博弈论 101 第 20 讲：分阶段博弈

视频封面

视频元信息

系列：Game Theory 101（匹兹堡大学博弈论课程，中英双语字幕）
本讲主题：分阶段博弈（Stage Games / Repeated & Sequential Games）
讲师：William Spaniel
时长：约 20 分钟

内容摘要（TL;DR）

本讲介绍分阶段博弈：多个基础博弈（囚徒困境、猎鹿博弈、性别之战、匹配硬币）按阶段串联，总收益为各阶段收益之和。核心结论是两条定理：定理一——最后阶段必须采用纳什均衡；定理二——每个阶段都采用纳什均衡即构成一个子博弈完美均衡。视频同时指出这类均衡并非唯一，为下一讲"重复博弈中的合作"做铺垫。

一、什么是分阶段博弈 [00:00]

大家好，我是 William Spaniel，我们一起来学点博弈论吧。今天的主题是分阶段博弈。

核心定义：分阶段博弈（Stage Game / Multi-stage Game）是把若干个基础博弈按时间顺序串联起来，玩家在每个阶段玩一个基础博弈，总收益等于各阶段收益的简单加总。

讲师举例：第一阶段玩囚徒困境，第二阶段玩猎鹿博弈，第三阶段玩性别之战。
我的总收益 = 囚徒困境收益 + 猎鹿博弈收益 + 性别之战收益。
关键点：除此之外没有任何额外的加分或扣分（no extra bonus or penalty）。

理解：这一点非常重要——它意味着阶段之间没有"跨期惩罚/奖励机制"内建于收益函数中，后续定理一、定理二的成立正是依赖于这个设定。一旦引入额外奖惩，结论就会改变。

二、三种典型的分阶段博弈结构 [00:33]

讲师给出三种示例，用以展示分阶段博弈的多样性：

结构	阶段安排
左边一列	两阶段：囚徒困境 → 性别之战
中间一列	五阶段：连续玩五次猎鹿博弈
右边一列	四阶段：猎鹿博弈 → 猎鹿博弈 → 性别之战 → 匹配硬币

匹配硬币（Matching Pennies）：拓展：这是一个零和博弈，双方同时出硬币正反面，猜中者赢。它没有纯策略纳什均衡，只有唯一的混合策略纳什均衡（各 50% 随机）。这正是讲师后面强调"第四阶段唯一均衡"的原因。

三、分阶段博弈的三大共同特征 [00:54]

讲师明确指出这类博弈的三个共性，这是理解后续定理的基础：

1. 每个阶段都是同时行动 [00:58]

不管该阶段是囚徒困境、性别之战、猎鹿博弈还是匹配硬币，单个阶段内玩家同时出招，不是轮流行动。
易错点：不要因为整个博弈"按时间推进"就误以为每个阶段是序贯博弈。阶段内部是同时博弈，阶段之间才是序贯关系。

2. 阶段之间收益相互独立 [01:09]

一个阶段的收益不会直接影响另一个阶段的收益。
例子：在猎鹿博弈里"猎了兔子"，不会改变你在性别之战里"去看芭蕾"的收益。

3. 玩家能观察到过去的所有行动 [01:20]

每一轮结束后，双方都能看到对方做了什么，也知道自己做了什么。
因此整个博弈是随时间推进的，玩家拥有完美信息（关于历史行动）。

考点：为什么关心子博弈完美均衡？ 因为存在"可观察的历史 + 时间推进"，这本质上是一个扩展式博弈（Extensive-form Game），所以我们必须用子博弈完美均衡（Subgame Perfect Equilibrium, SPE）作为解概念，而不是普通纳什均衡。

四、为什么不能直接画博弈树 [01:52]

技术难点：分阶段博弈的博弈树规模会指数级爆炸。

要画两阶段猎鹿博弈：第一个猎鹿博弈有 4 个结果，每个结果后面都要接一个完整的猎鹿博弈 → 变成 16 个阶段。
再加第三阶段：要在那 16 个节点后各接 4 个新阶段 → 规模继续指数增长。
结论：直接画出博弈树在实践中不可行。

推导：若单阶段有 n 个纯策略组合，k 个阶段就有 n^k 个终端节点。猎鹿博弈 n=4，两阶段即 4²=16，三阶段 4³=64……增长极快。

因此需要定理工具，在不画博弈树的情况下分析这类博弈。

五、定理一：最后阶段必须采用纳什均衡 [02:33]

定理一：在最后一个阶段（可视为一个子博弈），所有子博弈完美均衡中，玩家都必须采用纳什均衡。

讲师逐一验证三种结构：

左边一列（性别之战为末阶段）：要么（芭蕾，芭蕾），要么（打架，打架），要么采用混合策略纳什均衡。
中间一列（第五次猎鹿博弈为末阶段）：要么都猎鹿，要么都猎兔，要么采用猎鹿博弈的混合策略纳什均衡。
右边一列（匹配硬币为末阶段）：存在唯一纳什均衡，即混合策略纳什均衡——因为匹配硬币只有混合均衡。

定理一为什么成立？[03:24]

推导逻辑（逆向归纳的核心）：

走到最后一个阶段时，之前所有阶段的收益已成既定事实，无法改变。
玩家唯一能影响的只有当前阶段的收益。
因此理性玩家必然在最后阶段最大化当期收益。
而"给定对方策略下最大化自身收益"正是纳什均衡的定义。

关键提醒：纳什均衡是一组"彼此都是最优反应"的策略——给定你的做法，我的做法能让我的收益最大化。在最后阶段，情况必然如此，因为过去无法改变，我们影响的只是此时此地。

六、定理二：每阶段都用纳什均衡 = 一个子博弈完美均衡 [04:02]

定理二：在每个阶段、每个时期都采用纳什均衡，就构成一个子博弈完美均衡。

应用示例

左边一列：囚徒困境采用不合作策略 + 性别之战选择（芭蕾，芭蕾）→ 一个 SPE。
同理：囚徒困境不合作 + 性别之战（打架，打架）→ 另一个 SPE。
同理：囚徒困境不合作 + 性别之战混合策略均衡 → 又一个 SPE。

均衡数量的计算 [04:48]

中间一列：猎鹿博弈每个阶段有 3 个纳什均衡。
五阶段重复 → 均衡总数 = 3⁵（三个五次方）。
即：3 × 3 × 3 × 3 × 3 种组合。
讲师强调：仅凭定理二就能得出 3⁵ 个子博弈完美均衡。

理解：这是"组合爆炸"——每个阶段独立选一个均衡，所有组合都构成 SPE。

定理二为什么成立？[05:16]

推导逻辑：

若每个阶段都采用纳什均衡，则之前时期的收益或策略不会影响今天的行为。
例如：我在第四个猎鹿博弈里的收益，不会影响我在第五个猎鹿博弈里的策略；你在第四阶段的策略也不会影响我在第五阶段的策略。
因为每个阶段都是独立地"为当下最大化收益"。
若每个阶段都为当下最大化，那就必须采用该阶段的纳什均衡。

易错点：定理二不是说这些是唯一的 SPE！ 讲师特别澄清：定理二并未声称这些是这类分阶段博弈中唯一的纳什均衡或唯一的子博弈完美均衡。恰恰相反，还可能有更多均衡——当玩家的策略会对之前的行动做出反应时，就会存在更多均衡。

七、定理二的哲学意味与局限 [05:51]

思考：为什么说这类均衡"有点奇怪"？

在定理二给出的均衡中，我们并没有真正在一个策略丰富的语境里思考——"你今天做的不会影响我明天对你做的"。
这在直觉上有些反常识：如果今天我做了对你不友好的事，你将来可能会报复我。
但定理二框架下，这种跨期报复被排除了，因为每阶段都独立采用纳什均衡。

转折点（下一讲预告）：讲师指出，当这些博弈被重复玩很多次或有多个不同阶段时，我们就能实现原本不可能实现的合作。

例如囚徒困境中，"相互合作"比"相互不合作"对双方都更好。

但在一次性囚徒困境里，双方都会选择不合作，对双方都不利。

而在多阶段博弈中，采用合作策略（一个严格被占优的策略）可能实际上符合双方共同的理性最大利益，因为不这么做，未来会带来严重而负面的后果。

八、核心概念速查与背景补充

涉及的基础博弈

博弈	类型	纳什均衡
囚徒困境	占优策略均衡	（不合作，不合作）为唯一 NE
性别之战	协调博弈	3 个 NE：2 个纯策略 + 1 个混合策略
猎鹿博弈	协调博弈	3 个 NE：2 个纯策略 + 1 个混合策略
匹配硬币	零和博弈	仅 1 个 NE：混合策略（各 50%）

关键术语解释

子博弈完美均衡（SPE）：扩展式博弈中，要求策略在每一个子博弈上都是纳什均衡。它是纳什均衡的精炼，排除"不可置信威胁"。
逆向归纳（Backward Induction）：从最后阶段往前推，定理一正是逆向归纳的体现。
严格被占优策略（Strictly Dominated Strategy）：无论对方怎么做，都存在另一个策略严格更优。在囚徒困境中"合作"就是严格被占优策略——但重复博弈中却可能被理性采用。

【拓展】重复博弈与无名氏定理

本讲末尾提到"重复玩很多次可实现合作"，这正是重复博弈（Repeated Games）的核心。
无名氏定理（Folk Theorem）：在无限重复博弈或玩家足够有耐心时，许多原本不是一次性博弈均衡的结果（如囚徒困境中的合作）都可以成为 SPE。
触发策略（Trigger Strategy）：如"以牙还牙（Tit-for-Tat）"或"冷酷触发（Grim Trigger）"，通过对背叛的报复威胁来维持合作。
注意：本讲定理一、定理二成立的前提是有限阶段 + 收益简单加总 + 无额外奖惩。一旦引入贴现因子或无限期，结论会大幅扩展。