跳轉到

06.3 重複賽局與進化穩定策略#

本章導言#

囚徒困境（6.2 節）給出一個冷酷的結論：單次互動中，理性個體注定雙輸。但現實的交易與競爭不是一錘子買賣——廠商年復一年地定價，鄰居低頭不見抬頭見，物種的行為策略在世代間傳承。當同一場賽局反覆上演，或當策略由「自然選擇」而非「大腦計算」決定時，合作會不會湧現？本節沿兩條線回答：一是 1950–60 年代由 Flood（弗勒德）與 Dresher（德雷希勒）1950 年在 RAND 公司做的實驗、以及 Luce與Raiffa（1957） 所整理的重複賽局理論，最終凝成 folk theorem（通俗定理）；二是生物學家 John Maynard Smith（梅納德．史密斯，1920–2004） 與 George Price（普萊斯，1932–1975） 於 1973–1974 年提出的進化穩定策略（evolutionarily stable strategy, ESS），把「均衡」從「理性計算的產物」改造成「演化篩選的結果」。

條線一：重複賽局——耐心如何創造合作#

設囚徒困境單次收益如 6.2 節： \((C,C)=(-1,-1)\) 、 \((D,D)=(-6,-6)\) 、單方背叛得 0、單方受騙得 \(-9\) 。單次賽局的唯一均衡是 \((D,D)\) 。把這場賽局重複 \(T\) 次（有限）或無限期（無限）。

有限 \(T\) 次的逆向歸納：第 \(T\) 次等同單次賽局，故必為 \((D,D)\) ；既然第 \(T\) 次無論如何都是 \(D\) ，第 \(T-1\) 次的「名譽」不值一文，也是 \(D\) ；一路倒推，**唯一子博弈完美均衡是每期都 \(D\) **。合作在有限且已知長度的重複下不可能——這個反直覺結論是 Selten（1965）「連鎖商店悖論」的核心。

無限重複（或未知終點）的情形完全不同。設每期貼現因子為 \(\delta \in (0,1)\) （可解釋為利率： \(\delta = 1/(1+r)\) ，見《金融的數學》第 1 章）。考慮針鋒相對策略（tit-for-tat）：第 1 期合作，之後照抄對手上一期的行動。Axelrod（1984）的電腦競賽顯示：在多種策略混戰的環境中，簡單的針鋒相對長期表現極佳——它兼具「善良」（從不先背叛）、「可激怒」（被抓到就報復）與「可寬恕」（對方回頭就跟著回頭）。

無條件合作何以成為均衡：若雙方都打算「只要對方合作就合作、一被抓到就永遠懲罰」，則每期合作的貼現總收益為

\[ \frac{-1}{1-\delta} \;\ge\; 0 + \delta \cdot \frac{-6}{1-\delta} \;\Longleftrightarrow\; -1 \ge -\delta \cdot 6 \;\Longleftrightarrow\; \delta \ge \frac{1}{6}. \]

也就是說：只要足夠有耐心（ \(\delta \ge 1/6\) ），合作的長期誘惑就大過短期背叛的甜頭。一般地，folk theorem 斷言：在無限重複賽局中，只要貼現足夠接近 1，任何可行且個人理性（不高於單次納許收益）的收益向量都可以被某個均衡實現——「可行集」由收益矩陣的凸包決定（6.1 節混合策略的幾何再度登場），「個人理性」由單次 Nash 均衡的收益封底。重複把均衡集合從「一個點」擴張成「一整片多邊形」，這既是它的解釋力（合作、默契限產、關稅互惠皆可維持），也是它的麻煩（均衡太多，又回到 6.2 節的均衡選擇難題）。

條線二：進化穩定策略——沒有大腦的均衡#

另一條路徑完全放棄「理性計算」。1973 年，英國生物學家 Maynard Smith 與 Price 在研究動物打鬥行為時提出：假設動物不思考，只按基因給定的策略行事，策略若在族群中佔多數，任何稀少的「變異策略」都無法入侵——這樣的策略稱為 ESS。形式定義：策略 \(s\) 是 ESS，若對任意變異策略 \(s' \ne s\) ，滿足下列二者之一：

\[ u(s,s) > u(s',s), \qquad\text{或}\qquad u(s,s) = u(s',s) \ \text{且} \ u(s,s') > u(s',s'). \]

第一個條件：變異者在純種族群中吃虧（不可入侵）；第二個條件：即使短期打平，變異者互撞時較吃虧。ESS 與 Nash 均衡的關係是：每個 ESS 都是對稱賽局的 Nash 均衡，但反之不成立——ESS 是「抗演化」的精煉均衡（refinement）。

鷹鴿賽局：ESS 的經典計算#

動物爭奪資源（價值 \(V\) ），選「鷹」（ \(H\) ：打到贏為止）或「鴿」（ \(D\) ：虛張聲勢、被打就退）。打鬥中鷹的代價為 \(C\) （受傷）。收益：

\ \(H\) \(D\)
\(H\) \(\frac{V-C}{2}\) \(V\)
\(D\) \(0\) \(\frac{V}{2}\)

設族群中鷹的比例為 \(p\) 。兩策略的期望收益：

\[ \pi_H = p\cdot\frac{V-C}{2} + (1-p)V, \qquad \pi_D = p\cdot 0 + (1-p)\cdot\frac{V}{2}. \]

令 \(\pi_H = \pi_D\) ：

\[ p\frac{V-C}{2} + V - pV = \frac{V}{2} - \frac{pV}{2} \;\Longrightarrow\; V - \frac{p(V+C)}{2} = \frac{V}{2} - \frac{pV}{2} \;\Longrightarrow\; p^* = \frac{V}{C}. \]

當 \(0 < V < C\) （打鬥代價大於獎品）， \(p^* \in (0,1)\) ：混合 ESS 存在，純種的「全鷹」或「全鴿」都不是穩定的——全鴿會被潛在的鷹佔便宜，全鷹又因自相殘殺而讓鴿型白吃白喝。自然界中同一物種內常見「儀式化打鬥」（恫嚇而不真打），正是 \(p^* = V/C\) 的實證身影：獎品越貴、代價越低，真打的比例越高。

從生物到經濟：ESS 的經濟學應用#

Maynard Smith 本人強調 ESS 是生物學工具，但經濟學家很快把「演化動態」接到市場上：新廠商嘗試新策略（差別定價、平台補貼）、被市場淘汰，留下的形態近似 ESS（參見《管理的數學》第 5 章存貨與第 10 章數位管理中的「策略試錯」案例）；重複交易中的「商譽機制」則是針鋒相對的商業版（9.3 節機制設計提供制度面的對照）。兩條線的共同教訓：均衡不必來自全知計算，也可以來自「偏差被系統性清除」。

一個具體例題#

例題 06.3.1：設鷹鴿賽局中 \(V = 100\) 、 \(C = 250\) （打鬥代價遠大於獎品）。

(a) 求混合 ESS 中鷹的比例 \(p^*\) 與兩策略的均衡收益。
(b) 若因環境變化 \(V\) 升為 \(160\) ，新的 \(p^*\) 為何？這對「儀式化打鬥」的盛行意味著什麼？
(c) 在無限重複的版本中，兩「個體」以 \(\delta = 0.9\) 貼現，驗證「永遠鴿」策略能否抵抗「永遠鷹」的單期偏離（以 \(V\) 為共同合作收益、被入侵損失類比）。

解：

(a) 由 \(p^* = V/C = 100/250 = 0.4\) 。均衡收益（代入 \(\pi_D\) ）： \(\pi_D = (1-0.4)\times 50 = 30\) ，故 \(\pi_H = \pi_D = 30\) 。驗算 \(\pi_H = 0.4 \times \frac{100-250}{2} + 0.6 \times 100 = 0.4 \times (-75) + 60 = -30 + 60 = 30\) ✓。族群中 40% 真打、60% 虛張聲勢，平均每隻動物期望收益 30。

(b) \(p^* = 160/250 = 0.64\) 。獎品變貴，真打比例從 0.4 升到 0.64——儀式化打鬥的盛行程度下降，打鬥「升級」為實質衝突。反向推論：若觀察到某物種長期維持低強度儀式化打鬥，可反推其 \(V/C\) 很小（獎品平凡或代價極高）。

(c) 「永遠鴿」雙方每期得 \(V/2 = 50\) ，貼現總收益 \(50/(1-0.9) = 500\) 。單期偏離為「扮鷹」得 \(V = 100\) ，但之後對方轉為「永遠鷹」（無限報復），自己每期只能得 \(\frac{V-C}{2} = -75\) ，貼現總收益 \(100 + 0.9 \times (-75)/(1-0.9) = 100 - 675 = -575 \ll 500\) 。故「永遠鴿」在 \(\delta = 0.9\) 下是均衡的一部分（懲罰威脅足以遏止偏離）；注意此處的「合作」收益 \(V/2\) 高於單次混合 ESS 的 30——重複把總剩餘從演化均衡的 30 抬到 50。

名詞速查表#

  • 重複賽局：同一收益結構多期上演，參與者可觀察歷史並據以調整。
  • 子博弈完美均衡：在每個歷史節點上都構成均衡的策略組合（逆向歸納的推廣）。
  • 針鋒相對：先合作、之後照抄對手上一期行動的簡單策略（Axelrod 競賽冠軍原型）。
  • folk theorem：無限重複下，貼現足夠大時所有可行且個人理性的收益皆可由某均衡實現。
  • ESS（進化穩定策略）：不可被稀少變異策略入侵的對稱策略；Nash 均衡的抗演化精煉。
  • 混合 ESS：以正機率使用兩種以上策略的穩定狀態（如鷹鴿賽局的 \(p^* = V/C\) ）。
  • **貼現因子 \(\delta\) **：未來一期收益的當期價值； \(\delta\) 大代表有耐心（與《金融的數學》第 1 章利率折扣同義）。

前因後果與驅動關係#

什麼問題驅動了它：其一，囚徒困境與「合作何以可能」——單次均衡（6.2 節）無法解釋市場中大量存在的互惠、商譽與默契（現實中廠商很少把價格戰打到底）；RAND 公司 1950 年的 Flood–Dresher 實驗中，受試者在重複囚徒困境裡實際發展出合作與報復的節奏，理論卻還沒準備好。其二，生物學的挑戰：動物行為顯示出「均衡形態」卻沒有理性計算，迫使理論家思考「均衡」是否可以完全不依賴全知假設——這條線最終回頭滋養了演化經濟學與行為賽局論（第 9 章）。

數學工具如何反過來改變實務：folk theorem 把「耐心 \(\delta\) 」變為可量化的政策槓桿——關稅互惠、卡特爾限產、平台與商戶的長期合約，設計重點都是提高背叛的長期代價（提高貼現、留下可觀察的歷史紀錄）；Axelrod 競賽把「什麼策略在生態中活得久」變成可電腦實驗的問題，是計算實驗方法的先聲（10.3 節的模擬方法）；ESS 則為標準化組織、產業慣例與制度演化提供了語言——產業標準戰（如格式之爭）常見的「路徑依賴鎖定」就是多重 ESS 之間的選擇問題。對政策的警告也在此：提高貼現（如更透明的交易紀錄）能促進合作，但也能讓「默契共謀」更穩固——反托拉斯法與 9.3 節的機制設計必須與之作對抗設計。

年表速查（本節涉及的關鍵年份）#

  • 1921：Shackle 等人對「重複互動中的預期」之早期討論（思想前身）。
  • 1950：Flood 與 Dresher 在 RAND 進行重複囚徒困境實驗。
  • 1957：Luce 與 Raiffa《賽局與決策》系統整理重複賽局與實驗結果。
  • 1965：Selten 提出子博弈完美均衡，導出有限重複囚徒困境的合作不可能。
  • 1973：Maynard Smith 與 Price 提出 ESS 概念。
  • 1976：Maynard Smith《賽局論與動物行為》系統化。
  • 1979–1982：Friedman、Fudenberg–Maskin 等證明 folk theorem 的各種版本。
  • 1984：Axelrod《合作的演化》出版，針鋒相對廣為人知。

歷史啟示#

  • 實驗先於理論：RAND 的實驗室裡合作早已長出來，folk theorem 只是把它「合法化」——經驗與理論的時間差提醒我們，理論常是事後追認。
  • 「耐心」是一種資源：貼現因子 \(\delta\) 把道德問題（合作）化約為數量問題（時間偏好與利率），這是數學化最典型的魅力，也是最典型的危險——它同時把「寬恕」與「報復」變成可計價的東西。
  • 均衡概念可以沒有理性：ESS 說明「穩定性」不必來自計算，只需來自「偏差被清除」——這個思想後來滲透到演化博弈、機器學習的對抗訓練與市場微觀結構。

練習#

  1. 設重複囚徒困境單次收益： \((C,C)=(2,2)\) 、 \((D,D)=(0,0)\) 、背叛誘惑 \(T=3\) 、受騙代價 \(S=-1\) 。求「只要對方合作就合作、否則永遠背叛」成為均衡所需的最小貼現因子 \(\delta^*\) （用無偏離條件 \(2/(1-\delta) \ge 3 + \delta \cdot 0/(1-\delta)\) 並考慮最惡劣懲罰路徑）。
  2. 鷹鴿賽局： \(V = 80\) 、 \(C = 200\) 。求 \(p^*\) 與均衡收益；再求「全鷹」策略的收益，並說明它為何不是 ESS。
  3. 在例題 06.3.1(c) 中，若 \(\delta\) 降為 \(0.5\) ，驗證「永遠鴿」不再能遏止偏離，並求此時「永遠鷹 vs 永遠鷹」的貼現收益，比較兩種純策略均衡。
  4. 證明：若 \(u(s,s) > u(s',s)\) ，則 \(s\) 對 \(s'\) 不可入侵；並舉一個「 \(u(s,s)=u(s',s)\) 但 \(s\) 仍為 ESS」的數值例子（用第二個不等式）。
  5. 思考題：folk theorem 說「合作可以維持」，卻沒說「會不會維持」。試討論：在寡占市場中（7.1 節 Cournot 模型），什麼制度設計（公開價格、定期議價、第三方稽核）最能把均衡從「價格戰」推向「默契合作」？此處的效率含意與 5.3 節福利定理有何張力？

（本節完）