简介在多人非合作博弈分析中纳什均衡的求解往往依赖收益矩阵的构建与优化计算。面向博弈论学习者及MATLAB开发者这份压缩包提供了一套合作博弈下的均衡计算实现从定义博弈矩阵、计算各玩家最佳响应到判定满足条件的纳什均衡点均配有可直接运行的m脚本。压缩包共6个文件整体仅424KB其中4个m脚本是核心算法代码适合二次修改与复用txt文档梳理了计算步骤与公式要点pdf则补充了理论背景和MATLAB求解思路帮助零基础读者理解代码背后的博弈逻辑。当前已有1119人学习下载适合需要借助MATLAB快速验证博弈模型的研究者、学生或工程师。通过学习具体代码可掌握博弈矩阵定义、最佳响应函数编写、均衡点搜索等关键环节并能将参数替换到市场分析、网络竞争、政策制定等真实决策场景中提升策略设计与行为预测能力。1. 纳什均衡计算从博弈矩阵到MATLAB求解的完整链路很多人在拿到一份纳什均衡计算的MATLAB源码时第一反应是去翻中间某个函数然后把矩阵塞进去跑一遍。真正动手拆过才知道难点从来不在求解器那一行而在前面收益矩阵怎么建才不违背博弈论假设、纯策略和混合策略该用哪条路径、多人博弈的结果怎么验证。尤其当你把纳什均衡从教科书案例搬到多智能体博弈场景时矩阵维度和收敛判据的问题会立刻暴露出来。这套资源里包含了npg.m、gamer.m、simulationdata.m以及一份PDF说明核心是用MATLAB完成纯策略穷举和混合策略迭代求解。适合想用代码验证博弈模型、又不想从零写线性互补算法的人。下面我会把求解链路拆开讲从模型设定到参数调优最后落到动态博弈和多智能体验证上。2. 纳什均衡的理论前提与博弈建模为什么不能直接套求解器2.1 纯策略与混合策略的判定边界纳什均衡的定义是没有任何玩家能通过单方面改变策略来提高收益。但有一个经常被忽略的前提——这里的“策略”可以是纯策略也可以是混合策略。纯策略均衡对应的是策略组合里的确定性选择比如囚徒困境中双方都坦白混合策略均衡则是玩家以一定概率随机选择多个纯策略比如石头剪刀布中的均匀分布。在MATLAB实现时判定边界的意义在于选择不同的算法。纯策略均衡可以用best_response穷举得到复杂度是策略组合数的乘积混合策略均衡则需要求解概率分布本质上是解一个非线性方程组或线性互补问题。如果只把纯策略的结果当作最终答案遇到像“性别之战”这类只有混合策略均衡的博弈就会直接漏解。所以先要在代码里区分pure_strategy和mixed_strategy两条分支而不是统一走迭代。2.2 收益矩阵的标准化与占优策略剔除常见的坑是收益矩阵没有标准化。比如双人博弈中玩家1的收益矩阵和玩家2的收益矩阵维度不一致或者收益值量纲差异过大导致迭代求解时收敛到局部极值。我一般会在建模前做两步处理将收益矩阵统一转换为n×m×p的三维数组第一维是玩家序号后两维是策略组合。剔除严格劣策略即某一策略在所有对手策略下的收益都不大于另一个策略并且至少存在一个严格小于的情况。下表是一个标准化的双人收益矩阵示例行是玩家1的策略列是玩家2的策略每个单元格写成(收益1, 收益2)策略LRU(3, 2)(0, 0)D(0, 0)(2, 3)这个例子中不存在被严格占优的策略所以不能简化必须完整求解。而如果某一行每个单元格的收益都比另一行低就可以直接删掉降低求解规模。2.3 求解纳什均衡的数学工具线性互补与Lemke-Howson算法混合策略纳什均衡的求解在数学上等价于一个线性互补问题。对于双人博弈Lemke-Howson算法是最经典的路径算法对于多人博弈通常转化为多线性函数求解或使用迭代逼近。MATLAB中没有内置的nash函数所以资源里的npg.m实际上是自己实现的迭代求解器。npg.m的典型思路是初始化每个玩家的混合策略为均匀分布然后循环计算每个玩家的最佳响应再用一个学习率来更新当前策略直到策略变化量小于阈值。这本质上是复制者动态的离散版本。要注意的是这类迭代方法只能保证收敛到某个纳什均衡不保证找到所有均衡所以需要配合多个随机初始点来增加覆盖率。理论部分到这里就够了下面直接看代码怎么落地。3. MATLAB实现纳什均衡计算的源码拆解从npg.m到仿真循环3.1 博弈矩阵的定义与输入格式源码包里的npg.m和gamer.m对矩阵格式有明确约定。最常见的输入是payoff{1}和payoff{2}两个元胞数组分别存放玩家1和玩家2的收益矩阵。玩家1的收益矩阵每个元素对应行策略和列策略组合下的收益玩家2的收益矩阵维度与玩家1一致。下面是一个标准的定义格式% 双人博弈收益矩阵定义 % 玩家1: 行策略, 玩家2: 列策略 P1 [3 0; 0 2]; % 玩家1的收益 P2 [2 0; 0 3]; % 玩家2的收益 payoff {P1, P2}; n_actions size(P1, 1); % 每个玩家的策略数这段代码里P1和P2的维度必须一致否则后续npg.m在计算联合收益时会出现索引越界。n_actions在这里是2说明每个玩家有两个纯策略。资源里的Untitled2.m通常会封装一个函数接收payoff和迭代参数返回混合策略概率向量。3.2 最佳响应函数与纯策略穷举对于纯策略纳什均衡先实现一个最佳响应函数逐行扫描每个玩家的最优策略。function br best_response(payoff, player, opponent_strategy) % 计算给定对手策略下的最佳纯策略 % payoff: 元胞数组, player: 玩家编号, opponent_strategy: 对手策略索引 n size(payoff{player}, 1); if player 1 rewards payoff{player}(:, opponent_strategy); else rewards payoff{player}(opponent_strategy, :); end [~, br] max(rewards); end这里的参数opponent_strategy是假设对手已选定的策略索引。max函数返回收益最大的策略如果有多个相同最大值br会取第一个索引这在纯策略判定时可能漏掉多个均衡。改进办法是使用find(rewards max(rewards))返回所有最优策略再对所有玩家做笛卡尔积筛选出互为最佳响应的组合。gamer.m里通常就是做了这层遍历。3.3 混合策略求解npg.m的核心逻辑npg.m是整套源码的核心它采用迭代法逼近混合策略纳什均衡。一段简化的核心循环如下function [mixed, history] npg(payoff, alpha, tol, max_iter) % 迭代求解双人混合策略纳什均衡 % alpha: 学习率, tol: 收敛阈值, max_iter: 最大迭代次数 n1 size(payoff{1}, 1); n2 size(payoff{2}, 1); mixed ones(1, n1 n2) / (n1 n2); % 初始化均匀混合策略 history zeros(max_iter, n1 n2); for k 1:max_iter % 拆分玩家1和玩家2的概率分布 p mixed(1:n1); q mixed(n11:end); % 计算玩家1的期望收益向量及其最佳响应 exp1 payoff{1} * q; % 每个纯策略的期望收益 [~, br1] max(exp1); % 计算玩家2的期望收益向量 exp2 payoff{2} * p; [~, br2] max(exp2); % 更新策略向最佳响应方向加权移动 new_p p; new_p(br1) new_p(br1) alpha; new_p new_p / sum(new_p); new_q q; new_q(br2) new_q(br2) alpha; new_q new_q / sum(new_q); mixed [new_p, new_q]; history(k, :) mixed; % 收敛判断策略变化量小于阈值 if norm([new_p - p, new_q - q]) tol break; end end history history(1:min(k, max_iter), :); end这段代码的参数含义alpha是学习率通常设为0.1到0.5之间太大会导致震荡太小则收敛慢tol是策略变化量的欧几里得范数阈值一般取1e-6max_iter是上限防止不收敛时死循环。这里更新方式是最简单的最佳响应增量严格来说叫“虚构游戏”方法不是标准复制者动态但原始资源里就是这么处理的。实际使用时我建议把alpha改成衰减形式例如alpha alpha0 / sqrt(k)能改善后期的收敛稳定性。3.4 合作博弈与联盟收益分配Shapley值计算标题里的“MATLAB合作博弈”通常指向Shapley值的计算。合作博弈关注的是联盟能产生多少总收益以及如何公平分配。simulationdata.m里可能存放了每个联盟的收益数据集计算Shapley值的公式是function sv shapley_value(v, n) % v: 联盟收益函数, 输入为联盟成员索引向量 % n: 玩家总数 sv zeros(1, n); for i 1:n for S 1:2^n - 1 members find(bitget(S, 1:n)); % 枚举所有不含i的联盟 if any(members i), continue; end union_idx [members, i]; v_S v(members); v_Si v(union_idx); weight factorial(length(members)) * factorial(n - length(members) - 1) / factorial(n); sv(i) sv(i) weight * (v_Si - v_S); end end end注意这里枚举联盟用的是整数S的二进制位时间复杂度是O(2^n)玩家数量超过15就不适用了。simulationdata.m中如果预先存储了所有2^n个联盟的收益可以直接查表。Shapley值的核心参数是v这个联盟收益函数它必须满足超可加性即两个不相交联盟合并后的收益不小于单独收益之和否则分配结果会出现负边际贡献。4. 实战双人零和与多人博弈的纳什均衡计算与参数调优4.1 双人零和博弈线性规划求解minimax双人零和博弈可以用线性规划直接求出唯一均衡这也是验证npg.m迭代结果是否正确的最好办法。给定玩家1的收益矩阵A玩家2的收益为-A求解minimax可以转化为下面这个线性规划% 使用linprog求解零和博弈的纳什均衡 f [zeros(n, 1); 1]; % 目标: 最大化v, 等价于最小化 -v A_ineq [-A, ones(n, 1)]; % 约束: A*p v b_ineq zeros(n, 1); Aeq [ones(1, n), 0]; % sum(p) 1 beq 1; lb [zeros(n, 1); -inf]; ub [ones(n, 1); inf]; options optimoptions(linprog, Display, off); x linprog(f, A_ineq, b_ineq, Aeq, beq, lb, ub, options); p x(1:n); % 玩家1的最优混合策略这段代码的关键是构造约束A_ineq * [p; v] 0等价于每个纯策略的期望收益至少为v。f的最后一个元素是1对应最小化-v因为linprog默认求最小值。当npg.m迭代得到的结果与这里的p的差小于1e-4时说明迭代器实现正确。4.2 三人博弈的迭代逼近与收敛判据三人博弈的收益矩阵是三维数组npg.m的原始版本只支持双人需要扩展。扩展后的核心循环是嵌套计算每个玩家的最佳响应function mixed3 nash_3p(payoff3, alpha, tol) % payoff3: 3xPxQxR的元胞矩阵, 每个元素是三维收益 % 初始化均匀概率 p ones(3,1)/3; q ones(3,1)/3; r ones(3,1)/3; for iter 1:10000 % 玩家1的期望收益: 遍历自己的策略, 另两个预期概率固定 exp1 zeros(3,1); for a 1:3 exp1(a) sum(payoff3{1}(a,:,:) .* reshape(q * r, 1, [])); end [~, br1] max(exp1); % 玩家2和玩家3类似... % 更新 p, q, r, 并检查三者的变化 delta norm([p - p_old, q - q_old, r - r_old]); if delta tol, break; end end mixed3 [p; q; r];这里reshape(q * r, 1, [])把策略组合的联合概率拉成向量然后与收益子矩阵做逐元素相乘。收敛判据必须同时覆盖三个玩家的概率变化不能只看某一个。实际中三人博弈迭代经常出现循环振荡我一般会加上平滑项即new_p (1-alpha)*old_p alpha*br_p并且alpha从0.5开始按迭代次数衰减。4.3 参数设置与常见误用学习率、收敛阈值与初始点参数调优的目标不是让迭代跑得最快而是让结果稳定可复现。下表列出常见的参数选择及影响参数取值范围影响与风险alpha学习率0.01 ~ 0.5过大导致策略概率在最佳响应之间跳变不收敛tol收敛阈值1e-8 ~ 1e-4太严格导致迭代次数指数上升太宽松得到伪均衡初始策略分布均匀分布或随机不同初始点可能收敛到不同均衡推荐多组随机起点max_iter1000 ~ 100000对大型博弈需调高同时监控每步的norm(delta)一个常见误用是把博弈矩阵写成收益差而非绝对收益。纳什均衡只关心收益的顺序不关心差值大小但迭代算法中梯度幅度受影响所以绝对收益更稳妥。另一个误用是零和博弈中直接把两个收益矩阵相加为0却忘了把玩家2的收益取反。正确写法是payoff{2} -payoff{1}这样npg.m才能处理。5. 把MATLAB代码用于多智能体博弈的验证与进阶5.1 用仿真数据验证均衡稳定性资源里的simulationdata.m不是直接给出纳什均衡结果而是生成仿真数据来验证均衡的稳定性。常见做法是在均衡策略附近加入随机扰动观察系统是否回到原均衡。我给一个简单的稳定性测试function stable check_stability(payoff, eq_strategy, epsilon, sims) % eq_strategy: 混合策略向量, epsilon: 扰动幅度, sims: 仿真次数 stable 0; n length(eq_strategy); for k 1:sims perturbed eq_strategy epsilon * randn(1, n); perturbed max(perturbed, 0); perturbed perturbed / sum(perturbed); % 重新归一化 % 用npg从perturbed开始迭代, 看是否收敛回eq_strategy [out, ~] npg(payoff, 0.1, 1e-6, 500); if norm(out - eq_strategy) 0.01 stable stable 1; end end stable stable / sims; end这里的epsilon一般取0.01到0.1太大等于重新随机初始化测试没有意义。如果稳定率大于0.95可以认为该均衡在演化意义下是稳定的。注意这个测试只适用于对称或接近对称的博弈对于多均衡的博弈微扰后可能收敛到另一个合法均衡这不代表原均衡错误而是说明系统存在多个吸引域。5.2 从静态均衡到动态博弈的拓展npg.m处理的是单阶段博弈。多智能体博弈中智能体之间往往存在多轮交互你需要把静态均衡计算嵌入到每个回合的策略更新里。一个轻量级做法是每轮根据当前全局状态计算本轮收益矩阵然后调用npg得到混合策略再按该策略采样动作。由于状态变化收益矩阵也在变所以每轮必须重新构建矩阵不能复用上一轮的结果。这会造成性能瓶颈因为npg本身是迭代算法实时性要求高的场景可用查表替换预先对离散状态空间做网格化离线计算好均衡策略表运行时直接索引。5.3 调试技巧矩阵维度不匹配与收益异常值遇到最多的问题是维度不匹配。payoff{1}和payoff{2}的行列数明明一致但进入npg.m后报错索引超界。检查点有两个一是是否使用了元胞数组而不是三维数值数组二是策略数是否从0开始计数。MATLAB索引从1开始如果某处写成了for i 0:n-1就会出错。另一类问题是收益矩阵中包含Inf或NaN这通常来自收益计算时的不收敛除零建议用isfinite过滤一遍。调试时把history矩阵的最后几行打出来如果概率一直不变化但delta始终不降说明alpha太大或博弈本身存在极限环。收益异常值还可能是数据读取时顺序错误。npg.m假设的格式是玩家1的收益矩阵中行对应玩家1策略、列对应玩家2策略如果从Excel或CSV读入时行列转置最佳响应方向就反了。验证办法是构造一个已知均衡的小矩阵比如石头剪刀布运行npg输出概率应接近1/3。每次写新的博弈模型前先跑一遍这个自检程序能省下大量排查时间。本文还有配套的精品资源点击获取