合作博弈:夏普利值(shapley value)性质与算法

@[toc]

简介

沙普利值是合作博弈理论中的一个概念,由劳埃德-沙普利在1951年提出了这个概念,并因此在2012年获得了诺贝尔经济学奖。对于每个合作博弈,它为所有玩家的联盟产生的总盈余分配了一个独特的分配。沙普利值的特点是有一系列的理想属性。

其设置如下:一个玩家联盟进行合作,并从合作中获得一定的整体收益。由于一些玩家对联盟的贡献可能大于其他玩家,或者可能拥有不同的讨价还价能力(例如威胁要破坏整个盈余),在任何特定的游戏中,所产生的盈余在玩家之间的最终分配应该是什么?或者换个说法:每个参与者对整个合作有多重要,他或她可以合理地期待什么回报?沙普利值为这个问题提供了一个可能的答案。

定义

从形式上看,一个联盟博弈的定义是:有一个集合N(n个玩家)和一个函数v,将玩家的子集映射到实数:v:2^n\rightarrow R,v(\varnothing)=0。其中\varnothing表示空集。函数v被称为特征函数。

函数v的含义如下:如果S是一个玩家联盟,那么v(S)称为联盟S的价值,表示S的成员通过合作可以获得的总的预期报酬总和。

Shapley值是将总收益分配给参与者的一种方式,假设他们都进行合作。它是一种 "公平 "的分配,因为它是唯一具有以下某些理想特性的分配。根据沙普利值,在给定的联盟博弈(v,N)中,玩家i得到的金额是
\varphi_i(v) = \sum_{S \subseteq N/\{i\}}\frac{|S|!(n-|S|-1)!}{n!}(v(S\cup \{i\})-v(S)) \\ =\sum_{S \subseteq N/\{i\}}\left( \begin{array}{cc} n \\ 1,|S|,n-|S|-1\end{array} \right)^{-1}(v(S\cup \{i\})-v(S))

其中n是玩家总数,总和扩展到不包含玩家i的N的所有子集S上。该公式可以解释如下:设想联盟是由多个玩家组成的,每个玩家要求他们的贡献v(S\cup \{i\})-v(S)作为公平补偿。对每个玩家来说,在可能形成联盟的不同排列组合中取这个贡献的平均值。

沙普利值的等价公式是
\varphi _i(v) = \frac{1}{n!}\sum_{R}[v(P_i^R \cup \{i\})-v(P_i^R)]\\
所有玩家的排列R的总数为n!,P_i^R是R中第i个玩家之前的排序。

性质

  • 有效性 efficiency

    所有玩家沙普利值的总和等于联盟的价值,所以所有收益都在参与玩家之间分配。
    \sum_{i \in N}\varphi _i(v) = v(N)\\ proof:\sum_{i \in N}\varphi _i(v) =\frac{1}{|N|!}\sum_R \sum_{i \in N} v(P_i^R \cup \{i\})-v(P_i^R)\\ =\frac{1}{|N|!}\sum_R v(N)= \frac{1}{|N|!}|N|!·v(N) = v(N)

  • 对称性 symmetry

    如果i和j是两个平等的玩家,那么v(S \cup \{i\}) = v(S\cup \{j\}),对N中包含i或j的任意子集S,都有\varphi_i(v) = \varphi_j(v),这一性质也被叫做同等条件下的平等待遇。

  • 线性性 linearity

    如果两个收益函数v和w确定的两个联邦博弈结合起来,那么收益分配应当与它们单独的收益相对应。
    \varphi_i(v+w) = \varphi_i(v)+\varphi_i(w)\\ \varphi_i(av) = a\varphi_i(v)

  • Null player

    没有玩家的博弈v的沙普利值为0。给定结合N,沙普利值是唯一从博弈集合到支付向量的映射,满足有效性、对称性、线性性、空玩家。

  • 匿名性 anonymity

    如果i和j是两个玩家,w是一个获得函数,除了i和j被交换以外,w和v等同,所以\varphi_i(v) = \varphi_j(w)。这意味着玩家的标签在分配它们的收益时不起作用。

  • 边际性 marginalism

    沙普利值被看作只使用玩家i的边际贡献率为参数的函数。

举例1:手套博弈

玩家1和2各有一只右手手套,玩家3有一只左手手套,联盟博弈的价值函数是
v(i) = \left\{ \begin{array}{rcl} 1 & \mbox{if} \quad S\in \{\{1,3\},\{2,3\},\{1,2,3\}\} \\ 0 &\quad otherwise \end{array}\right.

找出所有排列3!,玩家1的边际贡献率如下表

Order R MC1
1,2,3 v(\{1\})-v(\varnothing) = 0
1,3,2 v(\{1\})-v(\varnothing) = 0
2,1,3 v(\{1,2\})-v(\{1\}) = 0
2,3,1 v(\{1,2,3\})-v(\{2,3\}) = 1-1=0
3,1,2 v(\{1,3\})-v(\{3\}) = 1-0=0
3,2,1 v(\{1,2,3\})-v(\{2,3\}) = 1-1=0

\varphi_1(v) = \frac{1}{6}\times 1 = \frac{1}{6}
根据对称性,\varphi_1(v) = \varphi_2(v) = \frac{1}{6}
根据有效性,\varphi_3(v) = \frac{2}{3}

举例2

共有三家公司,公司1,2,3单独投资可盈利v_1=100,v_2==200,v_3=300,如果公司1和公司2联合,可获利v_{12}=500;公司2和公司3联合,可获利v_{23}=600;公司1和公司3联合,可获利v_{13}=700;公司1、公司2和公司3联合,可获利v_{123}=1000;那么三个公司一起合作,每个公司应各获利多少?

找出所有排列3!,公司1的边际贡献率如下表

Order R MC1
1,2,3 v(\{1\})-v(\varnothing) = 100
1,3,2 v(\{1\})-v(\varnothing) = 100
2,1,3 v(\{1,2\})-v(\{1\}) = 500-200=300
2,3,1 v(\{1,2,3\})-v(\{2,3\}) = 1000-600=400
3,1,2 v(\{1,3\})-v(\{3\}) = 700-300=400
3,2,1 v(\{1,2,3\})-v(\{2,3\}) = 1000-600=400

\varphi_1(v) = \frac{1}{6}\times 1700 = 1700/6

找出所有排列3!,公司2的边际贡献率如下表

Order R MC2
1,2,3 v(\{1,2\})-v(\{1\}) = 500-100=400
1,3,2 v(\{1,2,3\})-v(\{1,3\}) = 1000-700=300
2,1,3 v(\{2\})-v(\varnothing) =200
2,3,1 v(\{2\})-v(\varnothing) =200
3,1,2 v(\{1,2,3\})-v(\{1,3\}) = 1000-700=300
3,2,1 v(\{2,3\})-v(\{3\}) = 600-300=300

\varphi_2(v) = \frac{1}{6}\times 1700 = 1700/6

找出所有排列3!,公司3的边际贡献率如下表

Order R MC3
1,2,3 v(\{1,2,3\})-v(\{1,2\}) = 1000=500=500
1,3,2 v(\{1,3\})-v(\{1\}) = 700-100=600
2,1,3 v(\{1,2,3\})-v(\{1,2\}) = 1000-500=500
2,3,1 v(\{2,3\})-v(\{2\}) = 600-200=400
3,1,2 v(\{3\})-v(\varnothing) = 300
3,2,1 v(\{3\})-v(\varnothing) = 300

\varphi_3(v) = \frac{1}{6}\times 2600 = 2600/6

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 214,444评论 6 496
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 91,421评论 3 389
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 160,036评论 0 349
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 57,363评论 1 288
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 66,460评论 6 386
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 50,502评论 1 292
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 39,511评论 3 412
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 38,280评论 0 270
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,736评论 1 307
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,014评论 2 328
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,190评论 1 342
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,848评论 5 338
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 40,531评论 3 322
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,159评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,411评论 1 268
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 47,067评论 2 365
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,078评论 2 352

推荐阅读更多精彩内容