Bỏ qua

Trò chơi có tổng bằng 0

前置知识：博弈论简介

本文讨论（二人）零和游戏．

在零和游戏中，两名玩家的收益之和恒为零，一方的收益必然意味着另一方的损失．零和游戏可以视为常和游戏的特殊情形．不过，任何常和游戏都可以通过对某一方的收益整体加上或减去一个常数，等价地转化为零和游戏，所以仅需要讨论零和游戏．

在算法竞赛中常见的零和游戏大致可分为两类：序贯零和游戏与同时零和游戏．

序贯零和游戏

序贯零和游戏中，两名玩家轮流行动，直到游戏终止．

序贯零和游戏中，玩家的收益函数呈现递归结构．游戏局面 \(S\) 可以分为三类，即终止局面 \(S_0\)、玩家 \(1\) 行动的局面 \(S_1\) 和玩家 \(2\) 行动的局面 \(S_2\)．假设终止局面 \(s\in S_0\) 处，玩家 \(1\) 的收益为 \(v(s)\)，相应地，玩家 \(2\) 的收益为 \(-v(s)\)．因此，轮到玩家 \(2\) 行动时，最大化它的收益就相当于最小化玩家 \(1\) 的收益．由此，假设双方都采取最优策略，玩家 \(1\) 在局面 \(s\in S\) 处能够获得的最大收益 \(V(s)\) 满足如下递推关系：

\[ V(s) = \begin{cases} v(s), & s \in S_0,\\ \max_{t\in s} V(t), & s\in S_1,\\ \min_{t\in s} V(t), & s\in S_2. \end{cases} \]

其中，\(t\in s\) 表示 \(t\) 是 \(s\) 的后继局面．这就是 极小化极大思想．

将这一算法应用于实际问题中，通常有如下具体方法：

  • 如果游戏中涉及的局面数量较少，直接暴力实现这一算法即可．

  • 如果游戏中涉及的局面数量较为庞大且没有特殊结构，可以考虑 Alpha–Beta 剪枝 并结合其他搜索剪枝算法使用．

  • 如果游戏中单个局面经常是多个局面的后继局面，为避免重复搜索，可以考虑记忆化搜索或其他动态规划算法．

  • 如果游戏中玩家的最终收益是终局前所有行动的收益和，可以适当优化建模方式．具体地，假设到达终局 \(s\in S_0\) 时，玩家 \(i=1,2\) 的行动序列分别为 \(\{a^{(i)}_j\}_{j=1}^{k_i}\)，行动 \(a\) 对应的收益为 \(w(a)\)，玩家 \(1\) 的收益函数为

    \[ v(s) = \sum_{j=1}^{k_1}w(a_j^{(1)}) - \sum_{j=1}^{k_2}w(a_j^{(2)}). \]

    那么，可以设 \(\tilde V(s)\) 为当前玩家在局面 \(s\in S\) 之后的游戏中能够取得的最大分数．对于初始状态 \(s_0\)，有 \(V(s_0)=\tilde V(s_0)\)，因此求出 \(\tilde V(\cdot)\) 足以求解原问题．对于 \(\tilde V(\cdot)\)，有如下递推关系：

    \[ \tilde V(s) = \begin{cases} 0, & s \in S_0, \\ \max_{t\in s} w(a_{s\to t}) - \tilde V(t), & s\in S_1\cup S_2. \end{cases} \]

    其中，\(a_{s\to t}\) 表示可以使得状态从 \(s\) 转移到 \(t\) 的行动，如果有多个这样的行动，取收益 \(w(a)\) 最高的那个．

  • 公平组合游戏都是序贯零和游戏，只需要设游戏中胜利方和失败方的收益分别为 \(+1\) 和 \(-1\)．此时，收益函数 \(V(\cdot)\) 的递推关系其实就是判定必胜状态和必败状态的 引理．

    这类问题还有一种常见的变形，即求胜利方最少需要的回合数和失败方最多可以坚持的回合数．为此，只需要注意到从终止状态开始做 BFS 并按照引理判定必胜状态和必败状态时，记录判定必胜状态和必败状态时 BFS 进行到的轮次数，就是所求的回合数．这是因为判定为必胜状态只需要一个后继状态是必败状态即可，它总是由后继状态中轮次数最小的必败状态转移而来；而判定为必败状态需要所有后继状态都是必胜状态，它总是由后继状态中轮次数最大的必胜状态转移而来．

    这一方法同样可以推广到一般的 有向图游戏．

例题

Codeforces 794 E. Choosing Carrot

设有一个长度为 \(n\) 的数列 \({a_i}\)．两名玩家 \(1\) 和 \(2\) 轮流从数列的两端取走一个数，直到数列中仅剩下最后一个数字为止．玩家 \(1\) 的目标是最大化这个最后剩下的数字，玩家 \(2\) 的目标是最小化它．在游戏正式开始前，玩家 \(1\) 还可以先进行 \(k\) 次行动．假设两名玩家在整个过程中都采取最优策略．对于每一个 \(k = 0,1,2,\cdots,n-1\)，求出游戏结束时最后剩下的数字．其中，\(1 \le n \le 3\times 10^5\)．

解答

因为无论双方怎样取走数字，数列剩余部分都是一段完整的区间．所以，游戏中的局面可以仅由区间 \([l,r]\) 和当前行动的玩家 \(i=1,2\) 描述，可以使用动态规划算法求解．设 \(f(l,r,i)\) 为局面由 \((l,r,i)\) 描述时，游戏最后剩下的数字．由前文分析可知，当 \(l < r\) 时，这一函数满足状态转移方程：

\[ \begin{aligned} f(l,r,1) &= \max\{f(l+1,r,2),f(l,r-1,2)\},\\ f(l,r,2) &= \min\{f(l+1,r,1),f(l,r-1,1)\}. \end{aligned} \]

终值条件为 \(f(l,l,1)=f(l,l,2) = a_l\)．据此，可以在 \(\Theta(n^2)\) 时间内求出所有可能局面的函数值．对于每个 \(k\)，答案就是

\[ g(k) = \max f(l,r,1) \text{ subject to } r - l + 1 = k. \]

这一算法无法通过原题所设的数据范围，因此需要考虑优化转移．此处有很多种处理方法，本文只提供其中一种．

将状态转移方程看作是对数列整体的操作．两个转移方程分别表示将相邻数字取最大值和最小值得到新数列，将它们分别称为「最大化操作」和「最小化操作」．每次操作都会使得数列长度减一．所有长度为 \(d\) 的区间对应结果共计 \((n-d+1)\) 个，这就相当于对序列进行 \((d-1)\) 次操作得到的序列．另外，要得到 \(f(l,r,1)\) 的结果，就需要保证最后一次操作是最大化操作．因此，这些操作序列的结尾总是最大化操作．

考虑连续两次操作给数列带来的变化．不妨考虑首先做最小化操作，再做最大化操作．此时，数列 \(a_1,a_2,a_3\) 将变为

\[ \max\{\min\{a_1,a_2\},\min\{a_2,a_3\}\}. \]

枚举 \(a_1,a_2,a_3\) 三个数字之间所有可能的大小关系可知，除了 \(a_1 < a_2\) 且 \(a_2 > a_3\)（即 \(a_2\) 是严格极大值）这种情形外，这一表达式总是等于 \(a_2\)．也就是说，如果一个数列不存在任何严格极大值点，那么，连续两次操作对它的唯一影响就是删去了数列首尾各一个数字．这显然大幅简化了转移．剩下唯一的问题就是：如何保证数列不存在任何严格极大值点？事实上，只要对序列做一次最大化操作，就能保证不存在严格极大值点．故而，所有偶数次操作的结果，可以通过对初始数列进行两次操作得到的序列，逐对删去首尾数字得到；所有奇数次操作的结果，可以通过对初始数列进行一次操作得到的序列，逐对删去首尾数字得到．

由于对序列的完整操作至多只需要进行 \(3\) 次，而后续统计答案只需要 \(2\) 次遍历，所以该算法的总时间复杂度为 \(\Theta(n)\)．

参考代码 
 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
#include <algorithm>
#include <iostream>
#include <vector>

int main() {
  int n;
  std::cin >> n;
  std::vector<int> a(n);
  for (int& x : a) std::cin >> x;
  std::vector<int> ans(n), tmp;
  tmp = a;
  for (int i = 0; i < n - 1; ++i) {
    tmp[i] = std::max(tmp[i], tmp[i + 1]);
  }
  for (int l = n / 2 - 1, r = (n - 1) / 2, ma = 0; l >= 0; --l, ++r) {
    ma = std::max({ma, tmp[l], tmp[r]});
    ans[r - l] = ma;
  }
  tmp = a;
  for (int i = 0; i < n - 1; ++i) {
    tmp[i] = std::min(tmp[i], tmp[i + 1]);
  }
  for (int i = 0; i < n - 2; ++i) {
    tmp[i] = std::max(tmp[i], tmp[i + 1]);
  }
  for (int l = (n - 3) / 2, r = n / 2 - 1, ma = 0; l >= 0; --l, ++r) {
    ma = std::max({ma, tmp[l], tmp[r]});
    ans[r - l] = ma;
  }
  ans[n - 1] = *std::max_element(a.begin(), a.end());
  for (auto x : ans) std::cout << x << ' ';
  std::cout << std::endl;
  return 0;
}

习题

同时零和游戏

同时零和博弈中，两名玩家同时行动．

同时零和游戏通常采用收益矩阵表示．假设玩家 \(i=1,2\) 的行动集合为 \(A_i\)，且当玩家 \(i=1,2\) 分别采取行动 \(a_i\in A_i\) 时，两人的收益分别是 \(v(a_1,a_2)\) 和 \(-v(a_1,a_2)\)．

例子

考虑石头剪刀布游戏．假定胜利得 \(1\) 分，失败得 \(-1\) 分，平局得 \(0\) 分．那么，游戏中两人的收益可以表示为

\[ \begin{pmatrix} 0,0 & 1,-1 & -1,1 \\ -1,1 & 0,0 & 1,-1 \\ 1,-1 & -1,1 & 0,0 \end{pmatrix}. \]

一般的二人同时游戏也可以表示为类似形式，故而也称为 双矩阵游戏（bimatrix game）．对于零和博弈，由于玩家 \(1\) 的收益矩阵和玩家 \(2\) 的收益矩阵互为相反数，所以可以只考虑玩家 \(1\) 的收益矩阵：

\[ V = (v(a_1,a_2))_{(a_1,a_2)\in A_1\times A_2} = \begin{pmatrix} 0 & 1 & -1 \\ -1 & 0 & 1 \\ 1 & -1 & 0 \end{pmatrix}. \]

需要解决的问题是：给定收益矩阵 \(V = (v(a_1,a_2))_{(a_1,a_2)\in A_1\times A_2}\)，如何求出两名玩家的最优策略和最大收益？

混合策略

相较于序贯零和游戏，同时游戏中两名玩家的角色是对称的．但是，既然已经解决了序贯零和游戏，那么不妨考虑同时游戏的序贯版本．例如，如果假定玩家 \(1\) 首先做出行动，玩家 \(2\) 再做出行动，那么，根据前文讨论，游戏结束时玩家 \(1\) 的收益将由

\[ w_-=\max_{a_1\in A_1}\min_{a_2\in A_2} v(a_1,a_2) \]

给出．由于玩家 \(1\) 的行动对于玩家 \(2\) 单向透明，这应该是玩家 \(1\) 所能获得的最差结果．对称地，如果假定玩家 \(2\) 首先行动，那么，玩家 \(1\) 的收益将由

\[ w_+ = \min_{a_2\in A_2}\max_{a_1\in A_1} v(a_1,a_2) \]

给出．由于玩家 \(2\) 的行动对于玩家 \(1\) 单向透明，这应该是玩家 \(1\) 所能获得的最好结果．玩家 \(1\) 应该期待实际进行游戏时，所能获得的收益 \(w\in[w_-,w_+]\)．尽管不等式 \(w_-\le w_+\) 总是成立（证明参见 弱对偶定理），但是由于等号未必成立，所以，仅采用序贯游戏的分析手段，一般情况下没有办法唯一确定游戏结果．

例子（续）

石头剪刀布游戏中，如果出手有先后，那么先手必输，后手必赢．转换为数学语言，这就是下列不等式：

\[ w_- = -1 \le +1 = w_+. \]

此时，\(w_-\neq w_+\) 并不成立．

上述分析过程遗漏了同时游戏的一个关键因素，就是玩家无法准确预测对手的行动．形式上，这意味着双方可以采取某种随机策略．这一想法在序贯博弈的语境下并不成立，因为无论先手玩家如何随机选择行动，后手玩家总能准确地观测到这一行动，并有针对性地回应．但是，对于同时游戏，随机策略引入的战略模糊将使得对手无法有效地针对己方的行动．

例子（续）

石头剪刀布游戏中，如果玩家 \(1\) 均匀随机地选择剪刀、石头、布三个行动之一，那么，根据玩家 \(2\) 的行动不同，玩家 \(1\) 可能获得的收益是

\[ \dfrac{1}{3}(0,1,-1)^T + \dfrac{1}{3}(-1,0,1)^T + \dfrac{1}{3}(1,-1,0)^T = (0,0,0)^T. \]

此时，无论玩家 \(2\) 如何选择行动，玩家 \(1\) 的期望收益总是 \(0\)．这显然好于确定性地选择单个行动．

由此，就引入了混合策略的概念．

混合策略

同时游戏中，玩家 \(i\) 的 混合策略（mixed strategy），简称 策略，是指函数 \(s_i:A_i\to[0,1]\)，且它满足 \(\sum_{a_i\in A_i}s_i(a_i)=1\)．也就是说，策略 \(s_i\) 就是玩家 \(i\) 的行动集合 \(A_i\) 上的一个概率分布．玩家 \(i\) 全体混合策略的集合记作 \(S_i=\Delta(A_i)\)，其中，\(\Delta(A_i)\) 表示 \(A_i\) 上的全体概率分布的集合．如果 \(s_i\) 是退化的概率分布，即存在 \(a\in A_i\) 使得 \(s_i(a)=1\)，那么，也称策略 \(s_i\) 为 纯策略（pure strategy）．

混合策略的收益就是单个行动收益的期望：

\[ v(s_1,s_2) = \sum_{a_1\in A_1}\sum_{a_2\in A_2}s_1(a_1)s_2(a_2)v(a_1,a_2). \]

将单个行动看作对应的纯策略，那么，就可以将行动集合 \(A_i\) 嵌入（混合）策略集合 \(S_i\) 中，且上式定义的 \(v(s_1,s_2)\) 就可以看作是将 \(v(a_1,a_2)\) 从 \(A_1\times A_2\) 延拓到 \(S_1\times S_2\) 上．

von Neumann 定理

引入混合策略后，极大化极小思想和极小化极大思想得到的结果是一致的，由此，同时零和游戏的结果也是唯一确定的．

定理（von Neumann）

允许混合策略的同时零和游戏中，如果双方都采取最优策略，那么，玩家 \(1\) 的最大收益为

\[ w = \max_{s_1\in S_1}\min_{s_2\in S_2} v(s_1,s_2) = \min_{s_2\in S_2}\max_{s_1\in S_1} v(s_1,s_2), \]

玩家 \(2\) 的最大收益为 \(-w\)．

证明

设 \(w = \max_{s_1\in S_1}\min_{s_2\in S_2} v(s_1,s_2)\)．考虑内层最小化问题，因为 \(v(s_1,s_2)=\sum_{a_2\in A_2}s_2(a_2)v(s_1,a_2)\)，所以，\(\max_{s_2\in S_2}v(s_1,s_2)=\max_{a_2\in A_2}v(s_1,a_2)\)，前者的最优解就是后者的最优解对应的纯策略．因此，有 \(w = \max_{s_1\in S_1}\min_{a_2\in A_2} v(s_1,a_2)\)．进而，引入辅助变量 \(u\)，问题就可以改写为

\[ w = \max_{s_1\in S_1} u \text{ subject to }u \le \min_{a_2\in A_2} v(s_1,a_2). \]

因为这个约束就等价于 \(u\le v(s_1,a_2)\) 对于所有 \(a_2\in A_2\) 都成立．最后，引入混合策略 \(s_1\) 的定义和收益函数 \(v(s_1,a_2)\) 的表达式，原问题就等价于 线性规划问题

\[ (P) \qquad \begin{aligned} w = \max_{u,s_1}\; & u\\ \text{subject to }& \sum_{a_1\in A_1}s_1(a_1)v(a_1,a_2) \ge u,~\forall a_2\in A_2,\\ & \sum_{a_1\in A_1}s_1(a_1) = 1,\\ & s_1(a_1) \ge 0,~\forall a_1\in A_1. \end{aligned} \]

这个问题显然是可行的，且最优解有解．根据 对偶原理 可知，它的最优解就等于对偶问题的最优解：

\[ (D) \qquad \begin{aligned} w = \min_{t,s_2}\; & t\\ \text{subject to }&\sum_{a_2\in A_2}s_2(a_2)v(a_1,a_2) \le t,~\forall a_1\in A_1,\\ &\sum_{a_2\in A_2}s_2(a_2) = 1,\\ &s_2(a_2)\ge 0,~\forall a_2\in A_2. \end{aligned} \]

重复前文的步骤，这一问题就等价于 \(\min_{s_2\in A_2}\min_{s_1\in S_1}v(s_1,s_2)\)．定理得证．

这一结果正是这一游戏的 Nash 均衡．也就是说，假定双方都选择均衡中的最优策略，那么，没有任何玩家能够从偏离均衡策略中严格获益．

转化为线性规划问题

von Neumann 定理的证明同时也指出了同时零和游戏的求解方法．设 \(n\) 和 \(m\) 分别是玩家 \(1\) 和 \(2\) 可采取的行动数目．给定玩家 \(1\) 的收益矩阵 \(V\in\mathbf R^{n\times m}\)，可以求解如下线性规划问题：

\[ \begin{aligned} w = \max_{(u,s)\in\mathbf R\times\mathbf R^n}\; & u\\ \text{subject to }& V^Ts \ge u\mathbf 1,\\ & \mathbf 1^Ts = 1,\\ & s \ge 0. \end{aligned} \]

这是一个规模为 \(\Theta(n+m)\) 的线性规划问题，可以用 单纯形法 高效求解．算法得到的最优解 \(s\) 就是玩家 \(1\) 的最优（混合）策略．要求得玩家 \(2\) 的最优策略，只需要从单纯形表中获得该问题最优解的对偶变量（即影子价格）即可．

习题

参考资料与注释

Last updated on this page:, Update history
Found an error? Want to help improve? Edit this page on GitHub!
Contributors to this page:OI-wiki
All content on this page is provided under the terms of the CC BY-SA 4.0 and SATA license, additional terms may apply