囚徒困境

囚徒困境囚徒困境囚徒困境（prisoner's dilemma ）是博弈论的非零和博弈中具代表性的例子，反映个人最佳选择并非团体最佳选择。

虽然困境本身只属模型性质，但现实中的价格竞争、环境保护等方面，也会频繁出现类似情况。

目录展开编辑本段概念释义囚徒困境（prisoner's dilemma ）：两个被捕的囚徒之间的一种特殊博弈，说明为什么甚至在合作对双方都有利时，保持合作也是困难的。

（源自曼昆《经济学原理》第五版，北京大学出版社）单次和多次重单次发生的囚徒困境，和多次重复的囚徒困境结果不会一样。

在重复的囚徒困境中，博弈被反复地进行。

因而每个参与者都有机会去“惩罚”另一个参与者前一回合的不合作行为。

这时，合作可能会作为均衡的结果出现。

欺骗的动机这时可能被受到惩罚的威胁所克服，从而可能导向一个较好的、合作的结果。

作为反复接近无限的数量，纳什均衡趋向于帕累托最优。

囚徒困境的主旨囚徒们虽然彼此合作，坚不吐实，可为全体带来最佳利益（无罪开释），但在资讯不明的情况下，因为出卖同伙可为自己带来利益（缩短刑期），也因为同伙把自己招出来可为他带来利益，因此彼此出卖虽违反最佳共同利益，反而是自己最大利益所在。

但实际上，执法机构不可能设立如此情境来诱使所有囚徒招供，因为囚徒们必须考虑刑期以外之因素（出卖同伙会受到报复等），而无法完全以执法者所设立之利益（刑期）作考量。

编辑本段固定局数的囚徒困境试想像囚徒困境的情况进行十次。

我们可以合理地设想，如果囚徒第一次被对方指控，第二次这个囚徒也会指控对方。

相反，如果第一次相关书籍别人保持沉默，建立了互信的关系，你也会保持沉默，达致帕累托最优。

当然，两个囚徒都会有相似的想法，在第一局保持沉默，以期望建立互信关系，所以双方都会保持沉默。

第二局时，双方亦应有相似的想法，继续保持沉默，以期继续在互信的情况下进行第三局，以致余下的八局。

这种想法合理吗？在第十局时，互信的关系明显是没有意义的，因为十局已经完结，囚徒没有必要为维持互信的关系而沉默(没有第十一局)，所以第十局囚徒一定会背叛对方的，理由和只有一局囚徒困境一样。

问题是，既然大家都知道在第十局，无论如何对方都会背叛自己的，你在第九局保持沉默也是没有意思的，要知道，保持沉默(友好关系)的原因是为了希望下一局别人保持沉默。

所以第九局双方都一定会背叛对方的。

下一个问题是，双方都有相同的想法，明知第九局对方会背叛自己，所以第八局保持沉默也是没有意思的，第七局亦然，如此类推，纳什均衡是十局都会互相背叛，建立互信关系是没有可能的。

只有在囚徒困境的局数大家都不肯定的情况下，上述的推论才不会发生，才会出现互相保持沉默的现象。

编辑本段经典的囚徒困境例子1950年，由就职于兰德公司的梅里尔·弗勒德（Merrill Flood）和梅尔文·德雷希尔（Melvin Dresher）拟定出相关困境的理论，后来由顾问艾伯特·塔克（Albert Tucker）以囚徒方式阐述，并命名为“囚徒困境”。

经典的囚徒困境如下：警方逮捕甲、乙两名嫌疑犯，但没有足够证据指控二人入罪。

于是警方分开囚禁嫌疑犯，分别和二人见面，并向双方提供以下相同的选择：若一人认罪并作证检控对方（相关术语称“背叛”对方），而对方保持沉默，此人将即时获释，沉默者将判监10年。

若二人都保持沉默（相关术语称互相“合作”），则二人同样判监1年。

若二人都互相检举（相关术语称互相“背叛”），则二人同样判监8年。

用表格概述如下：有两个参与者和一个庄家。

参与者每人有一式两张卡片，各印有“合作”和“背叛”。

参与者各把一张卡片文字面朝下，放在庄家面前。

文字面朝下排除了参与者知道对方选择的可能性1。

然后，庄家翻开两个参与者卡片，根据以下规则支付利益：一人背叛、一人合作：背叛者得5分（背叛诱惑），合作者0分（受骗支付）。

二人都合作：各得3分（合作报酬）。

二人都背叛：各得1分（背叛惩罚）。

用支付矩阵表格展示支付如下（以红和蓝分别表示二参与者）：一般形式囚徒困境的支付矩阵合作背叛合作 3, 3 0, 5背叛 5, 0 1, 1以“T、R、P、S”符号表示合作背叛合作 R, R S, T背叛 T, S P, P以“胜－负”术语表示合作背叛合作胜-胜大负-大胜背叛大胜-大负负-负简单博弈获得的点数可以得出一些一般化的结论。

T、R、P、S符号表符号分数英文中文（非术语）解释T 5 Temptation 背叛诱惑单独背叛成功所得。

R 3 Reward 合作报酬共同合作所得P 1 Punishment 背叛惩罚共同背叛所得S 0 Suckers 受骗支付被单独背叛所获若以T（Temptation）=背叛诱惑，R（Reward）=合作报酬，P（Punishment）=背叛惩罚，S（Suckers）=受骗支付，以个人选择得分而言，可得出以下不等式。

T>R>P>S（解：从5>3>1>0获得以上不等式）若以整体获分而言，将得出以下不等式。

2R>T+S或2R>2P（解：2×3>5+0或2×3>2x1；合作2人共得6分，比起互相背叛的共得2分及单独背叛的共得5分，显然合作获分比背叛高。

合作在团体而言是支配性策略。

）而重复博弈或重复的囚徒困境将会使参与者从注重T>R>P>S转变成注重2R>T+S。

就是说将使参与者脱离困境。

以上理论是道格拉斯·霍夫施塔特创建的。

编辑本段现实的例子上述例子可能显得不甚自然，但现实中，无论是人类社会或大自然都可以找到类似囚徒困境的例子，将结果划成同样的支付矩阵。

社会科学中的经济学、政治学和社会学，以及自然科学的动物行动学、进化生物学等学科，都可以用囚徒困境分析，模拟生物面对无止境的囚徒困境博弈。

囚徒困境可以广为使用，说明这种博弈的重要性。

以下为各界例子：军事或政治学例子：军备竞赛在政治学中，两国之间的军备竞赛可以用囚徒困境来描述。

两国都可以声称有两种选择：增加军备（背叛）、或是达成削减武器协议（合作）。

两国都无法肯定对方会遵守协议，因此两国最终会倾向增加军备。

似乎自相矛盾的是，虽然增加军备会是两国的“理性”行为，但结果却显得“非理性”（例如会对经济造成都有损坏等）。

这可视作遏制理论的推论，就是以强大的军事力量来遏制对方的进攻，以达到和平。

经济学例子：关税战两个国家，在关税上可以有以两个选择:提高关税，以保护自己的商品。

（背叛）与对方达成关税协定，降低关税以利各自商品流通。

（合作）当一国因某些因素不遵守关税协定，独自提高关税（背叛），另一国也会作出同样反应（亦背叛），这就引发了关税战，两国的商品失去了对方的市场，对本身经济也造成损害（共同背叛的结果）。

然后二国又重新达成关税协定。

（重复博弈的结果是将发现共同合作利益最大。

）商业例子：广告战商业活动中亦会出现各种囚徒困境例子。

以广告竞争为例。

两个公司互相竞争，二公司的广告互相影响，即一公司的广告较被顾客接受则会夺取对方的部分收入。

但若二者同时期发出质量类似的广告，收入增加很少但成本增加。

但若不提高广告质量，生意又会被对方夺走。

此二公司可以有二选择：互相达成协议，减少广告的开支。

（合作）增加广告开支，设法提升广告的质量，压倒对方。

（背叛）若二公司不信任对方，无法合作，背叛成为支配性策略时，二公司将陷入广告战，而广告成本的增加损害了二公司的收益，这就是陷入囚徒困境。

在现实中，要二互相竞争的公司达成合作协议是较为困难的，多数都会陷入囚徒困境中。

自行车赛例子自行车赛事的比赛策略也是一种博弈，而其结果可用囚徒困境的研究成果解释。

例如每年都举办的环法自由车赛中有以下情况：选手们在到终点前的路程常以大队伍（英文:Peloton）方式前进，他们采取这策略是为了令自己不至于太落后，又出力适中。

而最前方的选手在迎风时是最费力的，所以选择在前方是最差的策略。

通常会发生这样的情况，大家起先都不愿意向前（共同背叛），这使得全体速度很慢，而后通常会有二或多位选手骑到前面，然后一段时间内互相交换最前方位置，以分担风的阻力（共同合作），使得全体的速度有所提升，而这时如果前方的其中一人试图一直保持前方位置（背叛），其他选手以及大队伍就会赶上（共同背叛）。

而通常的情况是，在最前面次数最多的选手（合作）通常会到最后被落后的选手赶上（背叛），因为后面的选手骑在前面选手的冲流之中，比较不费力。

编辑本段与囚徒困境相关的各事件异想威廉·庞德斯通（William Poundstone）在他的著作中，以一新西兰的例子来说明囚徒困境。

在新西兰，报亭即无管理员也不上锁，买报纸的人自行放下钱后拿走报纸。

当然某些人可能取走报纸却不付钱（背叛），但由于大家认识到如果每个人都偷窃报纸（共同背叛）会造成以后不方便的有害结果，这种情形很少发生。

这例子特别之处是新西兰人并没有被任何其他因素影响而能脱离囚徒困境。

并没有任何人特别去注意报亭，人们守规则是为了避免共同背叛带来的恶果。

这种避免囚徒困境的大家共同的推理或想法被称为“异想（magical thinking）”。

[3]“认罪减刑”不可行囚徒困境的结论是许多国家中认罪减刑（英文：plea bargain）被禁止的原因之一。

囚徒困境带来的结论是：如果有二个罪犯，其中一人犯罪而另外一人是无辜的，犯罪者会为了减刑坦白一切甚至冤枉清白者（单独背叛）。

最糟糕的情况是，如果他们二人都被判入狱，坦白的犯罪者刑期少，坚持无罪的冤枉者刑期反而更多。

公用品悲剧现实的博弈参与者不只一方，会有多方参与的囚徒困境。

加勒特·詹姆斯·哈丁（Garrett James Hardin）的公用品悲剧就是一例：“公用品悲剧是指凡是属于最多数人的公共财产常常是最少受人照顾的事物”，例如渔业，公海中的鱼是属于公共的，而在本身不滥捕其他人也滥捕的思想下，渔民会没有节制的大捞特捞，结果海洋生态破坏，渔民的生计也受影响（共同背叛的结果）。

但是，多方囚徒困境的提法有待商榷，因为其总是可以被分解为一组组经典的二方囚徒困境。

就是说只有二方的囚徒困境，没有多方的。

所谓多方的囚徒困境只是由多个二方囚徒困境混杂在一起而形成的错觉。

编辑本段重复的囚徒困境简介罗伯特·阿克塞尔罗德在其著作《合作的进化》中，探索了经典囚徒困境情景的一个扩展，并把它称作“重复的囚徒困境”（IPD）。

在这个博弈中，参与者必须反复地选择他们彼此相关的策略，并且记住他们以前的对抗。

阿克塞尔罗德邀请全世界的学术同行来设计计算机策略，并在一个重复囚徒困境竞赛中互相竞争。

参赛的程序的差异广泛地存在于这些方面：算法的复杂性、最初的对抗、宽恕的能力等等。