KNOWECON WIKI

ARTICLE

极小化极大定理 (Minimax Theorem)

极小化极大定理 (Minimax Theorem) 极小化极大定理是博弈论中最基础且深刻的定理之一，由冯·诺依曼 (John von Neumann) 于 1928 年证明。它为两人零和博弈提供了完整的数学基础，并揭示了博弈论与线性规划对偶性之间的深刻联系。 定理陈述 设有一个有限两人零和博弈：参与者 1（行参与者）拥有 m 个纯策略，参与者 2（列参与者）

浏览 0 更新 2025-10-26

极小化极大定理 (Minimax Theorem)

极小化极大定理是博弈论中最基础且深刻的定理之一，由冯·诺依曼 (John von Neumann) 于 1928 年证明。它为两人零和博弈提供了完整的数学基础，并揭示了博弈论与线性规划对偶性之间的深刻联系。

定理陈述

设有一个有限两人零和博弈：参与者 1（行参与者）拥有 m m 个纯策略，参与者 2（列参与者）拥有 n n 个纯策略。当参与者 1 选择策略 i i 、参与者 2 选择策略 j j 时，参与者 1 的支付为 aij a_{ij} ，参与者 2 的支付为 −aij -a_{ij} 。令 p=(p1,…,pm) \mathbf{p} = (p_1, \ldots, p_m) 和 q=(q1,…,qn) \mathbf{q} = (q_1, \ldots, q_n) 分别为双方的混合策略（即纯策略上的概率分布），则期望支付为：

E(p,q)=∑i=1m∑j=1npiaijqjE(\mathbf{p}, \mathbf{q}) = \sum_{i=1}^{m}\sum_{j=1}^{n} p_i a_{ij} q_j

极小化极大定理断言：

max⁡pmin⁡qE(p,q)=min⁡qmax⁡pE(p,q)=V\max_{\mathbf{p}} \min_{\mathbf{q}} E(\mathbf{p}, \mathbf{q}) = \min_{\mathbf{q}} \max_{\mathbf{p}} E(\mathbf{p}, \mathbf{q}) = V

其中 V V 称为博弈的值 (Value)。这意味着：参与者在选择混合策略时，最大化自身最低保障收益的操作顺序不会影响最终结果——先选策略再被针对，与被针对后再选策略，双方的最优值相等。

鞍点解释

从几何角度看，该定理表明支付函数 E(p,q) E(\mathbf{p}, \mathbf{q}) 在混合策略单纯形上存在一个鞍点 (Saddle Point) (p∗,q∗) (\mathbf{p}^*, \mathbf{q}^*) ，满足：

E(p,q∗)≤E(p∗,q∗)≤E(p∗,q),∀p,qE(\mathbf{p}, \mathbf{q}^*) \leq E(\mathbf{p}^*, \mathbf{q}^*) \leq E(\mathbf{p}^*, \mathbf{q}), \quad \forall \mathbf{p}, \mathbf{q}

即：单方面偏离鞍点不会改善任何一方的结果。参与者 1 偏离则收益不增，参与者 2 偏离则损失不减。这给出了纳什均衡在零和博弈中的等价刻画——每个两人零和博弈至少存在一个混合策略纳什均衡，且所有均衡给出相同的期望支付 V V 。

与线性规划对偶性的关系

极小化极大定理在数学上等价于线性规划的强对偶定理。参与者 1 的优化问题可表述为：

\begin{align*} \max\_{\(\mathbf{p}\), v} \quad \& v \\ \(\text{s.t.}\) \quad \& \(\sum_{i=1}^{m}\) \(p_i\) \(a_{ij}\) \geq v, \quad j = 1, \ldots, n \\ \& \(\sum_i\) \(p_i\) = 1, \quad \(p_i\) \geq 0 \end{align*}

参与者 2 的问题恰为上述问题的对偶。极小化极大等式 max⁡min⁡=min⁡max⁡ \max\min = \min\max 即为强对偶性成立的具体表现：原始问题和对偶问题的最优值相等。这一等价关系使得求解两人零和博弈可归结为求解一对互为对偶的线性规划。

推广与扩展

  1. 连续策略空间：当策略空间为紧凸集、支付函数为连续且对一方凸、对另一方凹时，Sion 极小化极大定理 (1958) 将结论推广至无限维。其核心条件是支付函数满足拟凹-拟凸性质。
  2. 非零和博弈：在一般和博弈中，极小化极大值不再相等，但仍定义了一个重要的解概念——极小化极大值 (Maxmin Value) 和极大化极小值 (Minmax Value)。前者是参与者即使被对方完全针对也能保证的最低收益，是衡量策略稳健性的重要指标。
  3. 多参与者：Sion-Kakutani 不动点方法的推广处理了 n n 人博弈中极小化极大的更复杂结构。

经济学应用

极小化极大定理的应用远超零和博弈本身：

  • 稳健决策与不确定性：在经济主体面临奈特不确定性 (Knightian Uncertainty) 时，极小化极大原则被 Gilboa 和 Schmeidler (1989) 公理化为最大最小期望效用 (Maxmin Expected Utility) 模型的基础。决策者考虑所有可能的概率分布，选择在最坏情况下效用最高的行动。
  • 统计决策理论：瓦尔德 (Abraham Wald) 将极小化极大原理引入统计推断，发展出极小化极大估计量——在所有可能的参数值中最小化最大风险。
  • 机制设计与最优拍卖：在机制设计中，设计者常寻求极小化最大后悔 (Minimax Regret) 的机制，以适应最不利的环境分布。
  • 资产定价：在含有模糊厌恶的资产定价模型中，代表性投资者使用极小化极大准则在多个可能的消费增长分布中做最坏情形分析。

局限性与批评

尽管极小化极大定理优雅且普适，其核心假设——极端风险厌恶——并非在所有经济情境中都合理。决策者若始终选择最坏情形下的最优策略，会忽略有利信息的价值。因此，在应用经济分析中，极小化极大准则通常与贝叶斯决策准则互补使用，前者提供安全下限，后者利用先验信息优化期望收益。两者之间的权衡构成了不确定性下决策理论的核心张力。