单例子，演示了如何利用严格占优剔除类型策略、再用期望效用比较求出临界信念（P = 2/5），从而完整解出均衡。

一、引入：为什么需要新的解概念 [00:00]

本讲主题是贝叶斯纳什均衡，它是不完全信息同步行动博弈中使用的解概念。
讲解思路：先不急着背定义，而是先弄清贝叶斯纳什均衡与普通纳什均衡到底差在哪里。
要理解这个差别，必须回到博弈的构成要素上做对比。

本讲是"定义 + 简单例子"的铺垫课，下一讲才会给出求解复杂博弈的实用技巧。

二、完全信息 vs 不完全信息：构成要素的对比 [00:24]

2.1 完全信息博弈的三要素 [00:30]

参与者（players）
行动（actions）
收益（payoffs）：收益是参与者在博弈中所采取行动的函数。

2.2 不完全信息博弈多出的一层：类型 [00:39]

不仅有参与者，还有不同类型的参与者。
回顾上一讲的例子：哨兵（守门员）面对一个狙击手（射手），射手可能更擅长射向左侧，也可能更擅长射向右侧，而哨兵并不真正知道自己面对的是哪一种类型的射手。
为了让哨兵能采取策略应对这些不同的可能性，就必须对对手的类型持有一定的信念。
- 举例：哨兵有 50% 的信念认为射手更擅长左侧，50% 认为更擅长右侧。
关键点：现在的收益是参与者类型的函数，而不是仅仅取决于行动。

考点：不完全信息与完全信息的最大区别，就在于"类型"以及"关于这些类型的信念"。 正因为如此，贝叶斯纳什均衡才会因类型而不同于纳什均衡。

三、共同先验假设（Common Prior Assumption） [01:20]

处理不完全信息博弈时，通常比"单方面持有信念"更进一步，采用共同先验假设。
含义是层层递推的共识：
1. 哨兵相信对手是左侧长测或右侧长测的概率相等；
2. 射手也知道哨兵持有这种信念；
3. 哨兵知道射手知道自己有这个信念；
4. 射手也知道哨兵知道这一点……如此层层推下去。
理解：共同先验假设本质上是把"信念"变成所有参与者的公共知识（common knowledge），这样才可以用统一的概率分布来做期望效用计算。

提醒：确实有一些模型会放宽共同先验假设，但那些模型复杂得多，本课程（博弈论101）不讲解。 这门课偏机械、偏基础，不涉及那么复杂的内容。

即便如此，不完全信息博弈仍然有行动、仍然有收益，只是收益是类型的函数。

四、贝叶斯纳什均衡的定义 [02:27]

定义（原文表述）：贝叶斯纳什均衡是一组策略，为每一种参与者类型各指定一个策略，使得没有任何类型有动机去改变自己的策略，这是在给定关于各类型的信念、以及其他类型正在做什么的前提下。

4.1 与纳什均衡逐条对照

维度	纳什均衡	贝叶斯纳什均衡
策略对象	每个参与者一个策略	每一种参与者类型一个策略
偏离检查	为每个参与者寻找有利可图的偏离	为每一种参与者类型寻找有利可图的偏离
信念的作用	不涉及	利用关于各类型的信念计算面对每种类型的相对可能性

红色部分（即区别所在）：为每种类型指定策略、给定关于各类型的信念。
理解：贝叶斯纳什均衡就是把纳什均衡的逻辑"扩展到参与者有多种类型、且对类型存在不确定性"的情形。

五、示例博弈：单边不完全信息 [03:40]

5.1 博弈设定 [03:43]

参与者1可以是两种类型：
- 以概率 P 是 A 类型，此时对应屏幕左侧的策略式博弈；
- 以概率 1−P 是 B 类型，此时对应屏幕右侧的策略式博弈。
参与者2只有一种类型，所以参与者1对参与者2没有不确定性。
但参与者2对参与者1是什么类型存在不确定性 → 这是单边不完全信息。
参与者1知道自己是 A 还是 B，参与者2不知道。

5.2 关于占优的一个微妙之处 [04:23]

易错点：不能因为"在某一类型的世界里某策略占优"，就把另一策略当作占优策略剔除掉。

假设我们知道处于 A 类型的世界（左侧博弈）：对参与者2来说，左严格占优右（4>0，3>0），所以如果他知道自己在 A 类型世界，绝不会选右。
但是：不能仅凭这点就把"右"作为占优策略剔除，因为参与者2并不知道自己是否处在 A 类型的世界里。
反过来，如果他处在 B 类型的世界（右侧博弈）：右严格占优左（4>2，4>1）。同样不能把"左"剔除，因为参与者2不知道自己是否处在 B 类型世界。

5.3 换个方向：参与者1可以自我剔除 [05:20]

参与者1知道自己是 A 还是 B，所以可以从他的角度做占优剔除：
- 若为 A 类型：下严格占优上（4>3，2>1）→ 参与者1作为 A 类型绝不会选上，在任何均衡（含贝叶斯纳什均衡）中，A 类型必须选下。
- 若为 B 类型：上严格占优下（6>5，0>1 中 0>1 不成立，但 6>5 且 0>1？）→ 视频原文：6>5、0>1，故上严格占优下。若参与者1确实是 B 类型，就绝不会选下，无论参与者2做什么，上总是更好 → 上是 B 类型的均衡策略。

思考：这里体现了不完全信息博弈中占优剔除的"不对称性"——只有知道自身类型的参与者才能对自己的类型策略做占优剔除；对不确定对手类型的一方，单边占优无法直接剔除。

至此，参与者1两种类型各自的最优策略已求出。

六、求解参与者2：期望效用比较 [06:27]

6.1 计算期望效用

参与者2不知道面对的是 A 还是 B，但知道各自的相对可能性（P 与 1−P）：

选左的期望效用：3 × P + 2 × (1−P)
选右的期望效用：0 × P + 4 × (1−P)

6.2 比较与临界值

只要左的期望效用高于右，就应选左：

3P + 2(1−P) > 0P + 4(1−P)

做代数运算，解得：只要 P（参与者1是 A 类型的先验信念）大于 2/5，参与者2就想选左。

考点：临界信念 P = 2/5。 这是本讲最核心的计算结果，务必记住推导过程。

6.3 完整均衡结果 [07:15]

参与者1作为 A 类型 → 选下
参与者1作为 B 类型 → 选上
参与者2：
- P > 2/5 → 选左
- P < 2/5 → 选右
- P = 2/5 → 纳什意义上的零劫/无差异情形，可以自由地混合策略

理解：P = 2/5 时参与者2对左右无差异，任何混合都是最优反应，因此均衡不唯一（存在混合策略均衡的连续统）。

七、回头验证定义 [07:40]

把求得的均衡与定义逐条对照：

"为每一种参与者类型各指定一个策略" ✔
- 有一个针对 A 类型的策略（下），一个针对 B 类型的策略（上）；
- 参与者2只有一种类型，所以只得一个策略，但该策略取决于 P（先验信念）。
"给定关于各类型的信念，没有任何类型有动机偏离" ✔
- 信念在均衡中起重要作用：P 高则玩家2选左，P 低则选右。
- 理解：当玩家2更可能面对 A 类型时，选左更好；更可能面对 B 类型时，选右更合适。因此策略必须是关于类型信念的函数。