博弈论 101 第 67 讲（英文原声）：Solving Bayesian Nash Equilibrium

视频封面

视频元信息

讲师：William Spaniel（匹兹堡大学）
课程：Game Theory 101，第 67 讲（p153）
主题：用纳什均衡方法求解贝叶斯纳什均衡（Bayesian Nash Equilibrium）
语言：英文（本笔记统一用简体中文整理）

内容摘要（TL;DR）

本讲教你用最简便的方法求解一类不完全信息博弈的贝叶斯纳什均衡：把"多种类型玩家"的多个收益矩阵，合并成一个"单一玩家、多套策略"的扩展矩阵，计算期望收益后，直接套用纳什均衡（含迭代剔除与混合策略）来求解。核心难点在于期望收益的算术转换。

一、本讲定位与核心思路 [00:00]

要点： 贝叶斯纳什均衡比纳什均衡复杂，但对"策略式（矩阵式）不完全信息博弈"，仍可借纳什均衡工具求解。

上一讲定义并示范了贝叶斯纳什均衡；本讲聚焦"最容易的一类"不完全信息博弈。
考点：贝叶斯纳什均衡之所以更复杂，是因为需要为玩家的每一种类型分别确定策略（不完全信息环境下）。
关键技巧：如果博弈能写成收益矩阵，就能把这些矩阵"重新配置"成一个新矩阵，再用熟悉的纳什均衡方法求出原不完全信息博弈的贝叶斯纳什均衡。 [00:48]

理解：这一讲本质是"降维"——把类型不确定性转化为一个等价的标准策略式博弈，从而复用已有工具。

二、示例博弈设定：囚徒困境型 vs 猎鹿型 [01:11]

要点： 玩家1只有一种类型；玩家2有两种可能类型，玩家1面临关于玩家2类型的不确定性。

玩家2 是"囚徒困境型"的概率为 0.2，是"猎鹿型"的概率为 0.8。
无论玩家2是哪种类型，玩家1都具有猎鹿偏好（在两个矩阵中收益相同）。
右矩阵（玩家2为猎鹿型）就是一个标准的猎鹿博弈。
左矩阵中，玩家2是囚徒困境型，拥有囚徒困境收益；玩家1仍是猎鹿收益。

两个矩阵中玩家1的收益完全一致，这是后面能合并矩阵的前提。

背景补充：猎鹿博弈（Stag Hunt）强调"协调"——双方合作（左上）对彼此都最好，但存在被对方背叛的风险；囚徒困境则强调"背叛占优"。两者叠加制造了玩家1的战略两难。

三、关键事实：囚徒困境型的占优策略 [02:24]

要点： 囚徒困境型玩家2有严格占优策略——背叛（在本例中即"右"）。

若玩家2是囚徒困境型，她必然选择"右"：右严格占优左（4 > 3，2 > 1）。
易错点：这条信息要"先存进脑子里"，后面求解时会反复用到。

玩家1的战略两难：

若玩家2是囚徒困境型，她会选"右"，对玩家1不利；玩家1此时应"下"以匹配。
若玩家2是猎鹿型，双方有共同利益，左上结果对双方最好，玩家1想选"上"。
玩家1既想"上"（期待猎鹿型合作），又担心被囚徒困境型"坑"，需要为此做准备。 [03:28]

四、矩阵合并：把两矩阵变成 2×4 矩阵 [04:05]

要点： 把玩家2的"两种类型"合并为"单一玩家的四套策略"，构造一个 2×4 的新博弈。

玩家1仍只有两个策略：上、下（他只有一种类型，无需按类型调整）。
玩家2被合并为单一玩家，得到四个列策略：
- 左左：囚徒困境型和猎鹿型都选左
- 左右：囚徒困境型选左、猎鹿型选右
- 右左：囚徒困境型选右、猎鹿型选左
- 右右：两种类型都选右

理解：为什么可以这样合并？ 想象老板说"一两个月后我们要玩这个博弈，但还不知道自己是哪种类型"，于是我们需要一个"无论变成哪种类型都最优的行动计划"——即提前为两种可能身份分别规划。这相当于站在"玩家2真正揭晓类型之前"做优化。 [05:16]

五、填充新矩阵的期望收益（含算例） [06:07]

要点： 每个单元格的收益 = 按类型概率加权的期望值。这是本方法最繁琐、最易出错的部分。

算例1：上 / 左左（两种类型都选左）

无论类型，双方均得 3 → 直接填 3。

算例2：上 / 左右（囚徒困境型选左、猎鹿型选右）

20% 落在左矩阵的"上左"，80% 落在右矩阵的"上右"。
玩家1：0.2×3 + 0.8×0 = 0.6
玩家2：0.2×3 + 0.8×2 = 0.6 + 1.6 = 2.2

算例3：下 / 右右（两种类型都选右）

落在两个矩阵的右下角。
玩家1：无论类型都得 1 → 1
玩家2：0.2×2 + 0.8×1 = 0.4 + 0.8 = 1.2

易错点（本讲反复强调）： 求贝叶斯纳什均衡的真正难点不在纳什均衡本身（大家已经很熟），而在于把矩阵正确转换、把期望收益算对。任何一步算术出错，纳什均衡就会错，进而贝叶斯纳什均衡也全错。千万不要算错算术。

推导：期望收益公式可统一写作 E = p·(左矩阵收益) + (1−p)·(右矩阵收益)，其中 p = 0.2。

六、用迭代剔除严格占优策略求解 [08:53]

要点： 利用"囚徒困境型不会选左"这一事实，在新博弈中剔除被占优的列策略。

回顾：囚徒困境型有被占优策略，她绝不会选左。这应反映在新矩阵的前两列中。
比较 左左 vs 右左：
- 3.2 > 3，0.4 > 0.2 → 右左严格占优左左
- 原因：两列中猎鹿型都选左（其收益不变），唯一变化的是囚徒困境型从"左"变"右"，而"右"对她严格更好。
于是可像往常一样用迭代剔除严格占优策略，剔除左左。 [11:26]
再看左右：它不被"右左"占优（因为那是两种类型的策略同时翻转）。
- 占优它的是右右：两列中猎鹿型都选右，唯一变化是囚徒困境型从"左"变"右"。
- 2.4 > 2.2，1.2 > 1 → 右右严格占优左右，剔除左右。 [12:25]

理解：这一机制保证了"没有任何类型有有利偏离"——寻找某类型的有利偏离时，只需固定其他类型策略、比较该类型的收益即可。这正是纳什均衡能刻画贝叶斯纳什均衡的原因。

剔除后剩下一个 2×2 博弈。

七、求解 2×2 博弈：两个纯策略 + 一个混合策略均衡 [12:30]

要点： 标记最优反应，得到两个纯策略均衡和一个混合策略均衡。

纯策略均衡（相互最优反应）：

左上：玩家1选上；囚徒困境型选右、猎鹿型选左。
右下：玩家1选下；两种类型都选右。

混合策略贝叶斯纳什均衡：

玩家1 以概率 1/2 选上。
玩家2 以概率 5/8 选"右左"，以概率 3/8 选"右右"。

易错点（关键洞察）： 在混合策略均衡中，"右"在两个被混策略里都出现，说明囚徒困境型始终选右（纯策略），只有猎鹿型在混合：猎鹿型 5/8 选左、3/8 选右。

思考：为什么会出现"奇数个均衡"的提醒？ 讲师指出，若一个博弈只找到两个纳什均衡，应警惕遗漏——几乎所有的博弈均衡个数为奇数，因此要主动寻找混合策略均衡。 [12:40]

八、深层洞见：混合策略的"类型"解读 [14:35]

要点： 从玩家1视角看，玩家2像是在"混合"；但实际上是不同类型各打纯策略，混合只是"不可观测的不确定性"造成的表象。

类型本身并不混合，它们各自打纯策略。
但由于存在玩家1无法观测的不确定性，看起来就像"单一玩家在随机化"。
考点（本单元后续伏笔）：混合策略纳什均衡的一种替代解释——不是玩家真的在随机化，而是存在多种类型的玩家，每种类型都打纯策略；因不可观测的不确定性，表现为单一玩家在混合。

九、本讲小结与后续预告 [15:45]

要点： 本讲方法仅适用于能写成矩阵的不完全信息博弈，后续将学习其他求解方法。

本讲：用纳什均衡求矩阵式不完全信息博弈的贝叶斯纳什均衡。
后续：还有大量无法用矩阵表达的不完全信息博弈，将学习求解它们的其他方法。

【拓展】背景与延伸

贝叶斯纳什均衡（BNE）：由 Harsanyi 提出，通过"类型"和"先验概率"把不完全信息博弈转化为完全但不完美信息博弈。本讲正是 Harsanyi 转换思想在矩阵博弈上的具体操作。
海萨尼转换（Harsanyi Transformation）：引入"自然"先按概率选择玩家类型，玩家知道自己的类型但不知道他人的类型。本讲中 0.2 / 0.8 就是自然赋予类型的先验概率。
混合策略的纯化（purification）：本讲末尾的洞见正是"混合策略可被理解为类型不确定性的纯化"——Harsanyi 的纯化定理指出，混合策略均衡常可视为带微小扰动的纯策略均衡的极限。
易踩坑点汇总：
1. 忘记按概率加权，直接照抄某一矩阵的收益；
2. 混淆"玩家2的类型"与"玩家2的策略"（合并后列是策略组合，不是类型）；
3. 剔除占优策略时没有固定其他类型的策略，导致错误比较；
4. 只找到偶数个均衡就收手，漏掉混合策略均衡。