博弈论 101 第 17 讲：逆向归纳

视频封面

视频元信息

系列：匹兹堡大学博弈论 101（Game Theory 101），2012–2020 年更新，本集为第 18 讲（p18），主题为「逆向归纳法」
时长：约 4 分 30 秒（视频片段结束于 257 秒左右）
教材对应：作者所著《博弈论要领》（Game Theory 101: The Complete Textbook）第 2.2 节 [00:03]
讲师：William Spaniel（转录中音译为「Williams panel」，实际为 William Spaniel）

内容摘要（TL;DR）

本讲用「两个国家的战争威胁博弈」演示逆向归纳法（Backward Induction）：求解序贯博弈时，不能从起点往下推，而应从博弈树的最后一个决策点开始，一步步向前回溯，逐层剔除被支配的选择，最终得到子博弈完美均衡（SPE）。本例的均衡结果是：国家 1 一开始就选择「接受现状」，博弈直接结束。

一、课程引入与教材对应 [00:00]

讲师自我介绍，本讲主题为逆向归纳法。
作者在《博弈论要领》完整教材第 2.2 节中有详细讲解，更多信息见视频简介。

考点提醒：逆向归纳法（Backward Induction）是求解有限序贯博弈的核心方法，也是后续所有「子博弈完美均衡」内容的基础，必须熟练掌握。

二、博弈设定：两国战争威胁模型 [00:13]

场景：两个国家（国家 1、国家 2）之间的战争威胁局势，行动按顺序交替进行。

博弈树结构（按行动顺序）

第一步：国家 1 先行动，有两个选择：

接受现状（从一开始就认输，接受事情本来的样子）→ 双方收益标准化为 0（收益对为 (0, 0)）。
向国家 2 发出威胁 → 轮到国家 2 行动。

第二步：国家 2 回应，有两个选择：

让步（让不） → 国家 1 获得收益 1（对他来说是「正义」），国家 2 有所损失、显得非常软弱（因为他立刻放弃）→ 收益对约为 (1, -2)。
让局势升级 → 轮到国家 1 再次行动。

第三步：国家 1 回应（在国家 2 升级之后），有两个选择：

放弃（退让） → 国家 1 有所损失、显得特别愚蠢/软弱（收益 -2）；国家 2 反而显得非常强势（收益 1）→ 收益对约为 (-2, 1)。
宣战 → 双方收益都是负的（战争会死人、摧毁建筑等，对双方都不利）→ 收益对约为 (-1, -1)。

理解：这里的收益数值是「标准化」的相对值，重点不在于具体数字，而在于大小关系——只要满足示例中的偏好排序，结论就成立。

易错点：注意区分「国家 1 的两次行动」——第一次是博弈开头的「接受 / 威胁」，第二次是博弈末尾的「放弃 / 宣战」。逆向归纳的起点是第二次行动，不是第一次。

三、为什么必须「从后往前」推？ [01:06]

直觉论证

你的直觉可能是从博弈开头一步步往下推，但逆向归纳法恰恰相反：从最后开始，一步步往前推到开头。
假设你就是国家 1：你怎么判断「接受」还是「发出威胁」更明智？
- 你不能随便发出威胁，然后闭上眼睛指望一切顺利。
- 只有当「发出威胁之后所发生的事情」比「现在直接放弃、接受现状」更好时，发出威胁才说得通。
- 而要知道未来会发生什么，唯一的办法就是往前看，然后从那里一步步往回推。
同理，对国家 2 来说：除非能预见到「让局势升级」带来的平均结果比「让步」更好，否则升级就不合理。
- 而要知道升级是否比让步更好，唯一的办法就是看看国家 1 接下来会怎么做，再从那里往回推。

理解：逆向归纳法的本质是「向前展望、倒推求解」（look forward, reason backward）——用对未来的理性预期来约束当下的选择。

四、逆向归纳求解全过程 [02:17]

第 1 步：从博弈的最后一步开始（国家 1 的第二次行动）

先忽略前面两个分支，直接看国家 1 的最后一步决策。
如果国家 1 处在「国家 2 已升级」这个位置，比较两个选项：
- 宣战：收益为 -1
- 放弃：收益为 -2
因为 -1 > -2，所以国家 1 会宣战。

结论：在这个节点上，国家 1 的最优策略是「宣战」。

第 2 步：往回推一步（国家 2 的行动）

国家 2 知道：如果他让局势升级，国家 1 就会宣战。
因此国家 2 可以忽略国家 1「放弃」这个选项——因为他知道国家 1 不会选择那个。
于是国家 2 的实际选择简化为：
- 让步：收益 -2
- 升级 → 国家 1 宣战：收益 -1
因为 -1 > -2（-2 比 -1 更糟），所以国家 2 让局势升级是合理的。

结论：在这个节点上，国家 2 的最优策略是「让局势升级」。

第 3 步：回到最初的节点（国家 1 的第一次行动）

国家 1 现在知道：如果他发出威胁 → 国家 2 会升级 → 国家 1 会宣战 → 国家 1 得到收益 -1。
或者他可以直接选择接受，得到收益 0。
因为 0 > -1，所以国家 1 选择接受。

结论：博弈的结果是——国家 1 选择接受，博弈就此结束。

思考：这个结果很有意思——国家 1 明明在最后一步「敢于宣战」，但正因为国家 2 知道他会宣战，国家 2 才敢于升级；而正因为国家 2 会升级，国家 1 一开始就不敢发出威胁。这就是「可信威胁」与「威慑失效」的经典逻辑。

五、逆向归纳法的一般步骤与均衡结果 [03:47]

方法总结

只要满足「每个人按顺序行动（大家轮流行动）」这一前提，逆向归纳法的操作就是：

从博弈的最后一步开始；
一步步往回推；
在每一个给定情况下找出所有最优策略；
把它们记下来；
记录下来的这组策略，就是你的子博弈完美均衡（Subgame Perfect Equilibrium, SPE）。

本例的子博弈完美均衡

玩家	策略（完整行动计划）
国家 1	一开始选择接受；若处在「国家 2 升级后」的位置，则选择宣战
国家 2	选择让局势升级

考点：SPE 必须写成「完整行动计划」——不仅要写实际路径上的行动（国家 1 接受），还要写未走到路径上的行动（国家 1 若被升级就宣战、国家 2 会升级）。这是本讲最容易丢分的地方。

理解：SPE 的定义要求策略在每一个子博弈上都给出最优选择，哪怕这个子博弈在均衡路径上根本不会到达。

六、下集预告 [04:17]

下一讲将讨论如何避免写错逆向归纳法 / 写错子博弈完美均衡。
会介绍另一个容易犯的策略错误（转录为「后午」，疑为口误或音译误差），帮助大家在做作业和考试中少丢分。

【拓展】核心概念补充说明

1. 逆向归纳法（Backward Induction）

定义：求解有限序贯博弈的标准方法，从博弈树的末端节点开始，逐步向前推导每个决策节点的最优选择。
适用条件：博弈必须是有限的、完美信息的（每个玩家行动时知道之前发生了什么）、玩家序贯行动。
核心假设：序贯理性（Sequential Rationality）——每个玩家在每个决策点都会做出对自己最有利的选择，且这一点是所有玩家的共同知识。

2. 子博弈完美均衡（SPE）

子博弈：从某个单节点决策点开始、包含其所有后续节点的博弈部分。
SPE：策略组合在每一个子博弈上都是纳什均衡。
与纳什均衡的区别：纳什均衡允许「不可信威胁」存在（例如国家 1 声称「你升级我就放弃」，虽然这对他自己不利），而 SPE 通过逆向归纳剔除了这类不可信威胁。

易错点：不可信威胁（Non-credible Threat） 在本例中，国家 1 若声称「国家 2 升级我就放弃」就是不可信威胁——因为真到了那一步，宣战（-1）比放弃（-2）更好。逆向归纳的作用之一，就是自动排除不可信威胁。

3. 常见踩坑点

坑 1：从博弈开头往下推，而不是从末尾往回推 → 会得到错误结论。
坑 2：只写均衡路径上的行动，漏写其他子博弈上的行动 → SPE 写不完整。
坑 3：混淆「收益大小」与「收益正负」→ 逆向归纳只比较相对大小，与正负号无关（本例中 -1 > -2）。
坑 4：忘记「每个节点都要找最优策略并记录」→ 漏掉某些子博弈。

4. 现实案例延伸

古巴导弹危机（1962）：美苏双方的「威胁—升级—妥协」互动，可近似用此类序贯博弈建模。
企业进入威慑（Entry Deterrence）：在位企业威胁「你进入我就打价格战」，若打价格战对在位企业自身损失更大，则该威胁不可信，潜在进入者会选择进入——与本例「国家 1 威胁无效」的逻辑完全一致。
核威慑的悖论：正因为「宣战」对双方都是灾难（收益为负），威胁才可能不可信；只有当「宣战」相对「退让」更好时，威胁才可信。

关键标签 / 关键词

博弈论 Game Theory 101 逆向归纳法 Backward Induction 子博弈完美均衡 SPE 序贯博弈 博弈树 不可信威胁 序贯理性 William Spaniel 匹兹堡大学 战争威胁博弈 收益标准化 纳什均衡 完美信息博弈