伍丽卓尔 2021-06-27 17:05 采纳率: 0%
浏览 15

市场准入阻挠博弈!是要用分离均衡和混同均衡吗?

 

  • 写回答

1条回答 默认 最新

  • 码农阿豪 Java领域优质创作者 2024-03-06 17:42
    关注
    让阿豪来帮你解答,本回答参考chatgpt3.5编写提供,如果还有疑问可以评论或留言
    (1) 扩展式博弈树如下: 博弈树 根据扩展式博弈树,可以列出对称完全信息静态博弈: | | 不进入 | 进入 | |---------|--------|------| | 默认 | (30, 40.5) | (-10, -10) | | 斗争 | (-10, 0) | (-100, -100) | 求解博弈的贝叶斯纳什均衡: 使用后验概率公式计算进入者在不同策略下的概率: $$P(H|进入) = \frac{P(进入|H)P(H)}{P(进入|高成本)P(高成本)+ P(进入|低成本)P(低成本)}=\frac{0.4(1)}{0.8}=0.5$$ $$ P(L|进入) = \frac{P(进入|L)P(L)}{P(进入|高成本)P(高成本)+ P(进入|低成本)P(低成本)}= \frac{0.4(1)}{0.2}=2 $$ 在默认策略下,进入者采取进入的概率为0.4,不进入的概率为0.6;在斗争策略下,进入者采取进入的概率为0.5。 所以,在位者的最优策略是在默认策略下默许,而在斗争策略下选择斗争。此时的贝叶斯纳什均衡为:(默认, 进入) 和 (斗争,不进入),对应的收益为:
    • (默认, 进入):在位者的收益为(30, 40.5),进入者的收益为(-10, 100);
    • (斗争,不进入):在位者的收益为(-10,0),进入者的收益为(-100,-100)。 (2) 扩展式博弈树如下: 博弈树 根据扩展式博弈树,可以列出不完全信息动态博弈:
    • 在位者选择默认策略,进入者选择进入
      • 在位者收益为30,进入者收益为40.5
    • 在位者选择默认策略,进入者选择不进入
      • 在位者收益为0,进入者收益为0
    • 在位者选择斗争策略,进入者选择强进入
      • 在位者收益为0,进入者收益为-10
    • 在位者选择斗争策略,进入者选择弱进入
      • 在位者收益为X,进入者收益为-10 求解博弈的精细贝叶斯均衡:
    • 针对每个类型的进入者,先计算在位者的最优策略: 对于高效率的强进入者,由于在位者无论选择默认策略还是斗争策略,收益都为0,所以无法判断强进人者的类型。因此,在位者的最优策略是默认默许,即使得进入者的收益为40.5。 对于低效率的进入者,如果在位者选择默认策略,则最优策略是选择进入;如果在位者选择斗争策略,由于弱进入者的收益为-10,所以收益X必须大于-10,才能够激励弱进入者不进入。即$X>-10$。
    • 对于进入者来说,如果他是低效率的进入者,那么他选择进入。如果他是高效率的强进入者,无论在位者选择什么策略,收益都为-10,因此选择进入。 因此,在位者的最优策略是默认默许,而X的取值在[-10, 300]之间都可以使得弱进入者不进入;进入者的最优策略是进入,因为进入者无法确定自己的类型,因此无论是高效率的强进入者还是低效率的进入者,都会选择进入。此时的贝叶斯纳什均衡为:(默认,进入) 和 (斗争,弱进入) ,对应的收益为:
    • (默认,进入):在位者的收益为30,进入者的收益为40.5;
    • (斗争,弱进入):在位者的收益为X,进入者的收益为-10。
    评论

报告相同问题?

悬赏问题

  • ¥30 python代码,帮调试
  • ¥15 #MATLAB仿真#车辆换道路径规划
  • ¥15 java 操作 elasticsearch 8.1 实现 索引的重建
  • ¥15 数据可视化Python
  • ¥15 要给毕业设计添加扫码登录的功能!!有偿
  • ¥15 kafka 分区副本增加会导致消息丢失或者不可用吗?
  • ¥15 微信公众号自制会员卡没有收款渠道啊
  • ¥100 Jenkins自动化部署—悬赏100元
  • ¥15 关于#python#的问题:求帮写python代码
  • ¥20 MATLAB画图图形出现上下震荡的线条