Archipelago

Lec 7零和博弈与极大极小定理

讲义完成更新于 2026-09-29
承接Lec 6 · 不完全竞争市场应用：古诺、伯川德与豪泰林模型
后续Lec 8 · 动态博弈与逆向归纳法

Lec 7 零和博弈与极大极小定理（Zero-Sum Games）

MIT 14.12 · Economic Applications of Game Theory · 主讲 Ian Ball

TL;DR

  • 零和博弈（Zero-Sum Games）中各方利益严格对立，联合收益之和恒为常数：u1+u2=0u_1 + u_2 = 0。
  • 定义保守安全策略与极大极小值（Maximin Value）：假定对手全力压制自己时所能保证的最差收益。
  • 阐释冯·诺依曼极大极小定理：在有限零和博弈的混合策略空间中，极大极小值等于极小极大值。

核心概念与数学形式化

零和博弈与安全策略

设二人零和博弈中 u1(s1,s2)=−u2(s1,s2)=u(s1,s2)u_1(s_1, s_2) = -u_2(s_1, s_2) = u(s_1, s_2)。

  • 玩家 1 的下安全值（Maximin Value）： v‾=max⁡σ1∈Δ(S1)min⁡σ2∈Δ(S2)u(σ1,σ2)\underline{v} = \max_{\sigma_1 \in \Delta(S_1)} \min_{\sigma_2 \in \Delta(S_2)} u(\sigma_1, \sigma_2)
  • 玩家 1 的上安全值（Minimax Value）： vˉ=min⁡σ2∈Δ(S2)max⁡σ1∈Δ(S1)u(σ1,σ2)\bar{v} = \min_{\sigma_2 \in \Delta(S_2)} \max_{\sigma_1 \in \Delta(S_1)} u(\sigma_1, \sigma_2)

恒有弱不等式成立：v‾≤vˉ\underline{v} \le \bar{v}。

冯·诺依曼极大极小定理（von Neumann, 1928）

在任何有限二人零和博弈中，混合策略极大极小值与极小极大值严格相等： v‾=vˉ≡v∗\underline{v} = \bar{v} \equiv v^* 常数 v∗v^* 称为该博弈的价值（Value of the Game）。

  • 此时使极大极小值成立的策略剖面 (σ1∗,σ2∗)(\sigma_1^*, \sigma_2^*) 恰好构成该博弈的纳什均衡（鞍点 Saddle Point）。
  • 求解零和博弈混合策略等价于求解一对互为对偶的线性规划（Linear Programming）问题。

经济应用与机制分析

在网络防御与关键基础设施防护中，安全架构师必须将攻击者假定为最具敌意的零和破坏者。基于极大极小防御准则设计冗余容灾，能够确保在遭遇未知的零日漏洞突袭时依然维持底线系统存活。

边界条件与易错点

误将非零和博弈（如双赢或囚徒困境）生搬硬套极大极小定理；忽视纯策略零和博弈可能不存在鞍点。

官方资源与参考

我的理解

零和博弈是人类冲突最严酷的缩影。在零和世界中，不存在任何合作互利的可能，你的所得就是我的切肤之痛。极大极小定理的数学之美在于揭示了防守与进攻的终极对称：竭尽全力保障自己的底线安全，在数学上恰好完全锁定了剥夺对手超额收益的进攻上限。