Skip to content
بازگشت به نتایج جست‌وجو

تعادل نش بیزی

معرفی‌شده توسط
John Harsanyi
سال
1967
نوع
algorithm
خانواده
Game-theoretic

این متن ترجمه ماشینی است و هنوز بازبینی نشده است. متن اصلی را به انگلیسی بخوانید

اندازه قلم

چه کاری انجام می‌دهد؟

تعادل نش بیزی (BNE) تعادل نش را به بازی‌هایی با اطلاعات ناقص گسترش می‌دهد، جایی که بازیکنان دانش کاملی از توابع سود دیگران ندارند. تعادل نش بیزی که در سال ۱۹۶۷ توسط جان هارسانی معرفی شد، تعامل استراتژیک را تحت عدم قطعیت مدل‌سازی می‌کند و سودهای ناشناخته را به عنوان انواع خصوصی بازیکنان که از یک توزیع احتمال استخراج شده‌اند، نمایش می‌دهد. تعادل با حل استراتژی‌های وابسته به نوع که بهترین پاسخ به تمام تحقق‌های ممکن نوع هستند، یافت می‌شود.

شهود پشت روش

در تعادل نش بیزی، هر بازیکن اطلاعات خصوصی در مورد سودهای خود («نوع» خود) دارد و بازیکنان دیگر فقط توزیع احتمال بر روی انواع را می‌دانند. به جای تعهد به یک استراتژی واحد، هر بازیکن به قاعده‌ای متعهد می‌شود که مشخص می‌کند چه اقدامی را برای هر نوع ممکن که ممکن است داشته باشد، انجام دهد. تعادل زمانی رخ می‌دهد که استراتژی وابسته به نوع هر بازیکن، بهترین پاسخ به استراتژی‌های دیگران باشد و عدم قطعیت در مورد اینکه انواع واقعی دیگران چیست را در نظر بگیرد.

تاریخ

مقالات ۱۹۶۷-۱۹۶۸ جان هارسانی با معرفی یک چارچوب سیستماتیک برای تجزیه و تحلیل بازی‌ها با اطلاعات ناقص، نظریه بازی را متحول کرد. بینش او این بود که اطلاعات خصوصی را به عنوان یک قرعه‌کشی تصادفی «انواع» از یک پیشین مشترک مدل‌سازی کند و بازی‌های با اطلاعات کامل و ناقص را یکپارچه سازد. هارسانی جایزه نوبل اقتصاد را در سال ۱۹۹۴ برای این کار بنیادی که برای نظریه حراج، سازمان صنعتی و طراحی سازوکار ضروری شد، دریافت کرد.

چه زمانی استفاده شود

هنگامی که بازیکنان با عدم قطعیت واقعی در مورد انگیزه‌ها، هزینه‌ها یا ارزش‌گذاری‌های حریفان روبرو هستند، از BNE استفاده کنید. مثال‌ها شامل حراج‌های پاکتی (خریداران از ارزش‌گذاری‌های دیگران اطلاعی ندارند)، بازارهای بیمه (بیمه‌گران از انواع ریسک متقاضیان اطلاعی ندارند) یا مذاکرات است که در آن هر دو طرف اطلاعات خصوصی دارند. زمانی استفاده کنید که عدم تقارن اطلاعات برای تعامل استراتژیک اساسی است.

محدودیت‌ها و ملاحظات

  • وجود و محاسبه BNE اغلب دشوار است، به ویژه برای فضاهای نوع بزرگ یا انواع پیوسته
  • نیاز به مشخص کردن باورهای پیشین و توزیع انواع دارد که ممکن است ناشناخته یا مورد مناقشه باشند
  • اغلب تعادل‌های متعددی وجود دارد که پیش‌بینی‌ها را بدون پالایش مبهم می‌کند
  • یادگیری یا به‌روزرسانی باورها را در تعاملات تکراری در نظر نمی‌گیرد

شرایط منبع جایگزین بررسی علمی مستقل یا اعتبارسنجی توسط موتور تحلیل نیست.

نقاط قوت

  • تعامل استراتژیک واقع‌بینانه را تحت عدم قطعیت در مورد ترجیحات یا سودهای حریف مدل‌سازی می‌کند
  • تعادل نش را تعمیم می‌دهد و زمانی که اطلاعات کامل است به آن کاهش می‌یابد
  • امکان تحلیل انتخاب تعادل تحت اطلاعات ناقص را فراهم می‌کند
  • مبنایی برای طراحی سازوکار و نظریه حراج بهینه

کاربردها

  • حراج‌ها: تجزیه و تحلیل رفتار مناقصه در حراج‌های پاکتی و مزایده‌های باز-صعودی با ارزش‌گذاری‌های خصوصی
  • بازارهای بیمه: مدل‌سازی انتخاب نامطلوب زمانی که بیمه‌گران از انواع ریسک متقاضیان نامطمئن هستند
  • مالی شرکتی: تجزیه و تحلیل قیمت‌گذاری سهام زمانی که مدیران اطلاعات خصوصی در مورد مبانی شرکت دارند
  • بازارهای کار: مدل‌سازی مذاکره دستمزد زمانی که کارفرمایان و کارگران اطلاعات نامتقارن در مورد بهره‌وری دارند

چگونه کار می‌کند

چگونه کار می‌کند

1

فضای نوع هر بازیکن (حالات سود ممکن) و توزیع احتمال بر روی پروفایل‌های نوع را تعریف کنید.

2

هر بازیکن باورهای پیشین در مورد انواع دیگران دارد که در توزیع احتمال مشترک رمزگذاری شده است؛ بازیکنان این باورها را با استفاده از قاعده بیز پس از مشاهده نوع خود به‌روز می‌کنند.

3

برای هر بازیکن و هر یک از انواع ممکن او، اقدامی را محاسبه کنید که سود مورد انتظار را با توجه به استراتژی‌های تعادلی بازیکنان دیگر و عدم قطعیت در مورد انواع آنها به حداکثر می‌رساند.

4

تأیید کنید که هر نوع از هر بازیکن انگیزه‌ای برای انحراف از اقدام تجویز شده خود ندارد و یک نقطه ثابت از نگاشت بهترین پاسخ را تشکیل می‌دهد.

دام‌های رایج

  • فرض کردن اینکه پیشین‌های بازیکنان یکسان هستند در حالی که آنها اغلب فقط اطلاعات نامتقارن در مورد انواع خود دارند
  • اشتباه گرفتن انواع استراتژیک بازیکنان (حالات سود) با ناهمگونی رفتاری یا ترجیحی
  • نادیده گرفتن اینکه BNE به مشخصات فضای نوع و پشتیبان توزیع باور حساس است
  • اعمال پیش‌بینی‌های تعادلی به بازی‌های یک‌باره در حالی که رفتار توسط عقلانیت محدود یا ملاحظات غیر استراتژیک هدایت می‌شود

پرسش‌های متداول

«نوع» در تعادل نش بیزی چیست؟

نوع یک بازیکن اطلاعات خصوصی او را رمزگذاری می‌کند - معمولاً بردار سود، هزینه یا ارزش‌گذاری او - که فقط او می‌داند. بازیکنان دیگر فقط توزیع احتمال بر روی انواع را می‌دانند و باورهای خود را از طریق قاعده بیز پس از یادگیری نوع خود به‌روز می‌کنند.

تعادل نش بیزی چگونه اطلاعات خصوصی را به صورت نامتقارن مدیریت می‌کند؟

هر بازیکن فقط نوع خود را با قطعیت می‌داند و باورهای احتمالی در مورد انواع دیگران دارد. هنگامی که نوع یک بازیکن فاش می‌شود یا از طریق اقدامات فاش می‌شود، بازیکنان دیگر باورهای خود را با استفاده از قاعده بیز به طور منطقی به‌روز می‌کنند.

چرا محاسبه BNE در مقایسه با تعادل نش دشوارتر است؟

BNE نیاز به حل همزمان استراتژی‌های تعادلی برای تمام انواع تمام بازیکنان دارد که به طور چشمگیری ابعاد مسئله را افزایش می‌دهد. برای فضاهای نوع پیوسته یا بازیکنان زیاد، راه‌حل‌های تحلیلی اغلب غیرممکن هستند و به روش‌های عددی یا تقریب نیاز دارند.

روش‌های مرتبط

منابع

  1. Harsanyi, J. C. (1967). Games with incomplete information played by Bayesian players, Parts I, II, and III. Management Science, 14(3), 159-182.

    باز کردن مرجع DOI
    کپی شد.
  2. Harsanyi, J. C. (1968). Games with incomplete information played by Bayesian players. Management Science, 14(7), 486-502.

    باز کردن مرجع انتشار
    کپی شد.