Rozdział 3 Gry niekooperacyjne w postaci ekstensywnej

advertisement
Rozdział 3
Gry niekooperacyjne w postaci
ekstensywnej
Wszystkie gry, które dotychczas rozważaliśmy, miały tylko jeden etap. W związku z tym
musieliśmy zakładać, że gracze podejmują swoje decyzje równocześnie, nie znając tych,
które podjął przeciwnik. Oczywiście w rzeczywistości rzadko się zdarzają takie sytuacje,
że decyzje podejmuje się naraz, bez żadnej wiedzy o ruchach przeciwnika. W praktyce
prawopodobnie musiałoby to oznaczać, że gracze, jak w dylemacie więźnia, są od siebie
odizolowani. W związku z tym powstał pomysł, żeby kolejne, wykonywane po sobie ruchy opisać przy pomocy drzewa. Na przykład spróbujmy sobie opisać taką grę: Mamy
tabliczkę czekolady 3 × 2. W każdym kolejnym ruchu (gracze grają na przemian) odłamuje się kawałek czekolady, ale wolno odłamywać tylko całe „wiersze” lub „kolumny”
czekolady. Ten, kto zje ostatni kawałek – przegrywa. Taką grę można opisać przy pomocy
następującego drzewa:
Gracz 1
3 na 2
Gracz 2
2 na 2
1 na 2
3 na 1
(-1,1)
Gracz 1
1 na 2
2 na 1
1 na 1
(1,-1)
Gracz 2
1 na 1
1 na 1
(-1,1)
(1,-1)
2 na 1
1 na 1
(1,-1)
(1,-1)
1 na 1
(-1,1)
(-1,1)
(1,-1)
(-1,1) (-1,1)
(1,-1)
Ogólnie tego typu grę będzie można zdefiniować następująco:
Definicja 3.1 Gra w postaci ekstensywnej (pozycyjna) N graczy opisana jest za pomocą
drzewa uporządkowanego T oraz:
20
1. partycji P 0 , P 1 , . . . , P N wierzchołków drzewa (pozycji), nie będących liściami. P i,
i 6= 0 interpretujemy jako zbiór pozycji i-tego gracza (tzn. pozycji, w których on
podejmuje decyzję). P 0 jest zbiorem pozycji „natury” (dalsza pozycja wybierana
jest przez mechanizm losowy);
2. dla każdego gracza i, partycji P i na k i zbiorów informacyjnych U1i , . . . , Uki i , takich
że:
(a) z każdego wierzchołka (pozycji) v ∈ Uji wychodzi tyle samo łuków,
(b) każda droga z pozycji początkowej (korzenia drzewa) do pozycji końcowej
(liścia) przecina każdy zbór informacyjny co najwyżej jeden raz;
Interpretacja zbiorów informacyjnych jest taka, że podział na zbiory informacyjne
odpowiada stanowi wiedzy gracza – znajdując się w pozycji v, wie tylko tyle, że
znajduje się w zbiorze informacyjnym, do którego v należy, i opierając się na tej
wiedzy podejmuje decyzje co do swojego działania. (Stąd też biorą się warunki,
które każdy zbiór informacyjny musi spełniać: gdyby z jakiegoś węzła należącego do
danego zbioru informacyjnego wychodziła inna liczba krawędzi niż z pozostałych,
gracz, podejmujący tam decyzję, musiałby rozróżnić dwa węzły, w których miałby
różną liczbę możliwości do wyboru; z kolei gdyby w trakcie gry dwukrotnie znalazł
się w jednym zbiorze informacyjnym, musiałby wiedzieć, że tam już był, więc to
nie może być ten sam zbiór).
3. dla każdej pozycji natury v ∈ P 0 dany jest rozkład prawdopodobieństwa pv , określający prawdopodobieństwo, z jakim zostaną wylosowane poszczególne łuki wychodzące z v.
4. dla każdej pozycji końcowej (liścia) t dany jest wektor g(t) = (g 1 (t), . . . , g N (t))
wypłat poszczególnych graczy.
Drogę łączącą korzeń z dowolnym liściem nazywamy partią gry.
Nasz przykład możemy opisać zgodnie z tą definicją następująco: Zaczynamy od ponumerowania wierzchołków naszego drzewa (żeby wszystko było czytelne, tym razem
narysuję drzewo bez opisu, co który wierzchołek oznacza – pozostaje jedynie numeracja1 ).
Pozycjami pierwszego gracza będą wierzchołki P 1 = {1, 6, 7, 9, 11, 12}, pozycjami drugiego – P 2 = {2, 3, 4, 14, 16, 19}.
Wszystkie zbiory informacyjne są jednoelementowe, bo w każdej chwili gracz zna całą
dotychczasową rozgrywkę: U11 = {1}, U21 = {6}, U31 = {7},. . . , U12 = {2}, U22 = {3},
U32 = {4},. . .
Wypłaty graczy, ponieważ w tej grze chodzi tylko o wygraną bądź przegraną, są zawsze równe 1 lub −1, a dokładniej: g(5) = (−1, 1), g(8) = g(10) = g(13) = (1, −1),
g(15) = g(17) = g(18) = g(20) = g(21) = (−1, 1), g(22) = g(23) = g(24) = (1, −1).
1
Rysunek znajduje się na następnej stronie.
21
Gracz 1
1
Gracz 2
2
3
4
5
(-1,1)
Gracz 1
6
7
8
9
10
(1,-1)
Gracz 2
14
15
16
(-1,1)
11
12
13
(1,-1)
17
18
(-1,1)
(-1,1)
(1,-1)
19
20
21
(-1,1) (-1,1)
22
23
24
(1,-1)
(1,-1)
(1,-1)
Ale oczywiście definicja gry pozycyjnej jest bardziej złożona, dzięki czemu obejmuje
ona też różne bardziej skomplikowane gry.
Przykład: Pierwszy gracz rzuca monetą (wynik tego rzutu jest losowy, czyli nie jest
wynikiem decyzji 1. gracza, ale on zna ten wynik, bo to on rzucał monetą), drugi nie
zna wyniku tego rzutu i zgaduje, jaki był, następnie pierwszy, który wie, jaki był wynik
losowania, zgaduje, czy 2. odgadł ten wynik. Jeśli zgadnie, to wygrywa, jeśli nie – przegrywa. Podobnie 2. gracz – jeśli odgadł wynik losowania – wygrywa (oczywiście obaj
mogą wygrać lub przegrać jednocześnie).
Grę będzie opisywało następujące drzewo (zbiory informacyjne są od razu zaznaczone
na drzewie):
Natura
O
U12
Gracz 2
O
Gracz 1
R
U11
R
O
R
U21
Z
N
Z
N
Z
N
Z
N
(1,1)
(-1,1)
(-1,-1)
(1,-1)
(-1,-1)
(1,-1)
(1,1)
(-1,1)
22
Tu już widać sens wprowadzenia czegoś takiego jak zbiory informacyjne – w tym a
tym przypadku chcemy założyć, że gracz nie zna jakichś ruchów przeciwnika lub natury, i
do tego są one nam potrzebne. Ale okazuje się, że stosując taki model możemy opisać coś
bardziej skomplikowanego – mianowicie ograniczoną pamięć – gracz może nie pamiętać
jakiegoś własnego wyboru z przeszłości. Przykład takiej gry pojawi się na ćwiczeniach2 .
Ten przykład może wydać się trochę abstrakcyjny (bo jak można zapomnieć, co się
robiło w pierwszym ruchu, ruch później?), natomiast sama idea tego, że ruchy można
zapominać jest w sumie dosyć, „życiowa” (tak się dzieje na przykład w przypadku gier
z dużą liczbą etapów).
Zauważmy także, że dowolne gry w postaci strategicznej też możemy modelować jako
gry pozycyjne. Np. dylemat więźnia będzie opisywało następujące drzewo (zaznaczone
są na nim także zbiory informacyjne)
Gracz 1
U11
Przyzn.
Gracz 2
Przyzn.
(-5,-5)
Nie przyzn.
U12
Nie przyzn. Przyzn.
(0,-10)
(-10,0)
Nie przyzn.
(-1,-1)
Dobrze, skoro wiemy, jak opisać grę wieloetapową, to teraz zastanówmy się, jak opisać strategie w takiej grze. Mówiłem, że gracz znajdujący się w pozycji v wie tylko, w
jakim zbiorze informacyjnym się znajduje. W związku z tym strategię gracza i będziemy
definiować następująco:
Niech I i = {U1i , . . . , Uki i } – rodzina zbiorów informacyjnych gracza i, a ν(Uji ) – liczba
krawędzi wychodzących z każdej pozycji w zbiorze Uji .
Definicja 3.2 Strategią czystą gracza i nazwiemy odwzorowanie si : I i → N takie że
si (Uji ) ¬ ν(Uji ). Jeśli gracz znajduje się w pozycji v ∈ Uji i stosuje strategię si , to wybiera
w tej pozycji łuk wychodzący z v o „numerze” si (Uji ).
Wypłatą gracza i, gdy poszczególni gracze stosują strategie s = (s1 , . . . , sN ) jest
v∈L(T ) g(v)ps (v), gdzie L(T ) oznacza zbiór liści drzewa, a ps (v) jest prawdopodobieństwem dojścia do liścia v, jeśli stosowane są strategie s.
Zauważmy jednak, że jeśli zbiory I i są skończone (a tak zakładamy), to grę w postaci
ekstensywnej możemy zawsze sprowadzić do gry w postaci strategicznej, za strategie w
grze jednokrokowej przyjmując ciągi strategii w kolejnych zbiorach informacyjnych. Na
przykład w przedostatnim przykładzie (z rzutem monetą), pierwszy gracz miał dwa
zbiory informacyjne, a w każdym z nich – dwie strategie (Z (gracz 2. zgadł, co wypadło)
i N (nie zgadł)), stąd w grze pozycyjnej miał 4 strategie (czyste): ZZ, ZN, NZ, NN. Z kolei
gracz drugi miał dwie strategie: O (orzeł) i R (reszka). Z kolei wypłaty odpowiadające
poszczególnym strategiom w tej grze były następujące (ponieważ na pierwszym etapie
gry decyzja była podejmowana losowo, wypłaty będą wartościami oczekiwanymi):
P
2
Choć na wykładzie też był na tablicy, ale nie chce mi się teraz go wklepywać, skoro jeszcze się gdzieś
pojawi.
23
O
R
ZZ (0, 0)
(0, 0)
ZN (1, 0) (−1, 0)
NZ (−1, 0) (1, 0)
NN (0, 0)
(0, 0)
Skoro jednak dowolną grę w postaci ekstensywnej można sprowadzić do postaci strategicznej, to znaczy, że na mocy twierdzenia Nasha każda gra pozycyjna ma równowagę
w strategiach mieszanych. No właśnie – tylko jak będą tutaj wyglądać strategie mieszane? Jeśli chcemy stosować twierdzenie Nasha, to strategią mieszaną będzie musiał być
rozkład na zbiorze strategii czystych, czyli funkcjach z I i w N – innymi słowy, chcąc
używać strategii mieszanej, musielibyśmy dokonać losowania strategii w całej grze przed
rozpoczęciem gry. Jeśli to nie byłaby taka mała, paroetapowa gra, to zbiory, z których
musielibyśmy losować byłyby olbrzymie, w dodatku losowanie przed rozpoczęciem rozgrywki kłuci się z intuicją co do tego, na czym polega gra wieloetapowa. W związku z
tym wprowadza się mniejszy zbiór strategii mieszanych, nazywanych strategiami postępowania.
Definicja 3.3 Strategią postępowania gracza i w grze pozycyjnej zdefiniowanej wcześniej nazwiemy odwzorowanie, które dowolnemu zbiorowi informacyjnemu Uji ∈ I i przypisuje pewien rozkład prawdopodobieństwa na zbiorze {1, . . . , ν(Uji )}. Używanie takiej
strategii polega na tym, że w momencie gdy gra dojdzie do zbioru informacyjnego Uji
gracza i-tego, dokonuje on losowania swojego kolejnego ruchu, stosując rozkład prawdopodobieństwa przypisany temu zbiorowi przez zadaną strategię.
Oczywiście ten zbiór strategii w ogólności jest istotnie mniejszy od zbioru wszystkich
strategii zrandomizowanych, i równowaga, która istnieje na mocy twierdzenia Nasha,
może wyjść poza ten zbiór. Jest na szczęście duża klasa gier, dla których można się
ograniczyć do strategii postępowania. Są to gry z doskonałą pamięcią, tzn. takie, w
których każdy z graczy pamięta wszystkie swoje dotychczasowe decyzje. Dla takich gier
prawdziwe jest następujące twierdzenie:
Twierdzenie 3.1 (Kuhn) W grach z doskonałą pamięcią zbiór strategii postępowania
jest równy zbiorowi wszystkich strategii zrandomizowanych.
Oczywistą konsekwencją tego twierdzenia będzie to, że dowolna gra z doskonałą pamięcią
będzie miała równowagę w strategich postępowania. (Przykład tego, że dla gier bez tej
własności równowaga może wyjść poza ten zbiór, pojawi się na ćwiczeniach).
3.1
Algorytmy szukania równowag w grach pozycyjnych
Dziś opowiem o tym, w jaki sposób liczyć równowagi w grach w postaci ekstensywnej. Prawie całe moje rozważania (z jednym drobnym wyjątkiem) będą dotyczyć gier
z doskonałą pamięcią, bądź wręcz podklas tej klasy gier. W przypadku dowolnych gier
raczej trudno o algorytmy, które nie sprowadzałyby się do zamiany postaci ekstensywnej
w strategiczną i liczenia równowag dla tej postaci. Zaczniemy od takich gier, dla których
równowagi będzie można liczyć „ręcznie” – algorytm ich liczenia będzie na tyle prosty.
24
Definicja 3.4 Grą z pełną informacją nazwiemy grę pozycyjną, w której wszystkie zbiory informacyjne są jednoelementowe.
Dla takich gier prawdziwe będzie twierdzenie:
Twierdzenie 3.2 (Kuhn) W każdej grze z pełną informacją istnieje równowaga w strategiach czystych.
(Najpierw przedstawią dowód tego twierdzenia, a potem na przykładzie zilustruję, o co
w nim tak naprawdę chodziło (dowód jest indukcyjny, więc sprowadza się do rekurencyjnego algorytmu szukania tych równowag)).
Dowód: Indukcja ze względu na liczbę wierzchołków w drzewie, nie będących liściami.
Dla 1 wierzchołka oczywiście w grze jest tylko jeden gracz, więc strategia, która daje mu
najlepszą wypłatę, jest też równowagą Nasha.
Dalej, załóżmy, że każda gra posiadająca ¬ m wierzchołków ma równowagę w strategiach czystych. Niech nasza gra będzie opisana drzewem o m + 1 wierzchołkach. Rozważymy dwa przypadki:
1. Korzeń drzewa r jest pozycją natury. Niech w1 , . . . , wk oznaczają pozycje połączone
łukiem bezpośrednio z korzeniem, a T1 , . . . , Tk – drzewa o korzeniach w1 , . . . , wk .
Każde z tych drzew ma ¬ m wierzchołków, więć gra opisana każdym z tych drzew
ma równowagę. Oznaczmy te równowagi przez s1 , . . . , sk . Wtedy s(v) = sj (v), jeśli
v ∈ Tj jest równowagą w naszej wyjściowej grze.
2. Korzeń drzewa r jest pozycją gracza i. Oznaczenia, jak poprzednio, dodatkowo
niech gli oznacza wypłatę gracza i w równowadze sl . Wtedy równowagę w grze
wyjściowej (tej „dużej”) tworzymy następująco. Jeśli v ∈ Ti , to s(v) = si (v),
natomiast s(r) wybiera tę z krawędzi wychodzących z korzenia l, dla której gli =
maxj¬k gji .
Uzasadnienie, dlaczego tak wybrane strategie tworzą równowagę, jest w obu przypadkach
takie samo. Załóżmy, że to nie jest równowaga. Wtedy jednemu z graczy opłaca się
odstąpić od jej grania. Jeśli nie jest to gracz, którego pozycją był korzeń, to odstępuje
od równowagi w pozycji należącej do drzewa Tj . Wtedy jednak musiałoby się to wiązać
także z poprawieniem wypłaty w grze z drzewem Tj , co jest sprzeczne z założeniem, że sj
jest równowagą w tej grze. Podobnie w przypadku gracza, którego pozycją jest korzeń –
jeśli odstąpił od równowagi właśnie w tej pozycji, to jego wypłata na pewno się zmniejszy
(w ten sposób ją zdefiniowaliśmy, żeby się zmniejszyła). Jeśli odstąpi od równowagi w
jakiejś innej pozycji, to możemy zastosować rozumowanie, które stosowaliśmy do innych
graczy. Istotę tego dowodu możemy zilustrować na przykładzie.
Przykład: Wracamy do gry z tabliczką czekolady z poprzedniego wykładu. Zaczynamy
od samego dołu drzewa. Na 4. etapie Gracz 2. nie ma nic do wyboru. Przechodzimy jeden
etap wcześniej. Tutaj Gracz 1. z możliwych zagrań wybiera te, które dają mu większą
wypłatę. Na poniższym drzewie są one zaznaczone strzałkami.
25
Gracz 1
1
Gracz 2
2
3
4
5
(-1,1)
Gracz 1
6
7
8
9
10
(1,-1)
Gracz 2
14
15
16
(-1,1)
11
12
13
(1,-1)
17
18
(-1,1)
(-1,1)
(1,-1)
19
20
21
(-1,1) (-1,1)
22
23
24
(1,-1)
(1,-1)
(1,-1)
Następnie przechodzimy krok wcześniej. Na tym kroku decyzje podejmuje Gracz
2., więc wybiera te krawędzie, dla których jego wypłata jest największa (w przypadku
krawędzi wychodzących z wierzchołka 2, zaznaczyłem wszystkie, bo dla Gracza 2. nie
ma różnicy, którą z nich wybierze):
Gracz 1
1
Gracz 2
2
3
4
5
(-1,1)
Gracz 1
6
7
8
9
(1,-1)
Gracz 2
14
15
16
(-1,1)
10
11
12
(1,-1)
17
18
(-1,1)
(-1,1)
19
13
(1,-1)
20
21
(-1,1) (-1,1)
22
23
24
(1,-1)
(1,-1)
(1,-1)
No i dochodzimy do pierwszego kroku – na nim decyzję podejmuje Gracz 1., i ma
do wyboru wierzchołek 2, w którym, jeśli tylko na dalszych etapach będzie postępował
optymalnie (czyli zgodnie ze strzałkami), zapewni sobie wypłatę 1, oraz trzy wierzchołki,
w których przeciwnik może sobie zapewnić 1. Wybiera oczywiście 2. wierzchołek:
26
Gracz 1
1
Gracz 2
2
3
4
5
(-1,1)
Gracz 1
6
7
8
9
(1,-1)
Gracz 2
14
15
16
(-1,1)
10
11
12
(1,-1)
17
18
(-1,1)
(-1,1)
19
13
(1,-1)
20
21
(-1,1) (-1,1)
22
23
24
(1,-1)
(1,-1)
(1,-1)
Uwaga 3.1 Metodę, którą zastosowaliśmy w dowodzie twierdzenia Kuhna (oraz w powyższym przykładzie), nazywamy metodą indukcji wstecznej.
To, co przedstawiłem, to metoda indukcji wstecznej zastosowana do gier z pełną
informacją. Tak naprawdę pewne uogólnienie tego algorytmu pozwala na uproszczenie
obliczania równowag w bardziej skomplikowanych grach. Zaczniemy od zaprezentowania
algorytmu na przykładzie konkretnej gry. Potem powiemy sobie, dla jakich gier taki
algorytm będzie można stosować względnie efektywnie.
U11
Gracz 1
L
U12
Gracz 2
L
P
(0,0)
U21
Gracz 1
L
Gracz 2
P
U22
L
(2,0)
P
P
L
P
(0,4)
(0,2)
(4,0)
27
L
P
(3,3)
(-4,4)
Jeśli chcielibyśmy zapisać tę grę w postaci strategicznej, dostalibyśmy następującą
macierz par wypłat:
LL
LP
PL
PP
LL (2, 0) (0, 4) (0, 0)
(0, 0)
LP (0, 2) (4, 0) (0, 0)
(0, 0)
P L (3, 3) (3, 3) (−4, 4) (−4, 4)
P P (3, 3) (3, 3) (−4, 4) (−4, 4)
Nietrudno zauważyć, że w tej grze nie ma równowagi w strategiach czystych. Żadna
ze strategii nie jest także zdominowana. Jeśli chcielibyśmy liczyć równowagę dla gry
w postaci strategicznej, czekałoby na nas mnóstwo pracy. Okazuje się jednak, że tutaj
możemy zastosować pewien wariant indukcji wstecznej. Mianowicie oddzielnie będziemy
rozważać każdą podgrę tej gry opisaną przez poddrzewo, którego korzeń jest jednoelementowym zbiorem informacyjnym. Będziemy to robić tak, jak w przypadku indukcji
wstecznej dla gier z pełną informacją, zaczynając od dołu naszego drzewa, następnie
przechodząc coraz bliżej korzenia. Zaczynamy więc od gry „na dole” – o korzeniu w
zbiorze informacyjnym U21 . Ta gra jest następującej postaci:
Gracz 1
L
Gracz 2
L
(2,0)
P
P
L
P
(0,4)
(0,2)
(4,0)
Możemy ją teraz zapisać w postaci strategicznej:
L
P
L (2, 0) (0, 4)
P (0, 2) (4, 0)
Bez trudu zauważamy, że ta gra nie ma równowagi w strategiach czystych. Równowagi w
strategiach mieszanych szukamy znaną nam z ćwiczeń metodą wyrównywania wartości
oczekiwanej. Mamy:
2σ1 = 4σ2 oraz 2µ2 = 4µ1
Rozwiązaniami tych równań są oczywiście strategie µ = ( 31 , 23 ) oraz σ = ( 23 , 13 ). Wypłatami w tej równowadze są ( 34 , 34 ). Te wypłaty są nam potrzebne, bo teraz przez te wypłaty
zastępujemy całą podgrę, którą rozważaliśmy, i przechodzimy piętro wyżej, tworząc grę:
28
Gracz 1
L
Gracz 2
L
( 34 , 43 )
P
P
L
P
(0,0)
(3,3)
(-4,4)
I znowu dla tej gry zapisujemy jej postać strategiczną:
L
P
L
(0, 0) ,
P (3, 3) (−4, 4)
( 34 , 34 )
obliczamy równowagę przez wyrównywanie wartości oczekiwanych:
4
σ1 = 3σ1 − 4σ2
3
4
µ1 + 3µ2 = 4µ2,
3
12 5
, 17 ).
dostając µ = ( 73 , 47 ) i σ = ( 17
W ten sposób, ostatecznie, dostaliśmy równowagę w strategiach postępowania postaci:
• Strategia gracza 1. w zbiorze U11 : µ11 = ( 73 , 47 ); w zbiorze U21 : µ12 = ( 13 , 23 )
12 5
, 17 ); w zbiorze U22 : σ22 = ( 23 , 31 ).
• Strategia gracza 2. w zbiorze U12 : σ12 = ( 17
Ogólnie takim algorytmem będziemy mogli rozwiązywać gry, w których duża liczba
zbiorów informacyjnych jest jednoelementowa (niekoniecznie będą to gry z doskonałą
pamięcią, choć przykład rozważany powyżej był taką grą). Poprawność takiej metody
dla tej większej klasy gier uzasadnia się zupełnie tak samo, jak w przypadku indukcji
wstecznej dla gier z pełną informacją.
Na tym kończą się algorytmy, które można stosować efektywnie przy obliczeniach na
kartce papieru albo tablicy. Nie kończą się natomiast algorytmy, z których praktycznie
korzysta się przy szukaniu rozwiązań dla gier w postaci ekstensywnej. Dlaczego? Otóż
nawet dla gier z doskonałą pamięcią bardzo często się zdarza, że jednoelementowych
zbiorów informacyjnych prawie nie ma (na przykład korzeń drzewa jest jedynym takim zbiorem). W takim wypadku sprowadzenie gry w postaci ekstensywnej do postaci
strategicznej oznaczałoby stworzenie gigantycznych macierzy wypłat, bo liczba strategii
czystych graczy rośnie wykładniczo wraz z powiększaniem się (liniowo) drzewa gry, a to
oznacza, że niezależnie od tego, jak efektywny byłby algorytm obliczania równowag, w
ostatecznym rozrachunku byłyby one liczone bardzo wolno. W związku z tym do maszynowego liczenia równowag w dwuosobowych grach o doskonałej pamięci wymyślono tzw.
postać sekwencyjną. (Na czym będzie polegała postać sekwencyjna będę podawał na
przykładzie gry, dla której przed chwilą liczyliśmy równowagi).
Postać sekwencyjna gry:
• Zamiast „pełnych strategii” rozważamy sekwencje kolejnych ruchów graczy. (W
przykładzie powyżej możliwe są następujące sekwencje ruchów pierwszego gracza:
29
∅, L, P, LL, LP oraz (takie same) następujące drugiego: ∅, L, P, LL, LP). (Przewagą
sekwencji ruchów nad strategiami czystymi jest to, że ich liczba rośnie liniowo wraz
z rozrostem drzewa (w sumie liczba sekwencji obu graczy nie przekracza liczby
wierzchołków w drzewie plus jeden)).
• W konsekwencji inne są też macierze wypłat graczy (w macierzy podajemy wypłaty
graczy po wykonaniu poszczególnych sekwencji ruchów, w związku z tym większość
elementów macierzy to zera, a niezerowe mogą być wyłącznie te elementy, dla
których odpowiednie sekwencje ruchów doprowadzają grę do liści drzewa gry). Dla
naszej gry macierze będą postaci (pogrubioną czcionką zaznaczyłem rzeczywiste
wypłaty, odpowiadające liściom drzewa postaci ekstensywnej):

A=







0
0
0
0
0
0
0 0 0
0
0 0 0
3 −4 0 0
0
0 2 0
0
0 0 4









B=







0
0
0
0
0
0
0
3
0
0
0
0
4
0
0
0
0
0
0
2
0
0
0
4
0




.



Jak nietrudno zauważyć, tych pogrubionych wartości jest w każdej z macierzy
dokładnie tyle, ile było liści w drzewie, i tak będzie zawsze. W macierzy wypłat
postaci strategicznej każda z tych wypłat pojawiała się wiele razy, jak się okazuje
– niepotrzebnie.
• Zamiast strategii mieszanych w grze w postaci strategicznej tu będziemy rozważali
plany x, y, czyli wektory, których kolejne elementy będą mówiły, z jakim prawdopodobieństwem były wykonane poszczególne sekwencje ruchów. Oczywiście, podobnie
jak strategie mieszane3 , plany też muszą spełniać pewne własności, wynikające z
tego, że np. sekwencja ruchów LP może być wykonana tylko wtedy, gdy wcześniej
zostały wykonane sekwencje ∅ oraz L. Dla naszej gry plany x = (x1 , . . . , x5 ) oraz
y = (y1 , . . . , y5 ) muszą być nieujemne i spełniać układ równań:



















x1 = 1
x2 + x3 = x1
x4 + x5 = x2
.
y1 = 1
y2 + y3 = y1
y4 + y5 = y2
W ogólności będą musiały spełniać układy równań liniowych Ex = e i F y = f
z pewnymi macierzami składającymi się z zer oraz plus i minus jedynek, oraz
kolumnami wyrazów wolnych postaci jedynka na pierwszym miejscu, a potem same
zera. (Oczywiście znając plan dla danego gracza, bez problemu jesteśmy w stanie
zamienić go na odpowiadającą mu strategię postępowania).
• Wypłata gracza 1., gdy gracze stosują plany x i y jest bardzo łatwa do policzenia,
bo równa xT Ay, podobnie wypłata gracza 2., xT By.
Jeśli teraz chcemy znaleźć równowagę Nasha dla naszej gry, musimy zapisać warunki
Nasha, tzn. plany x i y będą w równowadze, jeśli wypłata ze stosowania dowolnego
3
Które musiały być rozkładami prawdopodobieństwa, czyli mieć elementy nieujemne i sumujące się
do jedynki.
30
innego planu x0 przeciwko y będzie nie lepsza niż xT Ay (i podobnie dla drugiego gracza).
To możemy zapisać następująco:
x0T Ay ¬ xT Ay dla dowolnego planu x0 gracza 1.
Teraz możemy zastosować pewien trick – ponieważ e jest wektorem z jedynką na pierwszym miejscu, a dalej zerami, a dla dowolnego planu (czyli także dla x0 ) Ex0 = e, to dla
dowolnego wektora u,
x0T E T u = uT Ex0 = uT e = u1 .
Jeśli teraz za u1 przyjmiemy xT Ay, dostaniemy
xT Ay = xT E T u
(3.1)
oraz
x0T Ay ¬ x0T E T u dla dowolnego planu x0 gracza 1.
Wzmacniając warunek powyżej, dostajemy:
Ay ¬ E T u.
(3.2)
Okazuje się, że warunki (3.1) i (3.2) razem z warunkami na to, że x jest planem gracza
1., oraz podobnymi warunkami dla gracza 2. wystarczają do obliczenia pary planów w
równowadze Nasha. Dokładniej, prawdziwe będzie twierdzenie:
Twierdzenie 3.3 Jeśli istnieją wektory u, v, takie że
Ex = e, x ­ 0, E T u ­ Ay, xT (E T u − Ay) = 0,
F x = f, y ­ 0, F T v ­ B T x, y T (F T v − B T x) = 0,
to plany x i y odpowiadają strategiom postępowania w równowadze Nasha w grze z doskonałą pamięcią zdefiniowanej w postaci sekwencyjnej przy pomocy macierzy A, B oraz
E i F.
To wszystko, co napisałem przed twierdzeniem, jest tylko wyprowadzeniem implikacji
w jedną stronę w powyższym twierdzeniu (pokazaniem, że plany spełniające powyższe
warunki muszą odpowiadać pewnej równowadze Nasha). Dowód w przeciwną stronę
będzie wymagał skorzystania z twierdzenia o dualności dla programowania liniowego,
ale poza tym nie będzie wymagał niczego, czego już nie napisałem powyżej.
Jak być może niektórzy zauważają, postać, do której sprowadziliśmy problem szukania równowag, przypomina tę, którą wykorzystywaliśmy do szukania równowag w grach
dwumacierzowych – tutaj to również jest problem komplementarności liniowej. Tym razem w trochę ogólniejszej postaci (wektor jedynek, który pojawiał się w oryginalnym
problemie, tutaj jest zastąpiony dowolnym wektorem u (v)), lecz także dla tej postaci istnieje pewna modyfikacja omawianego wcześniej algorytmu Lemke-Howsona (tzw.
algorytm Lemkego), przy pomocy której można (na ogół dosyć szybko) znaleźć rozwiązanie.
31
Download