Begreper & referanser
Alle nøkkelbegrepene, formlene og referansene fra Spillteori, samlet på én side. Bruk denne som oppslag når du leser, øver flashcards eller tar quiz.
Begreper
Sentrale begreper fra kapittelet med korte definisjoner.
En beskrivelse av et spill med samtidige valg: spillerne, strategiene til hver spiller og en utbyttefunksjon som gir hver spiller en nytte for hver kombinasjon av strategier (normal form).
Tabellen som beskriver et tospillers spill på normalform. Radspilleren velger rad, kolonnespilleren kolonne, og cellen er (radspillerens nytte, kolonnespillerens nytte) (payoff matrix).
Ett bestemt valg av strategi, uten tilfeldighet (pure strategy).
En sannsynlighetsfordeling over de rene strategiene, der spilleren trekker hvilken ren strategi hun bruker (mixed strategy).
En strategi som gir høyest nytte mot en gitt strategi hos motspilleren. Det kan finnes flere beste svar når nyttene er like (best response).
Strategien dominerer strengt når gir strengt høyere nytte enn mot hver eneste strategi motspilleren kan velge (strict dominance).
Strategien dominerer svakt når er minst like god som mot alle motspillerens strategier og strengt bedre mot minst én (weak dominance).
En strategi som dominerer alle spillerens andre strategier, slik at den er best uansett hva motspilleren gjør (dominant strategy).
Stryk strengt dominerte strategier, se på spillet som er igjen, og gjenta til ingenting mer kan strykes. Resultatet avhenger ikke av rekkefølgen (IESDS).
Som IESDS, men med svak dominans. Den kan stryke Nash-likevekter, og resultatet kan avhenge av rekkefølgen, så rekkefølgen må oppgis (IEWDS).
Et strategipar der hver spillers strategi er et beste svar på de andres, slik at ingen tjener på å bytte strategi alene (Nash equilibrium).
Hvert spill med endelig mange spillere og endelig mange rene strategier har minst én Nash-likevekt når blandede strategier er tillatt (Nash's theorem).
Et utfall der hver spiller bruker en dominant strategi. Det er alltid en Nash-likevekt (dominant strategy equilibrium).
Et utfall er Pareto-optimalt når ingen andre utfall gjør minst én spiller bedre stilt uten å gjøre noen dårligere stilt (Pareto optimal).
Summen av alle spillernes nytte i et utfall. Utfallet med høyest sosial velferd er alltid Pareto-optimalt (social welfare).
Et tospillers spill der begge har svik som dominant strategi, men der felles samarbeid gir begge mer enn felles svik. Nyttene oppfyller (prisoner's dilemma).
Strategien som gir best resultat i verste fall, altså den som maksimerer minste mulige nytte. I nullsumspill med blandede strategier gir den spillets verdi (maximin).
Det samme spillet spilt flere runder mellom de samme spillerne, der strategiene kan avhenge av hva som skjedde i tidligere runder (repeated game).
Formler
Hver formel: hva den heter, hvordan den ser ut, og hva symbolene betyr.
Nash-betingelsen
Sjekkes for hver spiller: ingen annen strategi gir mer så lenge de andre holder seg til likevekten. Det er en betingelse om ensidige avvik; at begge kunne fått mer ved å bytte samtidig, spiller ingen rolle.
Indifferensbetingelsen
I et 2 × 2-spill velger kolonnespilleren slik at radspilleren blir indifferent; er radspillerens nytter i rad 1 og i rad 2. For sammenligner du kolonnene med kolonnespillerens nytter i rad 1 og i rad 2: . Den vanligste feilen er å finne sin egen blanding fra sine egne nytter.
Forventet utbytte
Radspillerens forventede nytte når radspilleren blander med og kolonnespilleren med . I en blandet likevekt er den lik for begge rene strategiene som brukes, så det holder å regne ut én side av indifferenslikningen.
Sosial velferd
Summen av alle spillernes nytte i utfallet . Utfallet med høyest velferd er alltid Pareto-optimalt, mens en Nash-likevekt kan ha lav velferd.
Pareto-dominans
Når dette gjelder, Pareto-dominerer utfallet . Et utfall er Pareto-optimalt når ingen andre utfall Pareto-dominerer det. Sjekk alle utfallene, ikke bare likevektene.
Fangens dilemma
Kravet til nyttene i fangens dilemma: fristelsen er størst, så belønningen for felles samarbeid, straffen for felles svik og til slutt for den som blir sviktet. Da er svik dominant, og felles svik er eneste likevekt.
Kodesnutter
Kodesnutter fra kapittelet, vist literal.
Beste svar og rene likevekter
a = 3 # @param -5..10 rader, kolonner = ["Opp", "Ned"], ["Venstre", "Midt", "Høyre"]# Celle (r, k) = (radspillerens nytte, kolonnespillerens nytte). a er radspillerens nytte i (Ned, Høyre).u = [[(4, 2), (1, 3), (2, 1)], [(3, 1), (2, 2), (a, 4)]]beste_rad = {k: [r for r in range(2) if u[r][k][0] == max(u[x][k][0] for x in range(2))] for k in range(3)}beste_kol = {r: [k for k in range(3) if u[r][k][1] == max(u[r][y][1] for y in range(3))] for r in range(2)}nash = [(r, k) for r in range(2) for k in range(3) if r in beste_rad[k] and k in beste_kol[r]] print("Beste svar for rad: " + ", ".join(f"mot {kolonner[k]} {'/'.join(rader[r] for r in v)}" for k, v in beste_rad.items()))print("Beste svar for kolonne: " + ", ".join(f"mot {rader[r]} {'/'.join(kolonner[k] for k in v)}" for r, v in beste_kol.items()))print("Rene Nash-likevekter: " + (", ".join(f"({rader[r]}, {kolonner[k]})" for r, k in nash) or "ingen"))print("Velferd i likevekten: " + (", ".join(str(sum(u[r][k])) for r, k in nash) or "ingen likevekt"))Prøv: sett a til 1 og se at linja Rene Nash-likevekter: blir ingen, fordi radspilleren da heller spiller Opp mot Høyre.
Blandet likevekt med eksakte brøker
from fractions import Fraction a = 3 # @param -5..5d = 2 # @param -5..5 # Nullsumspill: radspillerens nytte står i matrisen, kolonnespilleren får det motsatte.u = [[a, -1], [1, d]]nevner = u[0][0] - u[0][1] - u[1][0] + u[1][1]p = Fraction(u[1][1] - u[1][0], nevner) if nevner != 0 else None # P(rad 1): gjør kolonnespilleren indifferentq = Fraction(u[1][1] - u[0][1], nevner) if nevner != 0 else None # P(kolonne 1): gjør radspilleren indifferent if p is None: print("Radspillerens blanding p: ingen indre blandet likevekt (nevneren er 0)")elif not (0 < p < 1 and 0 < q < 1): print(f"Radspillerens blanding p: ingen indre blandet likevekt (likningene gir p = {p}, q = {q})")else: print(f"Radspillerens blanding p: {p}") print(f"Kolonnespillerens blanding q: {q}") print(f"Forventet utbytte for rad: {q * u[0][0] + (1 - q) * u[0][1]}")Prøv: sett a til −1 og se at linja Radspillerens blanding p: melder at det ikke finnes noen indre blandet likevekt, fordi rad 2 da er best uansett.
Lik for lik i et gjentatt spill
runder = 10 # @param 1..50 R, T, P, S = 4, 6, 1, 0 # begge bidrar, fristelse, begge snylter, lurt (T > R > P > S)utbytte = {("B", "B"): (R, R), ("B", "S"): (S, T), ("S", "B"): (T, S), ("S", "S"): (P, P)} def spill(strategi1, strategi2): sum1 = sum2 = 0 forrige1 = forrige2 = "B" # ingen har sviktet før første runde for runde in range(1, runder + 1): trekk1, trekk2 = strategi1(forrige2, runde), strategi2(forrige1, runde) x, y = utbytte[(trekk1, trekk2)] sum1, sum2 = sum1 + x, sum2 + y forrige1, forrige2 = trekk1, trekk2 return sum1, sum2 lik_for_lik = lambda motpart_forrige, runde: motpart_forrige # gjør det motparten gjorde sistalltid_svik = lambda motpart_forrige, runde: "S"svik_til_slutt = lambda motpart_forrige, runde: "S" if runde == runder else motpart_forrige x, y = spill(lik_for_lik, lik_for_lik)print(f"Lik for lik mot lik for lik: {x} og {y} poeng")x, y = spill(alltid_svik, lik_for_lik)print(f"Alltid svik mot lik for lik: {x} og {y} poeng")x, y = spill(svik_til_slutt, lik_for_lik)print(f"Lik for lik, men svik i siste runde, mot lik for lik: {x} og {y} poeng")Prøv: sett runder til 10 og se at linja Lik for lik, men svik i siste runde, mot lik for lik: gir 42 mot 40: med kjent slutt lønner det seg å svikte til slutt, og det er starten på baklengs induksjon.
Læringsmål
Hva du skal kunne etter å ha lest kapittelet.
- 01Les en utbyttematrise med konvensjonen (radspillerens nytte, kolonnespillerens nytte)
- 02Finn strengt og svakt dominerte strategier, og utfør IESDS og IEWDS i oppgitt rekkefølge
- 03Finn rene Nash-likevekter ved å markere beste svar for begge spillerne
- 04Regn ut en blandet Nash-likevekt i et 2 × 2-spill med indifferensprinsippet, som eksakt brøk
- 05Avgjør hvilke utfall som er Pareto-optimale, og regn ut sosial velferd
- 06Forklar hvorfor baklengs induksjon gir svik i alle runder av et gjentatt fangens dilemma med kjent slutt