囚徒困境

囚徒困境 (Prisoner's Dilemma)

囚徒困境是博弈论中最著名的基础模型，由兰德公司科学家梅里尔·弗勒德和梅尔文·德雷希尔于1950年提出，后由普林斯顿大学数学家艾伯特·塔克赋予经典的"囚徒"故事。它属于非零和博弈，展示了为什么两个完全理性的个体可能不会选择合作，即使合作对双方都更有利。该模型深刻揭示了个体理性与集体理性之间的根本冲突，是分析合作行为的重要理论框架。

经典场景与支付结构

两名涉嫌共同犯罪的囚徒被分开关押，无法沟通。警方证据不足以指控重罪，只能以轻罪起诉，因此向每人提出相同的交易方案：(1) 若一人坦白而另一人保持沉默，坦白者立即获释（0年监禁），沉默者判10年；(2) 若两人均坦白，各判5年；(3) 若两人均保持沉默，各判1年。

从囚徒A的视角进行理性分析：假设B保持沉默，A若坦白可获释（0年）优于沉默（1年）；假设B坦白，A若坦白判5年仍优于沉默（10年）。可见无论B如何选择，A的最优策略都是"坦白"。在博弈论中，当一个策略无论对手选择什么都带来更好结果时，该策略被称为占优策略。由于博弈完全对称，"坦白"同样是囚徒B的占优策略。因此（坦白，坦白）构成该博弈的纳什均衡——在给定对方策略的前提下，没有任何参与者能通过单方面改变策略获得更好结果。

困境的本质

困境的核心悖论在于：两名囚徒各自遵循个人理性选择占优策略，最终达到各判5年的结果，这劣于双方都保持沉默时的各判1年。后者在经济学中被称为帕累托最优——在不使任何一方恶化的情况下无法使另一方变得更好。而（坦白，坦白）这一纳什均衡结果则是帕累托次优的，因为存在一个能让双方都变得更好的状态（即相互合作）。这一结论对亚当·斯密"看不见的手"的信条提出了挑战：在特定博弈结构中，个体追求自身利益最大化并不会自动带来集体最优，反而可能导致个体理性导致集体非理性的悲剧。

重复囚徒困境

经典囚徒困境为单次博弈，合作几乎不可能。然而在重复囚徒困境（IPD）中情况显著不同。当博弈重复次数有限且已知时，通过逆向归纳法可推断：最后一轮等同于单次博弈，双方必然背叛；倒推至倒数第二轮，既然最后一轮注定背叛，此刻合作便无意义，依此类推直至首轮——合作仍无法维持。但当博弈次数无限或则参与者不知道何时结束时，"未来的阴影"使合作成为可能。{{一报还一报}}策略（首轮选择合作，此后模仿对手上一轮的行动）在罗伯特·阿克塞尔罗德组织的计算机竞赛中脱颖而出。该策略兼具四项特质：友善（从不首先背叛）、报复性（对背叛立即惩罚）、宽容性（对手回归合作后立即原谅）和清晰性（规则简单，易被对手理解）。

现实应用

囚徒困境广泛存在于现实世界。寡头垄断市场中企业面临定价决策：合作维持高价可获高利润，但每家都有动机降价抢占份额，最终引发价格战，整体利润下降。军备竞赛中，两国可选择裁军或扩军——裁军节省开支但风险高，扩军安全但成本巨大，理性选择导致双方持续扩军。气候变化是全球层面的囚徒困境：各国为短期经济增长逃避减排责任，导致公地悲剧。贸易保护主义中，各国设置关税壁垒保护本国产业，若竞相效仿则引发贸易战，损害全球经济福利。

理解囚徒困境有助于设计促进合作的制度机制，包括建立信誉与声誉系统、增加参与者互动频率、设计可强制执行的契约与法律框架，以及通过外部权威（如政府或国际组织）改变博弈支付结构，将合作成本与背叛收益重新分配，使合作成为个体的理性选择。此外，沟通与承诺机制（如具有约束力的协议）也能在一定程度上缓解囚徒困境，促进更高水平的合作。