本文是Game Theory An Introduction (by Steven Tadelis) 的學習筆記。html
信號傳遞博弈的核心在於玩家2如何判斷玩家1的類型。
能夠想象玩家2是一個面試官,試圖挑選一個有經驗的Java工程師。而玩家1是被面試者。
玩家1有兩種類型:類型1是有三年Java工做經驗的,類型2是有三年JavaScript工做經驗的。面試
混同均衡(Pooling equilibria)
玩家1的全部類型選擇相同的行動,這樣沒有揭露任何信息給玩家2。
這種狀況下,玩家2只能經過幾率分佈做爲他的信念。
玩家2的序貫理性策略是如何讓玩家1偏離他的混同策略。學習
分離均衡(Separating equilibria)
玩家1的每種類型選擇不一樣的行動,揭露了他的類型信息給玩家2。
這種狀況下,玩家2能夠很好地使用貝葉斯法則判斷出玩家1的類型。ui
混合均衡(semi-separating equilibria)
第三種類型:不一樣類型的玩家1選擇不一樣的混合策略(mixed strategies),
這樣致使對於不一樣類型的玩家1,採用每一個行動的機率是不一樣的。spa
能夠看看Perfect Bayesian equilibrium,類型給出了一個簡單的例子。
書中本章,主要內容是講如何解決實際的案例。這裏就跳過,不寫了。設計
直觀準則:對於任何給定的玩家2的信念集,玩家1本着「只有類型x可以從這個行動中獲益,所以,我是類型x。」的精神,用他的行動給玩家2發一個信息。htm
解釋:blog
當在知足如下兩個條件時,玩家1不會是\(\hat{\Theta}\)中的任何一個類型:ip
- 玩家1的類型若是是\(\hat{\Theta}\)中任何一個,玩家1就不會選擇行動\(a_i\),由於其收益小於玩家1在精煉貝葉斯均衡\(\sigma^*\)的收益。
- 若是玩家1能夠說服玩家2玩家1的類型不會是\(\hat{\Theta}\)中的任何一個類型,則其選擇行動\(a_i\)的收益大於玩家1在精煉貝葉斯均衡\(\sigma^*\)的收益。