行玩家

行玩家 (Row Player)

行玩家（Row Player）是博弈论中用于描述策略型博弈（Normal-Form Game）或支付矩阵表示法的基本术语。在二人博弈的支付矩阵（Payoff Matrix）中，行玩家指其纯策略集合对应矩阵各行的那一位参与者；另一位参与者则称为列玩家（Column Player），其策略对应矩阵各列。行玩家与列玩家的区分是博弈论教学中引入纳什均衡、混合策略和极大极小策略等核心概念时的标准分析框架。

支付矩阵中的位置约定

在标准的二人博弈矩阵表示中，约定如下：

• 行玩家有 $m$ 个纯策略，记为 $R_1, R_2, \ldots, R_m$，分别对应矩阵的第 $1$ 至第 $m$ 行。
• 列玩家有 $n$ 个纯策略，记为 $C_1, C_2, \ldots, C_n$，分别对应矩阵的第 $1$ 至第 $n$ 列。
• 矩阵的每一单元格 $(i, j)$ 包含两个数值：第一个为行玩家的收益，第二个为列玩家的收益，记为 $(a_{ij}, b_{ij})$。

例如，经典的囚徒困境中，行玩家与列玩家均面临「合作」与「背叛」两个策略。矩阵中 (合作, 合作) 对应双方各得 $-1$；(背叛, 背叛) 对应双方各得 $-5$。行玩家通过选择行来最大化自身收益，但其最终收益取决于列玩家的同时选择。

行玩家视角下的均衡概念

纯策略纳什均衡。从行玩家视角出发，对列玩家的每一个策略 $C_j$，行玩家寻找使自身收益最大化的行 $i^*$：$a_{i^*j} \ge a_{ij}$ 对所有 $i$ 成立。纳什均衡要求双方同时达到最优反应：存在策略组合 $(i^*, j^*)$ 使得行玩家在列玩家选 $j^*$ 时没有动机偏离 $i^*$，且列玩家在行玩家选 $i^*$ 时没有动机偏离 $j^*$。

混合策略。行玩家的混合策略为定义在纯策略集合上的概率分布 $\mathbf{p} = (p_1, \ldots, p_m)$，满足 $p_i \ge 0$ 且 $\sum_i p_i = 1$。行玩家以概率 $p_i$ 选择纯策略 $R_i$。给定列玩家的混合策略 $\mathbf{q} = (q_1, \ldots, q_n)$，行玩家的期望收益为：

其中 $\mathbf{A} = [a_{ij}]$ 为行玩家的收益矩阵。行玩家的目标是选择 $\mathbf{p}$ 最大化该双线性形式。

零和博弈与极大极小策略

在二人零和博弈中，列玩家的收益为行玩家收益的相反数（$b_{ij} = -a_{ij}$），双方利益完全对立。此时行玩家的最优策略由极大极小定理（Minimax Theorem）刻画：行玩家选择策略以最大化自身在最坏情况下的收益，即求解：

冯·诺依曼的极大极小定理保证了在有限二人零和博弈中，行玩家的极大极小值等于列玩家的极小极大值，且该共同值即为博弈的值（Value of the Game）。行玩家的最优混合策略（极大极小策略）确保无论列玩家如何行动，行玩家至少获得博弈值所保证的期望收益。

行玩家与博弈表示的选择

将哪位参与者设为行玩家通常是任意的，但一旦约定，所有分析（收益矩阵、最优反应对应、均衡计算）均需一致地遵循该约定。在演化博弈论中，行玩家与列玩家的非对称角色常用于分析不同种群间的策略互动；在贝叶斯博弈中，行玩家的类型空间和信念系统需与矩阵表示共同指定。行玩家作为博弈论分析的基本视角，贯穿从完全信息静态博弈到不完全信息动态博弈的全部理论体系。