由冯·诺依曼和纳什等人发展的数学理论，研究理性决策者之间的策略互动。纳什均衡是博弈论的核心概念。 本页提供 6 个经典博弈模型、可点击的收益矩阵、与 AI 的实战对局 和 重复博弈策略锦标赛，帮助你从"看懂"到"玩懂"博弈论。
📖 标准介绍
博弈论（Game Theory）是研究理性决策者在策略互动情境中如何做出最优决策的数学理论，由约翰·冯·诺依曼（John von Neumann）和奥斯卡·摩根斯特恩（Oskar Morgenstern）于1944年奠基，约翰·纳什（John Nash）在1950年代做出了突破性贡献。
核心概念：
- 纳什均衡（Nash Equilibrium）：每个参与者的策略都是对其他参与者策略的最优反应，任何一方单方面改变策略都不会获得更好的收益
- 占优策略（Dominant Strategy）：无论对手如何选择，某策略总是能带来最优结果
- 帕累托最优（Pareto Optimality）：不可能在不损害任何一方的情况下改善另一方的处境
- 零和博弈与非零和博弈：前者一方所得等于另一方所失，后者可以实现双赢或双输
- 完全信息与不完全信息博弈：参与者对博弈结构和收益的了解程度
- 混合策略（Mixed Strategy）：以一定概率随机选择不同策略，让对方无法预测
- 重复博弈（Repeated Game）：同一博弈反复进行，历史行为会影响未来，从而为合作创造条件
博弈论广泛应用于经济学（市场竞争、拍卖设计）、政治学（投票、国际关系）、生物学（进化博弈）、计算机科学（算法设计、人工智能）等领域，为理解竞争、合作、谈判、冲突等现象提供了严谨的分析框架。
💬 通俗介绍
博弈论研究的是"你知道我知道你知道"的问题——当你的决策会影响别人，别人的决策也会影响你时，该怎么做出最聪明的选择？
🔍 经典例子：囚徒困境
两个罪犯被分开审讯：
• 都不招供 → 各判1年（证据不足）
• 一个招供，一个不招 → 招供的释放，不招的判10年
• 都招供 → 各判5年
理性分析：无论对方怎么选，招供总是更好（对方不招我招就释放，对方招我也招只判5年而不是10年）。结果两人都招供，各判5年——明明都不招只判1年更好！这就是个人理性导致集体不理性。
🌟 生活中的博弈论
- 价格战：两家超市都想降价吸引顾客，但如果都降价，利润都减少，不如都保持原价
- 公共资源：大家都想多用公共资源（如过度捕鱼），但如果都这样做，资源枯竭，大家都受损
- 考试作弊：如果大家都不作弊，凭实力竞争；但如果别人作弊你不作弊，你就吃亏了
- 交通拥堵：每个人都想走最快的路，结果大家都选同一条路，反而更堵
- 气候谈判：每个国家都希望别人减排、自己发展，结果全球变暖加剧
核心启示：在互动决策中，你不能只考虑自己的最优选择，还要预测对方会怎么想、怎么做，然后做出最优反应。有时候，个人最优≠集体最优，这就需要制度设计、信任建立或重复博弈来解决。
🧪 博弈实验室
选择一个经典博弈，点击收益矩阵中的任意格子查看"单方面改变策略"的结果
数值为收益（效用值），数字越大代表该玩家越满意
✏️ 编辑收益矩阵（修改后自动重新分析）
📊 自动博弈分析
🎮 亲自上阵：与 AI 对局
同一个博弈反复进行多次，你的历史选择会影响 AI 的下一步——体验"重复博弈"如何改变结果
🏆 重复博弈策略锦标赛
让 6 种经典策略两两循环对战 200 轮，看看哪一种在长期博弈中收益最高（以当前博弈的收益矩阵为准）
💡 阿克塞尔罗德锦标赛的启示：在著名的重复囚徒困境竞赛中，最简单朴素的 "以牙还牙"（Tit for Tat）策略夺得了冠军——它第一轮选择合作，之后完全复制对手上一轮的行为： 既善良（从不首先背叛）、又可激怒（被背叛必报复）、还宽容（对方回头合作就既往不咎）、且清晰（行为易被对手理解）。 这说明在长期互动中，善意、可预测与适度的反击往往比精明算计更有效。
🔑 关键概念详解
🎯 纳什均衡
在纳什均衡点，任何一方单方面改变策略都不会获得更好的收益。这是博弈的稳定状态——"谁都不想先动"。
例子：在囚徒困境中，(背叛,背叛) 是纳什均衡——虽然不是最好的结果，但没人愿意单独改变策略。
🤝 帕累托最优
在帕累托最优状态下，不可能在不损害任何一方的情况下改善另一方的处境。它是"效率"的衡量标准，与"稳定"无关。
例子：囚徒困境中 (合作,合作) 是帕累托最优——任何改变都会让至少一方变差。但它不是纳什均衡！
⚖️ 占优策略
无论对方选择什么策略，某一策略总是能带来最好的收益，这就是占优策略。拥有占优策略的玩家无需猜测对手。
例子：在囚徒困境中，"背叛"是占优策略——无论对方合作还是背叛，背叛总是更好。
🎲 混合策略
当不存在纯策略纳什均衡时，玩家需要以特定概率随机选择策略，使对手无法通过预测来占便宜。
例子：猜硬币、点球大战、石头剪刀布——最优策略都是随机化，让对手无从针对。
🔁 重复博弈
当同一博弈反复进行、且玩家能记住历史时，合作就有了可能——因为今天的背叛会在明天遭到报复。
例子：一次性买卖容易宰客，长期合作的供应商则更讲信誉；这正是"以牙还牙"策略有效的原因。
🧭 多重均衡与协调
有些博弈存在多个纳什均衡，此时"选哪一个"取决于预期、沟通、文化或历史惯例，这就是协调问题。
例子：猎鹿博弈、性别战争——双方都想协调，但偏好不同的均衡；现实中常靠"先例""行业标准"来选定。
💡 如何读懂收益矩阵？
收益矩阵（Payoff Matrix）是博弈论的核心工具，它清晰地展示了不同策略组合下各方的收益：
- 行代表玩家1的策略，列代表玩家2的策略
- 每个格子里有两个数字：红色是玩家1的收益，蓝色是玩家2的收益
- 找纳什均衡的方法：对每个格子，检查任何一方单独改变策略是否能获得更高收益。如果都不能，就是纳什均衡
- 绿色高亮的格子表示纳什均衡点——博弈的稳定结果
- 黄色边框的格子表示帕累托最优——不可能在不损害一方的情况下改善另一方
💡 学习路径建议：① 先切换不同博弈场景，观察均衡位置的变化； ② 点击矩阵中的格子，看看"单方面改变策略"会带来什么； ③ 玩几局"与 AI 对局"，体会一次性博弈和重复博弈的差别； ④ 跑一次"策略锦标赛"，看看哪种策略在长期互动中最吃香。